连接到计算机的实验室培养的脑细胞簇能够处理基本的语音识别和数学问题。印第安纳大学布卢明顿分校智能系统工程系的生物工程师冯果表示，他的研究是展示受大脑启发的计算机神经网络如何提高人工智能能力的重要一步。

郭和他的团队培养了一批专门的干细胞，这些干细胞发育成神经元，而神经元是大脑的主要组成部分。典型的大脑由860亿个神经元组成，每个神经元与多达10,000个其他神经元相连。

郭实验室创造的神经元球，被称为类器官，宽度不到一纳米。它通过一系列电极连接到电路板，机器学习算法在电路板上解码来自类器官的反应。

研究人员将他们的创造称为Brainoware。

经过短暂的训练后，Brainoware能够根据八个受试者不同的元音发音来区分他们的声音。该系统的准确率达到了78%。

Brainoware还能够成功预测Henon图(混沌动力学领域的一种数学结构)，其准确度比人工网络更高。

“这是使用大脑类器官(用于计算)的首次演示，”郭说。“看到类器官在未来用于生物计算的可能性是令人兴奋的。”

生物计算的一个关键优势是它的能源效率。目前，人工神经网络每天消耗数百万瓦的能量。另一方面，人类大脑一天只需要大约20瓦的电量即可运作。

郭说，Brainoware是“人工智能和类器官之间的桥梁”。“类器官就像‘迷你大脑’。”

“我们想问的是，我们是否可以利用大脑类器官内的生物神经网络进行计算。这只是概念验证，表明我们可以完成这项工作，”郭说。

生物计算系统的未来应用是研究阿尔茨海默病等神经系统疾病。利用细胞活动的潜力也为解码睡眠期间的脑电波活动并可能记录梦境打开了大门。

挑战依然存在。其中包括保持类器官健康和营养良好的任务，这是一项24/7的任务。

还有其他问题。

郭说：“随着这些类器官系统的复杂性不断提高，社区研究围绕包含人类神经组织的生物计算系统的无数神经伦理问题至关重要。”

“通用生物计算系统可能需要几十年的时间才能创建，但这项研究可能会对学习机制、神经发育和神经退行性疾病的认知影响产生基础见解。”

“我们确实还有很长的路要走，”他补充道。