没有一台能够与人脑相提并论，无论是在强大性还是复杂性上。我们颅骨中的这块组织块能够以计算技术几乎无法触及的数量和速度处理信息。

大脑成功的关键在于神经元在充当处理器和存储设备方面的效率，与大多数现代计算设备中物理上分离的单元形成对比。

人们曾多次尝试使计算更加类似于大脑，但一项新的努力更进一步——通过将真实的、实际的人与电子器件整合在一起。

它被称为Brainoware，而且它确实奏效。印第安纳大学布卢明顿分校的工程师冯·郭领导的团队让它执行了语音识别和非线性方程预测等任务。

与纯硬件运行人工智能相比，它的准确性稍差一些，但这项研究展示了一种新型架构迈出的重要第一步。

然而，尽管郭及其同事在开发Brainoware时遵循了伦理准则，但约翰霍普金斯大学的一些研究人员在一篇相关的《自然电子》评论中指出，在进一步发展这项技术时牢记伦理考虑的重要性。

未参与该研究的莉娜·斯米尔诺娃、布莱恩·卡福和埃里克·C·约翰逊警告道：“随着这些器官样系统的复杂性增加，社区有必要审查围绕整合人类神经组织的生物计算系统涉及的众多神经伦理问题。”

Brainoware运作原理的示意图。（Cai等人，自然电子，2023年） 人脑令人惊叹。据估计，平均每个大脑含有860亿个神经元，多达一千万亿个突触。每个神经元与最多1万个其他神经元相连接，不断发放和相互通信。

迄今为止，我们在人工系统中模拟大脑活动的最佳努力仅仅是皮毛。

2013年，理研的K计算机——当时是世界上最强大的超级计算机之一——曾试图模拟大脑。搭载82,944个处理器和1PB主内存，它花了40分钟来模拟由1040亿个神经元通过1.04万亿个突触连接的1秒钟的活动——大约仅占大脑活动的1-2%。

近年来，科学家和工程师一直在尝试通过设计硬件和算法来模仿大脑的结构和工作方式，以接近大脑的能力。被称为神经形态计算的这一方法正在改进，但它耗能大，训练人工神经网络也很耗时。

左至右，上：人脑器官样结构在7天、14天、28天和数月时的情况；下，左至右：1个月、2个月、3个月。（Cai等人，自然电子，2023年） 郭及其同事试图采用一种不同的方法，使用在实验室中培育的真实人。人类多能干干细胞被诱导发展成不同类型的脑细胞，这些细胞组织成三维小脑袋，称为器官样结构，具有连接和结构。

这些并不是真正的大脑，只是没有思想、情感或意识的组织排列。它们对于研究大脑的发展和工作方式是有用的，而不必在真正的人体中进行探查。

Brainoware由连接到高密度微电极阵列的脑器官样结构组成，使用一种被称为储水池计算的人工神经网络。电刺激将信息传递到器官样结构中，在那里信息被处理，然后Brainoware以神经活动的形式输出其计算结果。

输入和输出层使用普通的计算机硬件。这些层需要经过训练，以与器官样结构一起运作，其中输出层读取神经数据并根据输入进行分类或预测。

为了演示该系统，研究人员向Brainoware提供了来自8名男性说日语元音的音频剪辑，要求它识别其中一名特定个体的声音。

他们从一个天真的器官样结构开始；在仅仅两天的训练后，Brainoware能够以78%的准确率识别说话者。

一个器官样结构及其扫描的神经活动的示例。（Cai等人，自然电子，2023年） 他们还让Brainoware预测亨农图，这是一个表现出混沌行为的动力系统。他们让它在四天内学习，每天代表一个训练周期，发现它能够比没有长短时记忆单元的人工神经网络更准确地预测这个图。

与带有长短时记忆单元的人工神经网络相比，Brainoware略逊一筹——但这些网络经历了50个训练周期。Brainoware在不到10%的训练时间内取得了接近相同的结果。

研究人员写道：“由于器官样结构的高可塑性和适应性，Brainoware具有根据电刺激变化和重组的灵活性，突显了其自适应储水池计算的能力。”

仍然存在重大限制，包括保持器官样结构的生存和健康，以及外围设备的能耗水平问题。但在牢记伦理考虑的同时，Brainoware不仅对计算有影响，还对理解人脑的奥秘有影响。

斯米尔诺娃、卡福和约翰逊写道：“在一般的生物计算系统能够被创建之前可能需要几十年，但这项研究很可能产生对学习机制、神经发育机制和神经退行性疾病认知影响的基础性见解。”

这项研究已经发表在《自然电子》杂志上。