由真实人脑细胞构建的“迷你大脑”和微电极组成的AI系统,已经能够进行语音识别——
从数百个声音片段中准确认出某个特定人的声音的那种。
最近,一项非常前沿的类脑研究在Nature的子刊上发表了
这个特别的AI系统甚至可以进行无监督学习:
研究人员只是一遍遍播放音频片段,不提供任何形式的反馈来告诉系统答对还是错。
最终,该系统在两天的训练之后,准确率直接从最初的51%升到了78%。
这,究竟是怎么实现的?
发明该系统的主要目的,是解决硅芯片的高能耗等问题。
一般来说,解决这个问题的方法通常是依靠类脑计算
然而,基于这种思想设计的“传统”类脑芯片大多数都是直接基于数字电子原理,对于完全模仿大脑功能的能力来说确实有限
在此,该研究直接用上了一个叫做“类器官”的东西:
它指的是能够在实验室中利用人的干细胞培养出的微型器官,包含其代表器官的一些关键特性。
具体而言,研究人员将活体脑细胞组成的脑类器官(形状类似小团球)和高密度微电极阵列进行连接,构建出一个叫做“Brainoware”的系统。
微电极在Brainoware中的作用一是向类器官发送电信号,达到传送信息到“脑”中的目的;二是检测大脑神经细胞的放电响应,然后交给外部设备进行读取和解析。
这种系统能够展现出类似于神经网络的功能,并且能够进行无监督学习
将它连接到特定硬件,就可以被训练于语音识别。
在具体的任务中,研究人员将8个人说日语元音的240个音频片段转化为信号序列,并将其发送给系统,以便让系统能够识别出每个人的声音
最初,Brainoware的准确度仅为30%-40%
经过两天的训练后,它能够以78%的准确率识别特定的说话者
作者在此强调,所谓的训练只是重复音频片段,不给予任何反馈,也就是所谓的无监督学习。
不过,需要注意的是,目前Brainoware只能识别谁在讲话,但听不懂任何讲话内容。
在实验完成之后,研究人员尝试使用药物来阻断大脑中神经细胞之间形成新的连接
经过实验发现,采用这种操作方式后,系统的准确率并没有提升
作者解释,这说明Brainoware的学习能力取决于神经可塑性。
今年三月份,该团队其实就是已经用该系统来尝试预测Hénon图了(数学领域中一种可表现出混沌行为的动力系统)。
结果Brainoware也是在无监督学习了4天之后(每天代表一个训练周期),被发现它能够比没有长短期记忆单元的人工神经网络预测得更准。
相比之下,前者只经历了不到50个训练周期
再往前一点,有一支澳大利亚的科研团队尝试教育“盘中大脑”打乒乓球游戏。令人惊讶的是,它在短短五分钟内就学会了,速度比人工智能还快17倍
那么未来,计算机会由大脑组成吗?
这还不确定
如本文作者介绍,他们这个研究目前属于概念验证,后面还有很多问题要解决:
比如说,虽然Brainoware系统的表现可以进一步提高,但是最大的问题是类器官仅能存活一至两个月
并且,Brainoware本身虽然不需要太多功耗,但维持它运转的外部设备的功耗水平并不低。
需要重写的内容是:等等问题的一系列
总的来说,有科学家预测,真正的通用生物计算系统可能需要几十年的时间才能创建。
无论如何,这项研究对我们进一步理解人脑学习的奥秘等问题都有帮助
以上就是用活人脑细胞造AI系统!语音识别已成功,可无监督学习的详细内容,更多请关注php中文网其它相关文章!
已抢140913个
抢已抢4611个
抢已抢7238个
抢已抢17319个
抢