科學家們用人腦組織構建了一臺功能性計算機

沒有一臺計算機能夠與人腦相提并論，無論是在強大性還是復雜性上。我們顱骨中的這塊組織塊能夠以計算技術幾乎無法觸及的數量和速度處理信息。

大腦成功的關鍵在于神經元在充當處理器和存儲設備方面的效率，與大多數現代計算設備中物理上分離的單元形成對比。

人們曾多次嘗試使計算更加類似于大腦，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器件整合在一起。

它被稱為Brainoware，而且它確實奏效。印第安納大學布盧明頓分校的工程師馮·郭領導的團隊讓它執行了語音識別和非線性方程預測等任務。

與純硬件計算機運行人工智能相比，它的準確性稍差一些，但這項研究展示了一種新型計算機架構邁出的重要第一步。

然而，盡管郭及其同事在開發Brainoware時遵循了倫理準則，但約翰霍普金斯大學的一些研究人員在一篇相關的《自然電子》評論中指出，在進一步發展這項技術時牢記倫理考慮的重要性。

未參與該研究的莉娜·斯米爾諾娃、布萊恩·卡福和埃里克·C·約翰遜警告道：“隨著這些器官樣系統的復雜性增加，社區有必要審查圍繞整合人類神經組織的生物計算系統涉及的眾多神經倫理問題?！?/span>

Brainoware運作原理的示意圖。（Cai等人，自然電子，2023年） 人腦令人驚嘆。據估計，平均每個大腦含有860億個神經元，多達一千萬億個突觸。每個神經元與最多1萬個其他神經元相連接，不斷發放和相互通信。

迄今為止，我們在人工系統中模擬大腦活動的最佳努力僅僅是皮毛。

2013年，理研的K計算機——當時是世界上最強大的超級計算機之一——曾試圖模擬大腦。搭載82,944個處理器和1PB主內存，它花了40分鐘來模擬由1040億個神經元通過1.04萬億個突觸連接的1秒鐘的活動——大約僅占大腦活動的1-2%。

近年來，科學家和工程師一直在嘗試通過設計硬件和算法來模仿大腦的結構和工作方式，以接近大腦的能力。被稱為神經形態計算的這一方法正在改進，但它耗能大，訓練人工神經網絡也很耗時。

左至右，上：人腦器官樣結構在7天、14天、28天和數月時的情況；下，左至右：1個月、2個月、3個月。（Cai等人，自然電子，2023年） 郭及其同事試圖采用一種不同的方法，使用在實驗室中培育的真實人腦組織。人類多能干干細胞被誘導發展成不同類型的腦細胞，這些細胞組織成三維小腦袋，稱為器官樣結構，具有連接和結構。

這些并不是真正的大腦，只是沒有思想、情感或意識的組織排列。它們對于研究大腦的發展和工作方式是有用的，而不必在真正的人體中進行探查。

Brainoware由連接到高密度微電極陣列的腦器官樣結構組成，使用一種被稱為儲水池計算的人工神經網絡。電刺激將信息傳遞到器官樣結構中，在那里信息被處理，然后Brainoware以神經活動的形式輸出其計算結果。

輸入和輸出層使用普通的計算機硬件。這些層需要經過訓練，以與器官樣結構一起運作，其中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提供了來自8名男性說日語元音的音頻剪輯，要求它識別其中一名特定個體的聲音。

他們從一個天真的器官樣結構開始；在僅僅兩天的訓練后，Brainoware能夠以78%的準確率識別說話者。

一個器官樣結構及其掃描的神經活動的示例。（Cai等人，自然電子，2023年） 他們還讓Brainoware預測亨農圖，這是一個表現出混沌行為的動力系統。他們讓它在四天內學習，每天代表一個訓練周期，發現它能夠比沒有長短時記憶單元的人工神經網絡更準確地預測這個圖。

與帶有長短時記憶單元的人工神經網絡相比，Brainoware略遜一籌——但這些網絡經歷了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。

研究人員寫道：“由于器官樣結構的高可塑性和適應性，Brainoware具有根據電刺激變化和重組的靈活性，突顯了其自適應儲水池計算的能力?！?/span>

仍然存在重大限制，包括保持器官樣結構的生存和健康，以及外圍設備的能耗水平問題。但在牢記倫理考慮的同時，Brainoware不僅對計算有影響，還對理解人腦的奧秘有影響。

斯米爾諾娃、卡福和約翰遜寫道：“在一般的生物計算系統能夠被創建之前可能需要幾十年，但這項研究很可能產生對學習機制、神經發育機制和神經退行性疾病認知影響的基礎性見解?！?/span>

這項研究已經發表在《自然電子》雜志上。