人脑类器官计算机识别盲文字母：单个准确率约 61%，三个组合达 83%

404 Media· Becky Ferreira·2026-10-16 12:01· 1 小时前AI 评分43

由人脑组织制成的计算机在突破中识别盲文字母

AI 导读

科学家将盲文字母对应的电信号输入人脑类器官，单个约含 1 万个神经元的类器官识别准确率约 61%，三个类器官组成的"集合"达到 83%。该研究发表于 Frontiers in Artificial Intelligence，属类器官智能领域，实验为开环设置，未证明类器官真正学会盲文。研究者称类器官系统在可靠性、可复现性和可扩展性上距成熟计算芯片仍有很大差距。

正文

科学家在创造由大脑制成的计算机这一令人脑洞大开的目标上取得了突破，他们证明人类神经组织能够对盲文字母进行分类，据 周五发表的一项研究，该研究刊登于 Frontiers in Artificial Intelligence。  

一个团队将与盲文字母对应的电信号传输给人脑类器官，这些类器官是源自干细胞的活体神经组织。结果显示，单个约含 1 万个神经元的类器官能以约 61% 的准确率对这些字母进行分类，而三个类器官组成的团队则达到了 83% 的准确率。  

“人脑能够以相对较少的能量消耗执行极其复杂的信息处理，而人工神经网络最初正是受生物神经系统启发，”领导这项新研究的布里斯托大学博士生刘天翼在给 404 Media 的电子邮件中说道。

“如果我们一直试图模仿生物神经网络，为什么不直接尝试使用真正的生物神经网络呢？”她继续说道。“这些微小的神经类器官可能具备什么样的信息处理能力？它们能否表现出某种形式的学习或适应？这些都是我们非常感兴趣的问题。”

这项新研究属于新兴的类器官智能领域，该领域旨在将类器官用作计算应用的生物“湿件”。此前的研究已证实，类器官能够识别语音日语元音，甚至能玩经典游戏 Pong。 

由于刘和她的团队专攻机器人如何感知和响应触觉，他们聚焦于盲文，以此将触觉信息转换为类器官可以接收、处理和分类的电刺激。 

在他们的实验装置中，研究人员使用触觉传感器扫描盲文字母表中 26 个字母的数据，盲文由凸点排列构成。这些数据被转换为电刺激模式，输入到类器官中，这些类器官尺度小于一毫米，被放置在维持其存活的阵列上。  

“我们最初的目标并不是证明类器官能像人类一样阅读盲文，或者它们已经‘智能’到足以理解盲文，”她补充道。“相反，我们想利用这项任务来探索真正的生物神经网络能否参与处理来自机器人触觉传感器的信息。”

换句话说，研究人员旨在探究这些受刺激的输入是否能被类器官解码，并以与盲文字母相对应的可识别反应返回。结果显示，单个类器官能够以近三分之二的准确率对字母进行分类，而三个类器官组成的“集合体”表现更佳，准确率达到83%。 

“我们仍然不知道这种改进背后的确切机制，”刘说。“我们的假设是，不同的类器官对相同刺激的反应方式相似，但并不完全相同。” 

她补充说，“你可以把它想象成三个人在看同一个物体。虽然他们都在看同一个东西，但每个人可能注意到不同的细节。某些特征对一个人来说可能不明显，但对另一个人来说可能很容易发现。通过综合他们的观察，你或许能够做出更准确、更可靠的判断。”

🌘

订阅 404 Media，获取 The Abstract，我们的每周通讯，介绍一周中最令人兴奋和最令人难以置信的科学新闻和研究。

这些结果无可否认地令人恍惚，让人联想到经典的科幻桥段——超级智能的缸中之脑。但刘强调，这是一个开环实验，意味着类器官只接收初始输入，而没有获得关于它们在任务中表现的新反馈。因此，这项研究并不能证明类器官实际上学会了盲文，或以任何永久性的方式发生了改变，只能证明它们在接收电输入后能够对盲文字母进行分类。 

“未来，如果我们能够构建闭环系统，让类器官的神经活动真正参与机器人的感知、决策和控制，同时将机器人与环境交互的结果反馈给类器官，我们就可以开始研究这些生物神经网络是否能通过持续互动来适应新任务，”她说。

刘还指出，虽然类器官智能有许多潜在优势，但生物计算系统也存在大量局限性。例如，类器官无法标准化，导致自然变异，可能使结果复杂化，而且它们必须在比电子设备更难维护的培养物中保持存活。 

“与成熟的计算机芯片相比，类器官系统在可靠性、可重复性和可扩展性方面仍有很长的路要走，”刘说。

即便如此，类器官智能“让我们有机会探索一种与传统计算机截然不同的计算方式，”她总结道。

来源：404 Media · 404media.co