实验室培育的神经元解读盲文并操控机器狗
结合活体脑细胞与硅硬件的生物混合系统,为感觉处理和机器人运动开辟了新路径。
作者: Letizia Giugliano
阅读约2分钟由人工智能辅助撰写 · 审校与批准:Letizia Giugliano

生物混合机器人领域的最新突破表明,培养的人类神经组织能够处理触觉信息并操控实体机器。布里斯托大学(University of Bristol)和总部位于墨尔本的Cortical Labs的研究人员,正将生物神经元与硅电子器件结合,以极低的计算能耗实现可适应的学习。
用人类前脑类器官解读盲文
在发表于Frontiers in人工智能期刊的一项研究中,布里斯托大学的研究人员考察了实验室培育的微型前脑模型(称为类器官)能否转换触觉信号,New Atlas对此有报道。这些毫米宽的组织结构由约10,000个神经细胞和支持细胞组成,置于微电极阵列之上。当触觉传感器扫描盲文字符时,测量结果被转换成电脉冲,直接传送给神经组织。通过应用机器学习算法解读由此产生的细胞活动,该装置在单个类器官上以61%的准确率正确识别了字母。当把三个类器官的信号合并时,准确率达到83%,表明对引入的电子噪声具有更强的抗干扰能力。
“在物理控制方面已日益强大的机器人,在快速学习或在条件变化时进行适应所需的高阶控制上,仍然力不从心。”
— Brett Kagan,Cortical Labs联合创始人兼CEO
模拟环境中的具身神经计算
据New Atlas报道,大脑类器官处理的是静态触觉输入,而墨尔本生物技术公司Cortical Labs和本田(Honda)欧洲研究所(Honda Research Institute Europe)则着手研究动态学习。培养的神经元被放入CL1生物计算机,与一个在模拟环境中、依据气味梯度导航的虚拟智能体连接。由于生物细胞的反应具有动态变化性,而非可预测的数字精度,研究人员开发了具身神经计算框架(Embodied Neurocomputation Framework)来优化输入信号。在分析了约1,300种电学配置、历经超过4,000小时的实时交互之后,有12种信号模式使生物网络能够持续学会导航任务,并胜过标准的强化学习算法。
通过神经放电引导四足机器人
据New Atlas报道,Cortical Labs还利用生物神经网络的放电频率引导一只机器狗在指定空间内活动,把细胞活动转化为物理控制。尽管现代自主硬件能有效处理物理运动,但实时行为决策对传统人工智能而言仍是一道重大的计算难关。生物神经可塑性使细胞能够重新连接并从环境反馈中学习,为耗电巨大的计算机集群提供了一种节能的替代方案。关于具身神经计算框架的研究成果,将在澳大利亚悉尼举行的NeurIPS大会上发布。
另请阅读The Patent:WiBotic为自主车队带来获专利的无线机会充电
由英文原文自动翻译. 阅读原文
The Patent ® 编辑部的文章,借助人工智能,依据编辑部选定的来源撰写。审校、更正及批准发布:Letizia Giugliano。责任出版方:WitUp Ltd。



