科技日报记者 张梦然
计算机有一天可能也会包含微型的大脑类器官。英国布里斯托大学研究团队正在用实验室培育的人脑类器官做一次不寻常的尝试：让它们“读”盲文。团队把由人类前脑细胞培育出的类器官接到电极阵列上，将真实触觉传感器采集的盲文字母数据转换成电刺激输入，再读回这些细胞群的反应。结果显示，三个类器官协同工作时，能以约83%的准确率区分26个盲文字母，明显高于单个类器官约61%的水平。相关论文发表于最新一期《人工智能前沿》。
团队的目标不是复刻大脑，而是试探一条更省电的计算路径。人脑能在极低能耗下完成复杂运算，长期启发着芯片设计者，而类器官计算的思路，正是把活体神经网络当作处理器的一部分来使用。
实验中的类器官直径不足1毫米，结构远不如真正的人脑完整，但每个都含有约一万个神经元以及支持细胞。它们被安置在多电极阵列上，由一套培养系统维持存活并持续记录活动。团队先用触觉传感器扫过盲文字母表，取得26个字母的触觉数据，再编码成电刺激模式施加到类器官上，观察它们能否产生可被区分的神经活动。
解码环节交给了一个并不复杂的机器学习算法——支持向量机，由它将类器官的反应模式分类，判断某一次信号对应哪个字母。团队还刻意给盲文信号加上不同强度的噪声，并让同一套算法直接解码被遮蔽的信号作对比。结果是，绕过类器官的直接解码更容易被人工噪声干扰，从类器官反应中还原字母反而更稳。
对研究者而言，这次实验的意义在于打通了一条链路：真实传感器的信息可以转译成活体神经网络能接收的形式，经类器官处理后仍足够完整，能被机器重新读出来。这为连接人工传感器与生物神经系统提供了可行做法，也让低能耗计算多了一个探索的方向。
不过，三个类器官为何胜过单个，目前还没有答案。一种可能是，不同类器官在网络连接、发育程度和自发活动上各有差异，同样的输入会得到相似但不完全相同的反应，合在一起便形成互补信息。团队也提到，这种个体差异是把系统推向可预测、标准化时必须要面对的难题。
团队下一步计划把对象扩展到纹理、边缘等更复杂的触觉特征，并最终引入闭环任务，让类器官从自身行为中获得反馈，借此考察它们能否真的随经验而改变。
总编辑圈点
人脑是效率最高的运算机器，相比之下，计算机开展运算时的能耗依然居高不下。进入人工智能时代，这个问题变得愈加突出——海量的运算需求，催生出惊人的能耗。正如有人所言：人工智能的尽头是算力，算力的尽头是电力。由此可见，探索更低能耗的运算方式势在必行。类脑计算，正是科学家们孜孜探索的重要路径之一。最新研究成果表明，多个人脑类器官运算效率胜于单个，这为类脑芯片的研发设计提供了新的启迪。
网友评论
