由真实人脑细胞构建的“迷你大脑”和微电极组成的ai系统，已经能够进行语音识别——
从数百个声音片段中准确认出某个特定人的声音的那种。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
最近，一项非常前沿的类脑研究在Nature的子刊上发表了
这个特别的AI系统甚至可以进行无监督学习：
研究人员只是一遍遍播放音频片段，不提供任何形式的反馈来告诉系统答对还是错。
最终，该系统在两天的训练之后，准确率直接从最初的51%升到了78%。
这，究竟是怎么实现的？
类器官神经网络来了
发明该系统的主要目的，是解决硅芯片的高能耗等问题。
一般来说，解决这个问题的方法通常是依靠类脑计算
然而，基于这种思想设计的“传统”类脑芯片大多数都是直接基于数字电子原理，对于完全模仿大脑功能的能力来说确实有限
在此，该研究直接用上了一个叫做“类器官”的东西：
它指的是能够在实验室中利用人的干细胞培养出的微型器官，包含其代表器官的一些关键特性。
具体而言，研究人员将活体脑细胞组成的脑类器官（形状类似小团球）和高密度微电极阵列进行连接，构建出一个叫做“Brainoware”的系统。
微电极在Brainoware中的作用一是向类器官发送电信号，达到传送信息到“脑”中的目的；二是检测大脑神经细胞的放电响应，然后交给外部设备进行读取和解析。
这种系统能够展现出类似于神经网络的功能，并且能够进行无监督学习
将它连接到特定硬件，就可以被训练于语音识别。
在具体的任务中，研究人员将8个人说日语元音的240个音频片段转化为信号序列，并将其发送给系统，以便让系统能够识别出每个人的声音
最初，Brainoware的准确度仅为30%-40%
经过两天的训练后，它能够以78%的准确率识别特定的说话者
作者在此强调，所谓的训练只是重复音频片段，不给予任何反馈，也就是所谓的无监督学习。
不过，需要注意的是，目前Brainoware只能识别谁在讲话，但听不懂任何讲话内容。
在实验完成之后，研究人员尝试使用药物来阻断大脑中神经细胞之间形成新的连接
经过实验发现，采用这种操作方式后，系统的准确率并没有提升
作者解释，这说明Brainoware的学习能力取决于神经可塑性。
未来的计算机会是由大脑组成的吗？
今年三月份，该团队其实就是已经用该系统来尝试预测Hénon图了（数学领域中一种可表现出混沌行为的动力系统）。
结果Brainoware也是在无监督学习了4天之后（每天代表一个训练周期），被发现它能够比没有长短期记忆单元的人工神经网络预测得更准。
相比之下，前者只经历了不到50个训练周期
再往前一点，有一支澳大利亚的科研团队尝试教育“盘中大脑”打乒乓球游戏。令人惊讶的是，它在短短五分钟内就学会了，速度比人工智能还快17倍
那么未来，计算机会由大脑组成吗？
这还不确定
如本文作者介绍，他们这个研究目前属于概念验证，后面还有很多问题要解决：
比如说，虽然Brainoware系统的表现可以进一步提高，但是最大的问题是类器官仅能存活一至两个月
并且，Brainoware本身虽然不需要太多功耗，但维持它运转的外部设备的功耗水平并不低。
需要重写的内容是：等等问题的一系列
总的来说，有科学家预测，真正的通用生物计算系统可能需要几十年的时间才能创建。
无论如何，这项研究对我们进一步理解人脑学习的奥秘等问题都有帮助
