生物工程师用“大脑意识”构建类器官和人工智能的交叉点

　　冯国(Feng Guo)是印第安纳大学卢迪信息、计算与工程学院的智能系统工程副教授，他正在通过开发一种新的混合计算系统(被称为“brainware”)来解决人工智能计算硬件的技术限制，该系统将电子硬件与人脑类器官相结合。

　　先进的人工智能技术，如机器学习和深度学习，由专门的硅计算机芯片驱动，需要消耗大量的能量。因此，工程师们设计了神经形态计算系统，以人脑的结构和功能为模型，以提高这些技术的性能和效率。然而，这些系统在完全模拟大脑功能方面的能力仍然有限，因为大多数系统都是建立在数字电子原理之上的。

　　作为回应，郭和包括研究生蔡宏伟在内的印第安纳大学研究人员团队开发了一种混合神经形态计算系统，该系统将脑类器官安装在多电极分析上，以接收和发送信息。脑类器官是来源于干细胞的脑样3D细胞培养物，其特征是不同的脑细胞类型，包括神经元和胶质细胞，以及脑样结构，如心室区。

　　“Brainoware利用人脑类器官作为适应性活库，通过大脑类器官的神经可塑性来处理时空信息，从而进行无监督学习，”郭说。“我们的方法允许人工智能计算的进步，因为类器官提供具有一定复杂性的生物神经网络，以及低能耗和快速学习。”

　　该团队的研究成果发表在《自然电子》杂志上。

　　在开发混合计算系统的过程中，该团队展示了脑类器官在提高储层计算能力方面的巨大潜力。储层计算是一种基于基于一系列电刺激捕获和记忆信息的人工神经网络。在一系列测试中，brainware能够快速识别语音模式，并执行复杂的非线性数学方程。

　　郭说:“通过电刺激训练，我们能够从一群说话者中区分出一个人的元音。”“通过训练，我们触发了混合计算系统的无监督学习。”

　　近年来，郭因在人工智能芯片实验室技术和阿片类药物过量检测贴片方面的开创性工作而获得了几项重大资助。他的实验室目前专注于通过人工智能、设备、传感器和生命科学和转化医学应用系统的创新来开发智能生物医学系统。

　　更多资料:蔡宏伟等，人工智能脑类器官库计算，自然电子(2023)。DOI: 10.1038 / s41928 - 023 - 01069 - w

　　印第安纳大学提供

　　引用本文:生物工程师用“Brainoware”构建类器官和人工智能的交叉点(2023,12月23日)，2023年12月23日检索自https://phys.org/news/2023-12-bioengineers-intersection-organoids-ai-brainoware.html

　　本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。