甚至沒有電腦遠程功能強大和人腦一樣復雜。我們頭骨中的組織塊可以以計算技術幾乎無法觸及的數量和速度處理信息。

大腦成功的關鍵是神經元作為處理器和存儲設備的效率，這與大多數現代計算設備中物理分離的單元形成鮮明對比。

已經有許多嘗試使計算更像大腦，但一項新的努力更進一步——通過將真實的、實際的人腦組織與電子設備相結合。

它被稱為Brainoware，它有效。由印第安納大學布盧明頓分校的工程師郭峰領導的一個團隊為它提供了語音識別等任務和非線性方程預測等數學問題。

它的準確性略低于運行在人工智能，但這項研究證明了一種新型計算機架構的重要第一步。

然而，雖然郭和他的同事們在開發Brainoware時遵循了道德準則，但約翰霍普金斯大學的幾位研究人員在一篇相關的文章中指出自然電子評論：在進一步擴展這項技術時牢記道德考慮的重要性。

Lena Smirnova、Brian Caffo 和 Erik C. Johnson，他們沒有參與這項研究，謹慎，“作為這些的復雜性類器官系統增加，社區必須研究圍繞包含人類神經組織的生物計算系統的無數神經倫理問題。

人類的大腦令人瞠目結舌。它包含估計的860 億個神經元、平均而言，以及高達千萬億突觸.每個神經元最多連接到10,000 個其他神經元，不斷開火和相互交流。

迄今為止，我們在人工系統中模擬大腦活動的最大努力幾乎沒有觸及表面。

2013 年，理研的 K Computer（當時世界上最強大的超級計算機之一）問世試圖模仿大腦.憑借 82,944 個處理器和 PB 級的主內存，需要 40 分鐘才能模擬由 10.4 萬億個突觸連接的 17.3 億個神經元的一秒鐘活動，大約只占大腦的 1% 到 2%。

近年來，科學家和工程師一直在嘗試通過設計模仿大腦結構和工作方式的硬件和算法來接近大腦的能力。稱為神經形態計算，它正在改進，但它是能源密集型的，訓練人工神經網絡是耗時的。

Guo和他的同事們尋求一種不同的方法，使用在實驗室中生長的真實人類腦組織。人類多能性干細胞被哄騙發育成不同類型的腦細胞，這些腦細胞組織成稱為類器官的三維迷你大腦，具有完整的連接和結構。

這些不是真正的大腦，而只是組織排列，沒有任何類似于思想、情感或意識.它們對學習很有用大腦如何發育和工程，而不是在真人身上四處閑逛。

Brainoware 由連接到高密度微電極陣列的大腦類器官組成，使用一種稱為油藏計算.電刺激將信息傳輸到類器官中，類器官是信息被處理的儲存庫，然后 Brainoware 以神經活動的形式吐出其計算。

輸入層和輸出層使用普通計算機硬件。這些層必須經過訓練才能與類器官一起發揮作用，輸出層讀取神經數據并根據輸入進行分類或預測。

為了演示該系統，研究人員向Brainoware提供了240個音頻片段，這些音頻片段來自八位男性揚聲器，發出日語元音，并要求它識別一個特定個體的聲音。

他們從一個幼稚的類器官開始;經過短短兩天的培訓，Brainoware 能夠以 78% 的準確率識別說話者。

他們還要求 Brainoware 預測Hénon地圖，一個表現出混沌行為的動力系統。他們讓它在無人監督的情況下學習了四天——每一天代表一個訓練周期——并發現它能夠比沒有長短期記憶單元的人工神經網絡更準確地預測地圖。

Brainoware 的準確度略低于具有長短期記憶單元的人工神經網絡，但這些網絡都經歷了 50 個訓練周期。Brainoware 在不到 10% 的訓練時間內取得了接近相同的結果。

“由于類器官的高可塑性和適應性，Brainoware 具有響應電刺激的靈活性，可以靈活地改變和重組，突出了其自適應儲層計算的能力。”研究人員寫道.

仍然存在重大限制，包括保持類器官存活和健康的問題，以及外圍設備的功耗水平。但是，考慮到倫理考慮，Brainoware 不僅對計算有影響，而且對理解人腦的奧秘也有影響。

“可能需要幾十年的時間才能創建通用的生物計算系統，但這項研究可能會對學習機制、神經發育和神經退行性疾病的認知影響產生基礎性見解。Smirnova、Caffo 和 Johnson 寫道.

“它還可以幫助開發認知障礙的臨床前模型來測試新的治療方法。

該研究已發表在自然電子.

寶寶起名 起名