研究示意圖。圖片來源：《自然·電子學》

《自然·電子學》12日報告了一種由電子硬件和一個大腦類器官組成的混合計算系統，可執行如語音識別和非線性方程預測等任務。這一研究凸顯出一種方法，或可克服現有計算硬件的一些限制。

近年來人工智能對算力的需求急劇增加。但隨著模型越來越復雜，運行它們的底層計算硬件的能效和性能卻難以跟上。為此研究者正在開發神經形態計算系統，其受到人腦結構功能的啟發，可用于更高效地運行。

大腦類器官是用人類多能干細胞人工培育而成的三維聚集體，會發育出類腦組織。在這項研究中，美國印第安納大學伯明頓分校科研團隊開發了一種混合神經形態計算系統，部分是傳統計算硬件，部分是大腦類器官。

這種類器官的特點是集合了不同類型的腦細胞，包括早期階段和成熟的神經元，以及早期類腦結構（如腦室區）的發育，以形成、發揮和維持神經網絡功能。

類器官從電刺激得到輸入信號，經神經活動發送輸出信號。科研團隊將類器官與被稱為儲備池計算的人工神經網絡相結合，這是一個動態物理存儲層，可根據一連串輸入信號捕捉和記憶信息，在輸入和輸出層則使用了普通計算硬件。

研究表明，該系統能夠被用于語音識別。實驗中，混合計算系統需要從一個庫里的8個男性發音者中識別一個人的日語元音（使用了240段音頻剪輯），該系統經訓練改進后達到約78%的準確度。

隨附的新聞與觀點文章表示，“隨著這些類器官系統的復雜性增加，對于學界而言，研究含有人類神經組織的生物計算系統的相關諸多倫理問題變得相當重要。創造出通用生物計算系統可能還要數十年，但這一研究有可能對學習、神經發育和神經退行性疾病的認知影響等機制產生基礎性的見解”。

總編輯圈點

和人腦相比，硬件驅動的人工智能網絡的最大弱點就是耗能。大腦可以極低成本進行學習、處理信息、作出決策，但計算機不行。新系統由大腦類器官和電子硬件組成，它能以較低耗能進行自適應儲備計算。當然，要大規模應用這種系統仍存在挑戰。從近期來看，是要解決制造類器官及保證其正常運行問題；從長期來看，涉及人類神經系統的生物計算還有倫理問題需要厘清。