由真實人腦細胞構建的「迷你大腦」和微電極組成的AI系統，已經能夠進行語音識別——
從數百個聲音片段中準確地認出某個特定人的聲音的那種。
最近，一項非常前沿的類腦研究在Nature的子刊上發表了
無監督學習：
研究人員只是一遍遍播放音訊片段，不提供任何形式的回饋來告訴系統答對還是錯。 最終，該系統在兩天的訓練之後，準確率直接從最初的51%升到了78%。
這，究竟是怎麼實現的？ 類器官神經網路來了發明該系統的主要目的，是解決矽晶片的高能耗等問題。 一般來說，解決這個問題的方法通常是依靠類腦運算然而，基於這種思想設計的「傳統」類腦晶片大多數都是直接基於數位電子原理，對於完全模仿大腦功能的能力來說確實有限在此，該研究直接用上了一個叫做“類器官”的東西：
它指的是能夠在實驗室中利用人類的幹細胞培養出的微型器官，包含其代表器官的一些關鍵特性。 具體而言，研究人員將活體腦細胞組成的腦類器官（形狀類似小團球）和高密度微電極陣列進行連接，構建出一個叫做「Brainoware」的系統。
神經可塑性。
未來的電腦會是由大腦組成的嗎？ 今年三月份，該團隊其實就是已經用該系統來嘗試預測Hénon圖了（數學領域中一種可表現出混沌行為的動力系統）。
結果Brainoware也是在無監督學習了4天之後（每天代表一個訓練週期），被發現它能夠比沒有長短期記憶單元的人工神經網路預測得更準。
相較之下，前者只經歷了不到50個訓練週期再往前一點，有一支澳洲的科學研究團隊嘗試教育「盤中大腦」打乒乓球遊戲。令人驚訝的是，它在短短五分鐘內就學會了，速度比人工智慧還快17倍
#概念驗證，後面還有很多問題要解決：
比如說，雖然Brainoware系統的表現可以進一步提高，但是最大的問題是類器官只能存活一至兩個月並且，Brainoware本身雖然不需要太多功耗，但維持它運轉的外部設備的功耗水平並不低。
需要重寫的內容是：等等問題的一系列
總的來說，有科學家預測，真正的通用生物計算系統可能需要幾十年的時間才能創建。
無論如何，這項研究對我們進一步理解人腦學習的奧秘等問題都有幫助
以上是用活人腦細胞造AI系統！語音辨識已成功，可無監督學習的詳細內容。更多資訊請關注PHP中文網其他相關文章！
