通过brainware,郭的目标是利用真实的脑细胞进行信息的发送和接收。当研究人员对他们构建的混合系统施加电刺激时,Brainoware对这些信号作出了反应,其神经网络发生了变化。研究人员表示,这一结果表明混合系统确实能够处理信息,甚至在没有监督的情况下执行计算任务。
随后,郭及其同事们尝试评估brainware是否能够执行有用的任务。在一项测试中,他们使用brainware来解决数学方程。此外,他们还进行了语音识别的基准测试,使用了240段由8个人发音的日语元音音频片段。这些音频片段被转换为电信号并应用于brainware系统,进而在大脑类器官的神经网络中产生信号,最后将其输入人工智能工具进行解码。
研究人员发现,大脑类器官人工智能系统能够解码音频记录中的信号,这是一种语音识别的形式。然而,郭指出,准确率相对较低。尽管经过训练后,系统的准确率提高至约78%,但仍不及人工神经网络的表现。
约翰·霍普金斯大学公共卫生助理教授莉娜·斯米尔诺娃指出,大脑类器官并不具备真正听到语音的能力,而只是对音频片段产生的电刺激脉冲表现出“反应”。这项研究并未证明brainware是否能够长期处理和存储信息,或学习多项任务。此外,在实验室中培养脑细胞并维持足够长的时间以进行计算也是一项艰巨的任务。
尽管如此,斯米尔诺娃补充道:“这确实是一个很好的证明,展示了大脑类器官的能力。”
发表评论