几个月前，AIM 采访了约翰霍普金斯大学的Thomas Hartung博士，他正在尝试在培养皿中制造智能。他说，通过将一个含有大约1000万个神经元的类器官和高性能计算硬件结合起来——这大约是斑马鱼大脑的大小——我们可以创造一个生物计算机，利用神经元的决策能力产生一种新型的人工智能。

在当前，来自印第安纳大学布卢明顿分校、佛罗里达大学和辛辛那提大学医学院的研究人员发表了一篇题为“用于人工智能类脑器官计算”的论文。

现在我们有了一种人脑芯片，将研究推向了更远一步。研究人员正在不断挑战这些小巧、类似大脑结构的极限。

这篇尚未经同行评审的论文介绍了 Brainoware，称其为未来的人工智能硬件，旨在替代人工神经网络（ANN）。 “我们想问的问题是，我们是否可以利用脑类器官中的生物神经网络进行计算”，主要研究员郭锋告诉 Tech Xplore。 “这只是证明我们可以胜任这项工作的概念验证。”

郭锋和他的研究团队培养了特化的干细胞簇，这些干细胞随后演化成神经元，这是大脑的基本组成块。正常的大脑由860亿神经元组成，每个神经元可以与多达10,000个其他神经元形成连接。

在郭锋实验室生成的由神经元组成的类器官直径小于一纳米。它通过一系列电极与电路板连接，允许机器学习算法解读类器官的响应。

论文指出，与现有的2D培养和神经形态芯片不同，Brainoware 的脑类器官在复杂性、连接性、神经可塑性和神经生成方面都有所进步，所有这些都是以最小的能耗和快速学习能力实现的。

用于 AI 的类器官神经网络

这种新型的生物混合计算机结合了“脑类器官”和传统的人工智能，展示了执行语音识别任务78%的准确率的能力。

在实际演示中，研究团队将8位日语发音者的240个录音转换成电脉冲。随后，他们训练了一款人工智能，根据类脑器官对电刺激做出的神经活动来识别说话者。

尽管 Brainoware 在语音识别的准确性上不如传统的带有人工智能的计算系统，并且维持类器官需要资源，例如 CO2 培养箱，但它代表了未来更先进生物计算系统的一个重要步骤。

一个典型的人类大脑只需要20瓦特的功率，与使用人工神经网络（ANNs）的当前人工智能硬件消耗的巨额800万瓦特形成了鲜明的对比。

论文的研究人员说，尽管目前那些受大脑启发的硅芯片颇有希望，但它们在仿真大脑功能以实现高效的人工智能计算方面仍然存在挑战。Brainoware 利用了3D 脑类器官内的活生生的生物神经网络，提供了一个潜在的解决现有硬件瓶颈的方案。这展示了集成人类生物学到计算中以提升能力的潜力。

哈丁顿及其团队称这为“类器官智能”，或者OI，它可能是计算的下一步。这些系统将由活的人脑细胞供电。

未来是类器官智能

诸如解决非线性方程这样的现实世界应用突显了这项技术通过重塑类器官神经网络（ONNs）的神经连接来从训练数据中学习的潜力。

Brainoware使用活的人脑类器官作为动态波动的储备，“无监督学习”，将时序依赖的输入转换成用于人工智能计算的时空序列。通过时空电刺激，Brainoware 增强了它的计算性能，并通过突触可塑性展示了在芯片上的学习能力。

产生和维护类器官面临异质性、低通量和不同活性等问题。通过目前的微电极阵列(MEA)与 Brainoware 的接合是有限的，这促使我们需要创新，例如大脑-机器接口和软电极，以提升与人工智能硬件的连接性。

有了OI，我们可以研究神经系统疾病的认知方面，并将我们的大脑置于测试中。例如，我们可以比较来自健康个体与患有阿尔茨海默病个体的类器官的记忆形成，并尝试修补任何缺陷。或者，我们可以实验某些物质，比如农药，是否会导致学习或记忆难题。

而埃隆·马斯克正通过NeuraLink在人类大脑中植入芯片，研究人员则计划在芯片中种植大脑。