科学家们已经找到了一种将活体人脑细胞整合到计算系统中的方法，并有可能使AI中的“A”变得过时。

印第安纳大学布卢明顿分校的一个团队最近发表了一篇关于一个名为“Brainoware”的新系统的论文 ，他们称这个系统使用人类脑器官样体来完成先进的AI任务。这些器官样体——人工培养的细胞或组织块，类似于器官——目前被安装在高密度多电极阵列上，今天还相当原始。然而，研究人员希望它们的使用为生物计算机铺平道路，这些计算机可以执行与计算机相同的任务，但能耗最低。

研究论文中提到：“人类大脑通常消耗约20瓦，而当前的AI硬件消耗约800万瓦，以驱动一个相似的ANN（人工神经网络）。”“Brainoware可以为AI计算提供额外的见解，因为脑器官样体可以为BNNs（生物神经网络）提供复杂性、连接性、神经可塑性和神经发生，以及低能耗和快速学习。”

“人脑消耗的能量要少得多，学习速度也快得多，因此一些研究人员认为生物计算是未来的发展方向，”迈克尔·勒佩奇（Michael Le Page）在3月份在Twitter上写道，但他指出，将该领域推向极限可能会引发棘手的问题。

勒佩奇引述了剑桥大学发育神经生物学家玛德琳·兰开斯特（Madeline Lancaster）的话：“是否将它们推向道德极限是我们肯定要避免的事情，科学和伦理界正在共同努力定义那个极限在哪里。”

Brainoware通过“自适应储水池计算”与脑器官样体发送和接收信息。这种方法使其能够从训练数据中进行无监督学习，仍然可以塑造器官样体的功能连接。该系统的实际潜力通过诸如语音识别之类的任务得到了证明，在这些任务中，经过训练后，它能够以越来越高的准确率区分个别说话者的声音。

例如，器官样体被训练来在240个发音日语元音的音频片段中识别一个人的声音。训练后，器官样体可以以超过70%的准确率完成这项任务。

科学距离建造活体机器人还有很长的路要走。然而，器官样体只能识别说话者，而不能理解语音，这意味着在这项技术在医学或工程领域实现实际应用之前还有很长而曲折的道路。

剑桥大学的Titouan Parcollet告诉《新科学家》杂志，生物计算的潜力是巨大的，但承认“当前的深度学习模型在特定和有针对性的任务上实际上比任何大脑都要好。”

研究人员还警告说，他们“目前的器官样体仍然存在高度的异质性、低发生通量、坏死/缺氧和各种生存能力”，使它们目前除了研究目的之外无法用于其他任何用途。

与Brainoware的发展并行的是，人工智能已经在医疗保健等领域得到创造性应用，包括帮助四肢瘫痪患者恢复活动能力的创新，以及能够读取思维的人工智能模型。所有这些进步共同突显了人工智能技术的多才多艺和变革性质。

由Ryan Ozawa编辑。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。