類器官電子混合計算系統可識別語音

　　美國科學家報告了一種由電子硬件和一個大腦類器官組成的混合計算系統，可以執行如語音識別和非線性方程預測等任務。這一研究凸顯出一種可能的方法，或可克服現有計算硬件的一些限制。相關研究12月12日發表于《自然—電子學》。

　　隨著人工智能（機器學習和人工神經網絡模型）成為關鍵驅動因素，近年來對算力的需求急劇增加。但隨著這些模型變得越來越復雜，運行它們的底層計算硬件的能效和性能卻難以跟上。受到人腦結構功能的啟發，科學家正在開發神經形態計算系統，以便更高效地運行此類模型。

　　大腦類器官是用人類多能干細胞人工培育而成的三維聚集體，會發育出類腦組織，能夠復制發育中大腦結構的特定方面。在這項研究中，印第安納大學伯明頓分校的郭峰和同事開發了一種混合神經形態計算系統，部分是傳統計算硬件，部分是大腦類器官。這種類器官的特點是集合了不同類型的腦細胞，包括早期階段和成熟的神經元，以及早期類腦結構（如腦室區）的發育，以形成、發揮和維持神經網絡功能。

　　這一類器官從電刺激得到輸入信號，經神經活動發送輸出信號。研究者將類器官與一類被稱為儲備池計算的人工神經網絡相結合，這是一個動態物理存儲層，可根據一連串輸入信號捕捉和記憶信息。在輸入和輸出層使用了普通計算硬件，輸出層受到訓練可讀取儲備層，對原始輸入數據進行預測或分類。

　　研究表明，該系統可被用于語音識別。混合計算系統需要從一個庫里的8個男性發音者中識別一個人的日語元音（使用了240段音頻剪輯）。該系統經訓練改進后能達到到約78%的準確度。這一系統還被用于預測一種Henon 映射（一種數學中的非線性動態系統）。與具有長短期記憶的人工神經網絡相比，該系統在使用同一數據集時準確性稍遜。

　　研究者表示，大腦類器官只是系統的一個部分，更復雜的人工神經網絡尚有待演示。在同期發表的新聞觀點文章中，約翰斯·霍普金斯大學的Lena Smirnova和同事寫道：“隨著這些類器官系統的復雜性增加，研究含有人類神經組織的生物計算系統的相關諸多神經倫理問題變得重要。創造出通用生物計算系統可能還要數十年，但這一研究有可能就學習、神經發育和神經退行性疾病的認知影響等機制產生基礎性的見解。”