中新網北京12月12日電 (記者 孫自法)施普林格·自然旗下專業(yè)學術期刊《自然-電子學》最新發(fā)表一篇生物計算論文稱，研究人員研發(fā)出機器-類器官混合計算系統(tǒng)——一種由電子硬件和一個大腦類器官組成的混合計算系統(tǒng)，可以執(zhí)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(xiàn)有計算硬件的一些限制。

　　該論文介紹，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。不過，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。為此，受人腦結構功能的啟發(fā)，研究者正在開發(fā)神經形態(tài)計算系統(tǒng)，以設計用于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，它會發(fā)育出類腦組織，能夠復制發(fā)育中大腦結構的特定方面。在本項研究中，論文通訊作者、美國印第安納大學伯明頓分校郭峰和同事及合作者開發(fā)出一種混合神經形態(tài)計算系統(tǒng)，部分是傳統(tǒng)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(qū))的發(fā)育，以形成、發(fā)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(fā)送輸出信號。

　　論文作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(tài)物理存儲層，可根據(jù)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(shù)據(jù)進行預測或分類。

　　他們的研究表明，該混合計算系統(tǒng)能夠被用于語音識別，經訓練改進后能達到約78%的準確度，但與具有長短期記憶的人工神經網絡相比，該系統(tǒng)在使用同一數(shù)據(jù)集時準確性稍遜。

　　論文作者表示，大腦類器官只是系統(tǒng)的一個部分，更復雜的人工神經網絡尚有待演示。

　　《自然-電子學》同期發(fā)表同行專家的“新聞與觀點”文章指出，隨著這些類器官系統(tǒng)的復雜性增加，對于學界而言，研究含有人類神經組織的生物計算系統(tǒng)的相關諸多神經倫理問題變得重要。他們認為，創(chuàng)造出通用生物計算系統(tǒng)可能還要數(shù)十年，但這一研究有可能就學習、神經發(fā)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。(完)