研究示意图。图片来源：《自然·电子学》

近年来人工智能对算力的需求急剧增加。但随着模型越来越复杂，运行它们的底层计算硬件的能效和性能却难以跟上。为此研究者正在开发神经形态计算系统，其受到人脑结构功能的启发，可用于更高效地运行。

大脑类器官是用人类多能干细胞人工培育而成的三维聚集体，会发育出类脑组织。在这项研究中，美国印第安纳大学伯明顿分校科研团队开发了一种混合神经形态计算系统，部分是传统计算硬件，部分是大脑类器官。

这种类器官的特点是集合了不同类型的脑细胞，包括早期阶段和成熟的神经元，以及早期类脑结构（如脑室区）的发育，以形成、发挥和维持神经网络功能。

类器官从电刺激得到输入信号，经神经活动发送输出信号。科研团队将类器官与被称为储备池计算的人工神经网络相结合，这是一个动态物理存储层，可根据一连串输入信号捕捉和记忆信息，在输入和输出层则使用了普通计算硬件。

研究表明，该系统能够被用于语音识别。实验中，混合计算系统需要从一个库里的8个男性发音者中识别一个人的日语元音（使用了240段音频剪辑），该系统经训练改进后达到约78%的准确度。

随附的新闻与观点文章表示，“随着这些类器官系统的复杂性增加，对于学界而言，研究含有人类神经组织的生物计算系统的相关诸多伦理问题变得相当重要。创造出通用生物计算系统可能还要数十年，但这一研究有可能对学习、神经发育和神经退行性疾病的认知影响等机制产生基础性的见解”。

总编辑圈点

和人脑相比，硬件驱动的人工智能网络的最大弱点就是耗能。大脑可以极低成本进行学习、处理信息、作出决策，但计算机不行。新系统由大脑类器官和电子硬件组成，它能以较低耗能进行自适应储备计算。当然，要大规模应用这种系统仍存在挑战。从近期来看，是要解决制造类器官及保证其正常运行问题；从长期来看，涉及人类神经系统的生物计算还有伦理问题需要厘清。（记者 张梦然）