突破性研究：大鼠脑细胞学会像人工智能一样进行运算

生物与人工的相遇：大鼠神经元掌握AI任务

在看似科幻成真的实验中，日本东北大学和未来大学的科学家成功训练活体大鼠脑细胞执行人工智能计算。取自大鼠皮层的神经元通过学习使用实时机器学习框架生成复杂时序信号——模糊了生物智能与人工智能之间的界限。

工作原理：活体计算机

研究团队构建了非凡的"闭环储层计算"系统，将活体神经元与高密度微电极阵列和微流控设备相结合。与传统计算需要持续外部输入不同，这个生物系统能够完全自主学习和生成周期性及混沌波形。

"最令人着迷的是，"东北大学的Hidemasa Yamamoto教授解释道，"这些活体神经元网络不仅具有生物学意义——它们正被证明是可行的计算资源。"

关键在于团队创新性地使用聚二甲基硅氧烷（PDMS）微流控薄膜。没有物理约束时，神经元倾向于形成过度同步的网络结构不利于学习。研究人员通过将神经元胞体限制在128个由微小通道连接的微孔中，创建了两种不同的网络结构：网格状和层级状模式。

神经元的测试表现

测试结果令人印象深刻。在实验中，网格网络配置特别擅长生成各种波形：

• 周期4至30秒的精确正弦波
• 清晰的三角波和方波模式
• 甚至能近似被称为洛伦兹吸引子的复杂三维混沌轨迹

在学习阶段，系统预测信号与目标信号的匹配准确率超过80%——展示了生物组件真正的学习能力。

面临的挑战

尽管具有突破性意义，该技术仍存在局限。研究人员发现当训练停止后系统自主运行时会出现误差。目前还存在明显的330毫秒反馈延迟，限制了系统追踪快速变化波形的能力。

团队已着手开发专用硬件以减少这些延迟。此类改进可能开启以下领域的激动人心应用：

• 先进脑机接口
• 新一代神经假体设备
• 融合生物与技术的新型计算架构

关键要点：

• 活体AI：成功训练大鼠皮层神经元执行实时计算
• 自学习系统：微流控"闭环储层计算"无需外部输入
• 技术障碍：需解决反馈延迟和自主运行误差问题
• 未来潜力：可能彻底改变神经假体和脑机接口领域