用活人腦細胞造AI系統！語音辨識已成功，可無監督學習

由真實人腦細胞構建的「迷你大腦」和微電極組成的AI系統，已經能夠進行語音識別——

從數百個聲音片段中準確地認出某個特定人的聲音的那種。

最近，一項非常前沿的類腦研究在Nature的子刊上發表了

##這個特別的AI系統甚至可以進行

無監督學習：

研究人員只是一遍遍播放音訊片段，不提供任何形式的回饋來告訴系統答對還是錯。

最終，該系統在兩天的訓練之後，準確率直接從最初的

51%升到了78%。

這，究竟是怎麼實現的？

類器官神經網路來了

發明該系統的主要目的，是解決矽晶片的高能耗等問題。

一般來說，解決這個問題的方法通常是依靠類腦運算

然而，基於這種思想設計的「傳統」類腦晶片大多數都是直接基於數位電子原理，對於完全模仿大腦功能的能力來說確實有限

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類的幹細胞培養出的微型器官，包含其代表器官的一些關鍵特性。

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，構建出一個叫做「Brainoware」的系統。

微電極在Brainoware中的作用一是向類器官發送電訊號，達到傳送訊息到「腦」的目的；二是偵測大腦神經細胞的放電回應，然後交給外部設備進行讀取和解析。

這種系統能夠展現出類似於神經網路的功能，並且能夠進行無監督學習

將它連接到特定硬件，就可以被訓練於語音識別。

在具體的任務中，研究人員將8個人說日語元音的240個音訊片段轉換為訊號序列，並將其發送給系統，以便讓系統能夠辨識出每個人的聲音

最初，Brainoware的準確度僅為30%-40%

經過兩天的訓練後，它能夠以78%的準確率識別特定的說話者

作者在此強調，所謂的訓練只是重複音訊片段，不給予任何回饋，也就是所謂的無監督學習。

不過，要注意的是，目前Brainoware只能辨識誰在講話，但聽不懂任何講話內容。

在實驗完成之後，研究人員嘗試使用藥物來阻斷大腦中神經細胞之間形成新的連接

經過實驗發現，採用這種操作方式後，系統的準確率並沒有提升

作者解釋，這說明Brainoware的學習能力取決於

神經可塑性。

未來的電腦會是由大腦組成的嗎？

今年三月份，該團隊其實就是已經用該系統來嘗試預測Hénon圖了

（數學領域中一種可表現出混沌行為的動力系統）。

結果Brainoware也是在無監督學習了4天之後

（每天代表一個訓練週期），被發現它能夠比沒有長短期記憶單元的人工神經網路預測得更準。

相較之下，前者只經歷了不到50個訓練週期

再往前一點，有一支澳洲的科學研究團隊嘗試教育「盤中大腦」打乒乓球遊戲。令人驚訝的是，它在短短五分鐘內就學會了，速度比人工智慧還快17倍

那麼未來，電腦會由大腦組成嗎？

這還不確定

如本文作者介紹，他們這個研究目前屬於

#概念驗證，後面還有很多問題要解決：

比如說，雖然Brainoware系統的表現可以進一步提高，但是最大的問題是類器官只能存活一至兩個月

並且，Brainoware本身雖然不需要太多功耗，但維持它運轉的外部設備的功耗水平並不低。

需要重寫的內容是：等等問題的一系列

總的來說，有科學家預測，真正的通用生物計算系統可能需要幾十年的時間才能創建。

無論如何，這項研究對我們進一步理解人腦學習的奧秘等問題都有幫助

以上是用活人腦細胞造AI系統！語音辨識已成功，可無監督學習的詳細內容。更多資訊請關注PHP中文網其他相關文章！