- 研究人員成功利用人腦模型解讀盲文信號。
- 三個腦類器官共同工作時，識別精確度達 83%。
- 腦類器官的自然差異可能提升其表現。
- 團隊希望未來探索更多觸覺類型的應用。
英國布里斯托大學的研究人員報告，利用實驗室培養的人腦模型成功接收了觸覺傳感器發出的盲文信號，並以可被計算機解碼的模式作出回應，這是向能效高的生物混合計算機邁出的早期步驟。研究發現，每個盲文字母在腦類器官中產生了獨特的活動模式。計算機解碼器以約 61% 的精確度識別出單個腦類器官發出的字母，當三個腦類器官共同工作時，精確度提高至 83%。
系統由安置在多電極陣列上的腦類器官組成，這些陣列放置在設備內以維持腦類器官的生命並記錄其回應。每個腦類器官的直徑不到一毫米（約 0.04 英寸），缺少真實大腦的幾個結構，但包含約 10,000 個神經元及其支持細胞。該陣列能接收電信號。研究團隊首先在 26 個盲文字母上運行觸覺傳感器，將讀數轉換為電刺激模式並傳遞給腦類器官，然後檢查產生的神經活動是否顯示出發送的字母。
研究人員使用一種支持向量機，這是一種簡單的機器學習算法，按字母對活動模式進行分類。
腦類器官的表現優勢
研究人員尚不清楚為何三個腦類器官的表現優於單個腦類器官。一種可能性是，腦類器官之間的自然差異，例如網絡連接、發展狀態和持續活動，使得它們能相互補充。第一作者劉天怡表示，結合多個腦類器官的反應可能提供單個腦類器官無法獲得的資訊，但這種變異也使得構建可預測的標準化系統變得更加困難。資深作者本傑明·沃德-切裏爾表示，在腦類器官處理後，觸覺數據仍然包含足夠的資訊來準確分類盲文字母，而結合多個腦類器官能進一步提升性能。
為了測試系統的穩健性，團隊對盲文信號應用了不同的噪聲濾波器，然後將兩種方法進行比較，使用相同的支持向量機：一種是從腦類器官的反應中解碼，另一種是直接從故意模糊的信號中解碼。三個腦類器官在人工噪聲中識別字母的能力更強，而直接解碼則較易受到幹擾。
未來研究方向
研究人員強調，這些實驗並未顯示腦類器官是否能隨時間學習。它們僅表明腦類器官接收並回應了盲文信號。劉天怡指出，該研究還使用了單一的觸覺任務、固定的編碼方案以及相對簡單的神經活動測量，並未展示學習或長期變化。接下來，劉天怡表示，團隊希望超越盲文，探索質地、邊緣及其他觸覺類型，最終進入閉環任務，讓腦類器官獲得自身行動的反饋，這將使研究人員能夠探討腦類器官是否能透過經驗適應。
該研究於 10 月 16 日發表在《人工智慧前沿》期刊上。
腦類器官技術的潛力與挑戰
這項研究展示了腦類器官在解讀盲文信號方面的潛力，顯示出其在生物混合計算機領域的應用前景。雖然三個腦類器官的協同工作提升了識別精確度，但研究人員仍需解決標準化系統的挑戰。未來的研究方向包括探索更多觸覺類型及其應用，這不僅能推進相關技術的發展，還可能帶來對神經科學的更深入理解，尤其是在學習和適應方面的能力。