人造脑组织成功解读盲文信号，准确度达 83%

英国布里斯托大学的研究人员报告，利用实验室培养的人脑模型成功接收了触觉传感器发出的盲文信号，并以可被计算机解码的模式作出回应，这是向能效高的生物混合计算机迈出的早期步骤。研究发现，每个盲文字母在脑类器官中产生了独特的活动模式。计算机解码器以约 61% 的精确度识别出单个脑类器官发出的字母，当三个脑类器官共同工作时，精确度提高至 83%。

系统由安置在多电极阵列上的脑类器官组成，这些阵列放置在设备内以维持脑类器官的生命并记录其回应。每个脑类器官的直径不到一毫米（约 0.04 英寸），缺少真实大脑的几个结构，但包含约 10,000 个神经元及其支持细胞。该阵列能接收电信号。研究团队首先在 26 个盲文字母上运行触觉传感器，将读数转换为电刺激模式并传递给脑类器官，然后检查产生的神经活动是否显示出发送的字母。

研究人员使用一种支持向量机，这是一种简单的机器学习算法，按字母对活动模式进行分类。

脑类器官的表现优势

研究人员尚不清楚为何三个脑类器官的表现优于单个脑类器官。一种可能性是，脑类器官之间的自然差异，例如网络连接、发展状态和持续活动，使得它们能相互补充。第一作者刘天怡表示，结合多个脑类器官的反应可能提供单个脑类器官无法获得的信息，但这种变异也使得构建可预测的标准化系统变得更加困难。资深作者本杰明·沃德-切里尔表示，在脑类器官处理后，触觉数据仍然包含足够的信息来准确分类盲文字母，而结合多个脑类器官能进一步提升性能。

为了测试系统的稳健性，团队对盲文信号应用了不同的噪声滤波器，然后将两种方法进行比较，使用相同的支持向量机：一种是从脑类器官的反应中解码，另一种是直接从故意模糊的信号中解码。三个脑类器官在人工噪声中识别字母的能力更强，而直接解码则较易受到干扰。

未来研究方向

研究人员强调，这些实验并未显示脑类器官是否能随时间学习。它们仅表明脑类器官接收并回应了盲文信号。刘天怡指出，该研究还使用了单一的触觉任务、固定的编码方案以及相对简单的神经活动测量，并未展示学习或长期变化。接下来，刘天怡表示，团队希望超越盲文，探索质地、边缘及其他触觉类型，最终进入闭环任务，让脑类器官获得自身行动的反馈，这将使研究人员能够探讨脑类器官是否能通过经验适应。

该研究于 10 月 16 日发表在《人工智能前沿》期刊上。

脑类器官技术的潜力与挑战

这项研究展示了脑类器官在解读盲文信号方面的潜力，显示出其在生物混合计算机领域的应用前景。虽然三个脑类器官的协同工作提升了识别精确度，但研究人员仍需解决标准化系统的挑战。未来的研究方向包括探索更多触觉类型及其应用，这不仅能推进相关技术的发展，还可能带来对神经科学的更深入理解，尤其是在学习和适应方面的能力。