豐色 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
由真實人腦細胞構(gòu)建的“迷你大腦”和微電極組成的AI系統(tǒng)，已經(jīng)能夠進行語音識別
從數(shù)百個聲音片段中準確認出某個特定人的聲音的那種。
最近，一項頗為前沿的類腦研究登上了Nature子刊。
這個特別的AI系統(tǒng)甚至可以進行無監(jiān)督學(xué)習(xí)：
研究人員只是一遍遍播放音頻片段，不提供任何形式的反饋來告訴系統(tǒng)答對還是錯。
最終，該系統(tǒng)在兩天的訓(xùn)練之后，準確率直接從最初的51%升到了78%。
這，究竟是怎么實現(xiàn)的？
類器官神經(jīng)網(wǎng)絡(luò)來了
發(fā)明該系統(tǒng)的主要目的，是解決硅芯片的高能耗等問題。
一般來說，這個問題的解題思路都是靠類腦計算。
但這種思想下設(shè)計的“傳統(tǒng)”類腦芯片大多數(shù)都是直接基于數(shù)字電子原理，完全模仿大腦功能的能力著實有限。
在此，該研究直接用上了一個叫做“類器官”的東西：
它指的是能夠在實驗室中利用人的干細胞培養(yǎng)出的微型器官，包含其代表器官的一些關(guān)鍵特性。
具體而言，研究人員將活體腦細胞組成的腦類器官（形狀類似小團球）和高密度微電極陣列進行連接，構(gòu)建出一個叫做“Brainoware”的系統(tǒng)。
微電極在Brainoware中的作用一是向類器官發(fā)送電信號，達到傳送信息到“腦”中的目的；二是檢測大腦神經(jīng)細胞的放電響應(yīng)，然后交給外部設(shè)備進行讀取和解析。
這樣的系統(tǒng)可以表現(xiàn)出類似神經(jīng)網(wǎng)絡(luò)的功能，并可以進行無監(jiān)督學(xué)習(xí)。
將它連接到特定硬件，就可以被訓(xùn)練于語音識別。
具體任務(wù)中，研究人員將8個人說日語元音的240個音頻片段轉(zhuǎn)換為信號序列，然后發(fā)送給系統(tǒng)，讓它識別出某個人的聲音。
最開始，Brainoware的準確度只有30%-40%。
但經(jīng)過兩天的訓(xùn)練之后，它就可以78%的準確率識別出特定說話者。
作者在此強調(diào)，所謂的訓(xùn)練只是重復(fù)音頻片段，不給予任何反饋，也就是所謂的無監(jiān)督學(xué)習(xí)。
不過，需要注意的是，目前Brainoware只能識別誰在講話，但聽不懂任何講話內(nèi)容。
而在該實驗之后，研究人員試著用一種藥物來阻斷腦類器官中神經(jīng)細胞之間形成新的連接。
結(jié)果發(fā)現(xiàn)，這樣操作之后，系統(tǒng)的準確率就不會有任何改善了。
作者解釋，這說明Brainoware的學(xué)習(xí)能力取決于神經(jīng)可塑性。
未來的計算機會是由大腦組成的嗎？
今年三月份，該團隊其實就是已經(jīng)用該系統(tǒng)來嘗試預(yù)測Hénon圖了（數(shù)學(xué)領(lǐng)域中一種可表現(xiàn)出混沌行為的動力系統(tǒng)）。
結(jié)果Brainoware也是在無監(jiān)督學(xué)習(xí)了4天之后（每天代表一個訓(xùn)練周期），被發(fā)現(xiàn)它能夠比沒有長短期記憶單元的人工神經(jīng)網(wǎng)絡(luò)預(yù)測得更準。
相比之下，后者可是經(jīng)過了至少50個訓(xùn)練周期。
而再往前一點，澳大利亞一家科研團隊則試圖教“盤中大腦”打乒乓球游戲，結(jié)果它5分鐘內(nèi)就學(xué)會了，速度比AI還快17倍。
那么未來，計算機會由大腦組成嗎？
還不好說。
如本文作者介紹，他們這個研究目前屬于概念驗證，后面還有很多問題要解決：
例如，Brainoware系統(tǒng)的性能還能提高，但最重要的問題是類器官只能存活一到兩個月。
并且，Brainoware本身雖然不需要太多功耗，但維持它運轉(zhuǎn)的外部設(shè)備的功耗水平并不低。
諸如一系列等等問題。
總的來說，有科學(xué)家預(yù)測，真正的通用生物計算系統(tǒng)可能需要幾十年的時間才能創(chuàng)建。
但不管怎么樣，它的研究對我們進一步理解人腦的學(xué)習(xí)奧秘等問題都有幫助。
參考鏈接：
[1]https://www.nature.com/articles/s41928-023-01069-w
[2]https://www.newscientist.com/article/2407768-ai-made-from-living-human-brain-cells-performs-speech-recognition/
[3]https://www.genengnews.com/topics/artificial-intelligence/brainoware-organoid-neural-networks-inspire-brain-ai-hardware/
