融合大脑类器官与AI硬件:Brainoware革新,开辟人工智能新纪元

时间:2023-12-12 所属栏目:技术前沿 浏览:108
Brainoware,是一种由印第安纳大学伯明顿分校、佛罗里达大学等机构联合开发的先进计算系统,融合了传统硬件和大脑类器官,引发了AI技术的巨大飞跃。这一突破性系统,能够高效执行语音识别和非线性方程预测等复杂任务。

人类大脑,拥有约2000亿个细胞和数万亿个纳米级突触,是人体的核心控制中心。相比之下,现代人工智能(AI)硬件,如人工神经网络,虽然强大但消耗能力巨大,需要约800万瓦,而人脑约20瓦。

得益于神经可塑性和神经发生,人脑能够高效地处理复杂的数据,同时实现了精确的计算方法所需的高莫斯科性。这种独特的能力促使科学家们创造了一种新型计算系统——Brainoware,这是由印第安纳大学伯明顿分校、佛罗里达大学和辛辛那提大学的研究人员共同研发的一种机器类器官混合体。

Brainoware结合了传统计算硬件和大脑类器官,能够执行诸如语音识别和非线性困难预测等任务。它通过电刺激反应的灵活变化和重组,指导应对当前AI硬件在时间和能源消耗方面的挑战这项研究成果发表于 Nature 的子刊《Nature Electronics》。

该研究指出,虽然大脑类器官只是系统的一部分,但其在更复杂的人工神经网络中的应用还有待进一步探索。约翰斯·霍普金斯大学的莉娜·斯米尔诺娃副教授和她的同事在一篇“新闻与观点”文章中强调,随着这些系统的复杂性增加,涉及人类神经组织的生物计算系统的研究将面临更多的伦理神经问题。这项研究被认为是对学习、神经发育和神经退行性疾病等机制的基本理解有重要贡献。

Brainoware展示了无监督学习的AI计算能力。目前的AI硬件在训练人工神经网络时消耗能力和运行时间,且达到冯·诺伊曼瓶颈的限制。相比之下,人脑将数据存储和处理融合在一起,自然避免了这个问题。受到生物神经网络(BNNs)的高效启发,科学家们尝试开发且无损的神经形态芯片,如忆阻器(memristors)。

语言识别

Brainoware利用人脑类器官神经网络(ONNs)的储备池计算(储库计算)和无监督学习能力。这种方法可以处理时空信息,并通过类器官的神经可塑性实现无监督学习,为AI计算提供更多类器官的高可塑性和可预见性使Brainoware能够在电刺激反应中进行灵活的变化和重组,显示出增强的存储计算能力。

尽管存在技术挑战,如类器官的生成和维护、附加外围设备的智能、数据管理和分析,但 Brainoware 在语音识别和非线性困难预测方面具有潜力。

类器官技术在器官移植、药物筛选、疾病模型研究等方面具有巨大的前景。2009年以来,类器官技术在医学和生物学的各个领域取得了显着的进展,如心脏类器官的自发跳动和自我修复,以及多巴胺系统模型对帕金森病研究的贡献。

总的来说,Brainoware的研究不仅是在类器官方向的一次尝试,也为医学、生物学、药物研发和AI等领域带来了新的机遇和挑战。

更多行业动态、技术前沿、AI数字人及AI教程等资讯,尽在智慧大脑!我们将持续为您提供最新资讯和深度见解,欢迎定期回访,以保持知识的更新。如果您有任何问题、建议或反馈,请随时与我们联系,再次感谢您一直以来的支持与关注!

文章标签: AI技术 AI创新