研究示意图。图片来源：《自然·电子学》
《自然·电子学》12日手机版了一种由电子硬件和一个大脑类器官组成的混合计算系统，可执行如语音识别和非线性方程预测等任务。这一研究凸显出一种方法，或可克服现有计算硬件的一些限制。
近年来人工智能对算力的需求急剧增加。但随着模型越来越复杂，运行它们的底层计算硬件的能效和性能却难以跟上。为此研究者正在开发神经形态计算系统，其受到人脑结构功能的启发，可用于更高效地运行。
大脑类器官是用人类多能干细胞人工培育而成的三维聚集体，会发育出类脑组织。在这项研究中，美国印第安纳大学伯明顿分校科研团队开发了一种混合神经形态计算系统，部分是传统计算硬件，部分是大脑类器官。
这种类器官的特点是集合了不同类型的脑细胞，包括早期阶段和成熟的神经元，以及早期类脑结构（如脑室区）的发育，以形成、发挥和维持神经网络功能。
类器官从电刺激得到输入信号，经神经活动发送输出信号。科研团队将类器官与被称为储备池计算的人工神经网络相结合，这是一个动态物理存储层，可根据一连串输入信号捕捉和记忆信息，在输入和输出层则使用了普通计算硬件。
研究表明，该系统能够被用于语音识别。实验中，混合计算系统需要从一个库里的8个男性发音者中识别一个人的日语元音（使用了240段音频剪辑），该系统经训练改进后达到约78%的准确度。
随附的手机版与观点文章表示，“随着这些类器官系统的复杂性增加，对于学界而言，研究含有人类神经组织的生物计算系统的相关诸多伦理问题变得相当重要。创造出通用生物计算系统可能还要数十年，但这一研究有可能对学习、神经发育和神经退行性疾病的认知影响等机制产生基础性的见解”。
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
