科学家们找到了一种整合活细胞的方法: 融合人工智能的脑细胞可以识别声音
科学家找到了一种将活体人类脑细胞整合到计算系统中的方法,并有可能取代人工智能中的 “A”。
印第安纳大学布卢明顿分校的科学家们今天在《自然-电子学》(Nature Electronics)杂志上正式发表了一篇研究论文,介绍了一种被称为 “Brainoware “的新系统。这些类器官–人工培育的类似器官的大量细胞或组织–目前安装在一个高密度多电极阵列上,目前还很原始。不过,研究人员希望它们的使用能为生物计算机的发展铺平道路,生物计算机可以执行与计算机相同的任务,但能耗最低。
“研究论文认为:”人脑驱动一个可比较的ANN(人工神经网络)通常消耗约20瓦特,而目前的人工智能硬件消耗约800万瓦特。”Brainoware可以为人工智能计算提供更多启示,因为脑器官可以为BNN(生物神经网络)提供复杂性、连通性、神经可塑性和神经发生,以及低能耗和快速学习。”
介绍 “Brainoware”:由人体细胞制成的微型类脑结构,即脑器官,被用作活体人工智能来执行任务,如求解复杂方程 1/8https://t.co/nuCNOWNf3j
– Michael Le Page (@mjflepage.bsky.social) (@mjflepage) 2023年3月14日
。
今年 3 月,迈克尔-勒佩吉(Michael Le Page)在推特上写道:”人类大脑耗能更少,学习速度更快,因此一些研究人员认为生物计算是未来的发展方向。
勒佩吉引用剑桥大学发育神经生物学家玛德琳-兰卡斯特的话说:”这些研究是否会将它们推向伦理极限,这是我们当然希望避免的,科学界和伦理学界正在一起界定这个极限在哪里。
Brainoware通过 “自适应水库计算 “发送和接收来自大脑器官的信息。这种方法实现了对训练数据的无监督学习,而训练数据仍能塑造类脑的功能连接。该系统的实用潜力在语音识别等任务中得到了证明,经过训练后,它能越来越准确地分辨出个别说话者的声音。
例如,在一组由8个人发音的240段日语元音音频片段中,训练有机体识别出一个人的声音。训练结束后,有机体能以超过 70% 的准确率完成任务。
不过,科学距离制造活体机器人还有很长的路要走。有机体只能识别说话者,而不能理解说话内容,这意味着这项技术要在医学或工程领域得到实际应用,还有很长的路要走。
剑桥大学的蒂图安-帕科莱特告诉《新科学家》杂志,生物计算的潜力是巨大的,但他承认,”目前的深度学习模型在特定和有针对性的任务上实际上比任何大脑都要好得多”。
研究人员还警告说,他们 “目前的有机体仍然存在异质性高、生成吞吐量低、坏死/缺氧和各种存活率等问题”,这使得它们目前除了用于研究目的之外,并不可行。
在开发 Brainoware 的同时,人工智能也被创造性地应用于医疗保健等领域,其创新成果包括帮助四肢瘫痪者恢复行动能力,以及能够读心的人工智能模型。总之,这些进步凸显了人工智能技术的多功能性和变革性。
人的脑细胞转化为计算系统,并有可能取代人工智能中的 “A”。
印第安纳大学布卢明顿分校的科学家们今天在《自然-电子学》(Nature Electronics)杂志上正式发表了一篇研究论文,介绍了一种被称为 “Brainoware “的新系统。这些类器官–人工培育的类似器官的大量细胞或组织–目前安装在一个高密度多电极阵列上,目前还很原始。不过,研究人员希望它们的使用能为生物计算机的发展铺平道路,因为生物计算机可以执行与计算机相同的任务,但能耗最低。
“研究论文认为:”人脑驱动一个可比较的ANN(人工神经网络)通常消耗约20瓦特,而目前的人工智能硬件消耗约800万瓦特。”Brainoware可以为人工智能计算提供更多启示,因为脑器官可以为BNN(生物神经网络)提供复杂性、连通性、神经可塑性和神经发生,以及低能耗和快速学习。”
介绍 “Brainoware”:由人体细胞制成的微型类脑结构,即脑器官,被用作活体人工智能来执行任务,如求解复杂方程 1/8https://t.co/nuCNOWNf3j
– Michael Le Page (@mjflepage.bsky.social) (@mjflepage) 2023年3月14日
。
今年 3 月,迈克尔-勒佩吉(Michael Le Page)在推特上写道:”人类大脑耗能更少,学习速度更快,因此一些研究人员认为生物计算是未来的发展方向。
勒佩吉引用剑桥大学发育神经生物学家玛德琳-兰卡斯特的话说:”这些研究是否会将它们推向伦理极限,这是我们当然希望避免的,科学界和伦理学界正在一起界定这个极限在哪里。
Brainoware通过 “自适应水库计算 “发送和接收来自大脑器官的信息。这种方法实现了对训练数据的无监督学习,而训练数据仍能塑造类脑的功能连接。该系统的实用潜力在语音识别等任务中得到了证明,经过训练后,它能越来越准确地分辨出个别说话者的声音。
例如,在一组由8个人发音的240段日语元音音频片段中,训练有机体识别出一个人的声音。训练结束后,有机体能以超过 70% 的准确率完成任务。
不过,科学距离制造活体机器人还有很长的路要走。有机体只能识别说话者,而不能理解说话内容,这意味着这项技术要在医学或工程领域得到实际应用,还有很长的路要走。
剑桥大学的蒂图安-帕科莱特告诉《新科学家》杂志,生物计算的潜力是巨大的,但他承认,”目前的深度学习模型在特定和有针对性的任务上实际上比任何大脑都要好得多”。
研究人员还警告说,他们 “目前的有机体仍然存在异质性高、生成吞吐量低、坏死/缺氧和各种存活率等问题”,这使得它们目前除了用于研究目的之外,并不可行。
在开发 Brainoware 的同时,人工智能也被创造性地应用于医疗保健等领域,其创新成果包括帮助四肢瘫痪者恢复行动能力,以及能够读心的人工智能模型。总之,这些进步凸显了人工智能技术的多功能性和变革性。