脑类器官能够分类盲文信号

脑类器官处理盲文字母的电活动模式

研究人员展示了人类脑类器官能够对源自盲文字母的电刺激模式进行分类。这项实验使用干细胞衍生的活体神经组织，以及将盲文信息转换为电信号的触觉传感器。

根据发表于Frontiers in Artificial Intelligence的研究，一个含约1万个神经元的类器官以约61%的准确率分类盲文字母；三个类器官组成的团队达到83%。实验测试的是生物神经网络能否处理机器人触觉传感器的信息，而不是类器官是否像人一样阅读盲文。

传感器扫描26个盲文字母的表示，将触觉数据转换成电刺激模式并传递给类器官。研究人员随后评估刺激组织的反应能否被解码为可识别的字母类别。

对生物“湿件”的测试

这项研究属于类器官智能领域，探索脑类器官是否能用于计算。脑类器官是由干细胞衍生的小型神经组织团块。本实验中的类器官小于1毫米，并置于支持存活、刺激和测量的阵列上。

项目由布里斯托尔大学博士生Tianyi Liu带领。Liu表示，研究动机来自人脑出色的信息处理能力及较低能耗。实验提出了一个更直接的问题：真实生物神经网络连接到传感系统后，可能展现哪些信息处理能力？

结果并未表明类器官理解语言、体验触觉世界或拥有类似人类的智能。结果只说明，在一组定义明确的电输入下，类器官反应可用于分类任务。

为何选择盲文

研究团队专注于机器人感知和响应触觉，因此盲文是有用的实验输入。盲文字母由凸点排列表示，触觉传感器可以扫描实体图案并将其转为数字表示，再转换为类器官的电刺激模式。

盲文提供了26种不同触觉模式，同时将任务集中在感知、刺激和分类之间的关系上。研究目的不是证明类器官能像人一样阅读盲文，而是探究生物神经网络能否处理来自机器人触觉传感器的感官信息。

这种方法连接了通常分开考虑的两个系统：捕捉触觉模式的机器传感器，以及响应电刺激的活体神经组织。输出不是人类式阅读，而是一条实验流程：传感器数据变成刺激模式，组织的电反应变成可分析的分类信号。

一个类器官与一组类器官

单个类器官和三个类器官的结果差异是最清晰的发现之一。单个类器官的分类准确率约为61%，三个类器官组成的团队达到83%。这表明共同使用三个类器官时，报告的分类表现有所提升。

这一结果为研究人员进一步探讨类器官系统如何配置、连接和评估提供了依据。Liu表示，学习和适应是团队希望研究的问题，但本研究只展示了特定条件下的分类能力。

受控实验设计也是其优势。研究人员选择了明确的输入集合，传递对应的电模式，并报告了从类器官反应中分类输入的准确率。

正在发展的研究领域

据报道，此前研究显示类器官能够识别日语语音元音或玩Pong游戏。盲文实验将这一研究方向扩展到了触觉感知。

这项扩展很重要，因为现实感知涉及多种输入。机器人往往需要处理触觉、视觉、声音和其他传感器信息。新研究专门考察了触觉路径：传感器观察盲文图案，图案被转为电刺激，神经组织产生可解码的反应。

现在将这一展示视为现成的计算机架构还为时过早。这是一个年轻领域中的研究结果，但它提供了证据，表明活体神经组织可以参与涉及机器人触觉数据和字母分类的任务。

结果说明了什么，没有说明什么

研究支持一个具体结论：在该实验设置下，人类脑类器官能够参与对源自盲文字母的电模式进行分类。单个类器官达到约61%，三个类器官达到83%。

这并不表明组织像人一样阅读或理解盲文，也没有解决类器官是否能够学习或适应的问题，这些仍是后续研究方向。

不过，这项实验提供了引人注目的概念验证。触觉传感器、转换步骤和活体神经组织被组合成信息处理系统，并产生了可区分的反应。

本文根据404 Media报道编写。阅读原文。