布里斯托大学团队用三个脑类器官解码盲文，准确率达 83%

一组科学家证明，脑类器官能够传递与盲文字母相对应的信号，这是迈向开发未来节能型生物混合计算机的重要一步。研究人员将脑类器官远程连接到一个传感器，该传感器记录来自不同盲文字母的触觉信号；脑类器官产生的信号因字母而异，使解码器能够区分它们所接收的不同字母。尽管单个脑类器官有 61% 的时间能提供可准确解码的信号，但由三个脑类器官组成的团队表现明显更好，有 83% 的时间能产生准确信号。在区分信号与人为噪声方面，这三个脑类器官组成的团队也优于直接处理被遮蔽信号、但不借助脑类器官的解码器。

计算机有朝一日能否包含微型脑类器官？人脑是一种能效极高的计算机，而试图模仿它的硅处理器相比传统处理器可以节省大量能耗。如今，科学家正尝试利用以人类前脑为模型构建的类器官，开发节能型生物混合计算。实现这一目标的关键第一步，是了解类器官能否可靠地接收并转发信号；布里斯托大学的一支研究团队使用盲文字母对此进行了研究。他们发现，由三个脑类器官组成的团队有 83% 的时间能产生与不同字母准确对应的信号。

“我们可以从真实的触觉传感器获取信息，将其转换为活体神经网络能够接收的形式，然后从类器官的响应中恢复有意义的信息，”布里斯托大学博士研究生、发表于 Frontiers in Artificial Intelligence 的论文第一作者 Tianyi Liu 表示。“这为我们提供了一种将人工传感器与生物神经系统相连的实用方法，而这条路可能是通向更高能效计算的一条非常有趣的途径。”

从 A 到盲文

刘及其团队测试的生物混合系统将脑类器官置于多电极阵列上，并置于一个维持类器官存活、监测其响应的系统中。这些类器官直径不到一毫米，缺少人脑所具有的若干结构，但含有约 10,000 个神经元以及支持细胞。多电极阵列使它们能够接收电信号。

首先，科学家用一个记录触觉数据的传感器采集盲文字母表 26 个字母的触觉数据。随后，他们将这些数据转换为电刺激模式，并将不同模式呈现给类器官，以观察类器官是否会产生神经活动，从而告诉科学家它们接收到了何种刺激。换句话说，它们能否“读取”与每个盲文字母相对应的电信号，并产生一个能够明显对应于所获信息的信号？

研究人员使用一种简单的机器学习算法——支持向量机——对类器官的神经活动模式进行分类，该算法可以对模式进行归类，并检测给定信号是否对应特定字母。单个类器官产生的信号约有 61% 的时间可被准确解码为字母。然而，三个类器官协同工作时，约 83% 的时间能产生可识别的信号。

“类器官处理后，触觉数据仍包含足够的信息，能够以较高准确率对盲文字母进行分类，”布里斯托大学的 Benjamin Ward-Cherrier 博士表示，他是该论文的资深作者。“将多个类器官的输出结合起来后，性能也有所提升。”

阅读并下载原文

三个大脑胜过一个大脑？

研究人员目前还无法确定三个类器官为何优于单个类器官；可能是因为类器官之间的个体差异使它们能够相互补充。

“不同类器官可能具有略有差异的网络连接、发育状态和持续活动，因此相同输入可以产生相似但不完全相同的响应，”Liu 说。“将这些响应结合起来，可能为我们提供单个类器官无法提供的互补信息。与此同时，如果每个类器官的表现都不同，那么显然会增加构建可预测且标准化系统的难度。”

为了让任务更困难，科学家对盲文字母信号采用了不同的噪声滤波器。他们还使用同一个支持向量机，将类器官响应的解码结果与对故意遮蔽信号的直接解码结果进行比较。结果发现，不借助类器官参与的直接解码机器更容易被欺骗，其从人工噪声中识别盲文字母信号的能力更弱。

闭合回路

科学家强调，这些实验并未表明类器官能否随时间学习；实验只显示类器官接收了盲文信号并对其作出响应。

“我们证明了触觉信息可以经过编码、由类器官处理并被解码，但我们没有证明类器官能够学习或发生长期变化，”Liu 说。“我们还使用固定的编码方案和相对简单的神经活动测量指标，测试了一项触觉任务。下一步 undoubtedly 是走出盲文的应用范围；我们对纹理、边缘和不同类型的触觉事物感兴趣，最终还希望开展闭环任务，让类器官从自身行为中获得反馈。这样一来，我们就可以开始探究类器官能否真正通过经验进行适应。” 

转载指南：开放获取和共享研究是 Frontiers 的使命的一部分。除非另有说明，你可以转载 Frontiers 新闻网站上发布的文章——只要附上指向原始研究的链接。禁止出售这些文章。