美研發人腦類器官運算晶片 可辨識人聲與有數學預測力

以現今的電腦技術,幾乎無法與人腦處理資訊的數量和速度匹比。當中的關鍵是神經元作為處理器和儲存設備的效率,而這與大多數現代電腦設備中物理上分離的處理單元相似。人類曾多次嘗試讓電腦運算變得更像大腦,最新刊於《自然電子》的研究更進一步,將真實的人類大腦組織與電子設備結合成 Brainoware 。

Brainoware 由美國印第安納大學布盧明頓分校工程團隊製造,並向其提供了語音辨識等任務和非線性方程式預測等數學問題。團隊發現其精確度略低於運行人工智能的純硬體電腦,但該研究展示了新型電腦架構的重要第一步。

雖然團隊在開發 Brainoware 時遵循了學界的道德準則,但約翰霍普金斯大學的幾位學者於伴隨研究刊出的評論中提醒,在進一步發展這項技術時必須保持道德標準。他們警告:「隨著這些類器官系統的複雜性不斷提高,圍繞這些納入人類神經組織的生物運算系統研究,有無數重要的神經倫理問題需要考慮。」

大腦 vs 電腦

據估計,人類大腦平均包含 860 億個神經元,以及多達 1,000 億個突觸。 每個神經元都與多達 10,000 個其他神經元相連,彼此不斷放電和通訊。迄今為止,我們在人工系統中模擬大腦活動的努力僅僅觸及了其表面的運算能力。

2013 年,Riken 的 K Computer 是當時世上其中一台最強大超級電腦, K Computer 嘗試模仿大腦。即使有 82,944 個處理器和 1 PB 的主要儲存空間,該超級電腦也需要 40 分鐘才能模擬由 10.4 萬億個突觸連接的 17.3 億個神經元(即大腦 1 至 2% 運算能力)的一秒鐘活動。

近年,科學家和工程師一直試圖透過設計模仿大腦結構和工作方式的硬體和演算法,來研究大腦的功能,並將相關的研究稱為神經形態計算。雖然技術正在被改進,但相當耗用能源,且在訓練人工神經網路上非常耗時。

多能幹細胞 + 硬件

是次團隊則利用實驗室培養的人類多能幹細胞 (pluripotent stem cells) 進行研究。該些細胞被誘導發育成不同類型的腦細胞,最後發育成立體迷你大腦,並具有完整的連接和結構。不過,這並非真正的大腦,而只是組織的排列,沒有任何類似思想、情感或意識的東西。對於研究大腦如何發展和工作非常有用,且無需在人體進行研究。

然後,這個大腦類器官連接到一系列高密度微電極,使用一種稱為「儲存器計算」的人工神經網路。電刺激將訊息傳遞到類器官中,在整個 Brainoware 以神經活動的形式輸出計算結果之前,訊息會在類器官中處理。而輸入和輸出則是使用普通電腦硬體,但都必須經過訓練才能與類器官一起發揮作用,輸出時須讀取神經數據並根據輸入進行分類或預測。

測試辨識說話與預測能力

為了展示該系統是否成功運作,團隊向 Brainoware 提供了 8 個男性發出日語元音的 240 個音訊片段,並要求其識別是誰發出的聲音。經過短短兩天的訓練, Brainoware 就能以 78% 的準確率辨識說話的是哪個人。

團隊亦以 Brainoware 預測表現出混沌行為的動力系統厄農映射 (Hénon map) 。團隊讓 Brainoware 在無人監督的情況下學習 4 天,而每 1 天則代表 1 個訓練週期。團隊最終發現該運算系統能比沒有長短期記憶單元的人工神經網路更準確地預測厄農映射。

雖然, Brainoware 的準確度略低於具有長短期記憶單元的人工神經網絡,但這些網絡均經過了 50 個訓練週期; Brainoware 是在不到 10% 的訓練時間內取得了接近相同的結果。

團隊指出,由於類器官的高可塑性和適應性, Brainoware 能夠靈活地改變和重組以回應電刺激,突出了其自適應性儲存庫計算的能力。

包括保持類器官存活和健康的問題,以及外圍設備的功耗水平,令技術仍然存在很大的應用局限性,但考慮到倫理問題, Brainoware 不僅對電腦運算發展,更對理解人腦的奧秘也有影響,甚至可以幫助開發認知障礙的臨床前模型來測試新的療法。

來源:

Science Alert, Human Brain Cells on a Chip Can Recognize Speech And Do Simple Math

報告:

Cai, H., Ao, Z., Tian, C. & et al. (2023). Brain organoid reservoir computing for artificial intelligence. Nat Electron. doi: 10.1038/s41928-023-01069-w

文/AC 

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *