僅僅 5 年時間，神經形態裝置或者大腦啟發計算裝置已經顯得很古怪了。那什麼是當前的寵兒？這就要說到人工 - 生物混合計算了，而人工 - 生物混合計算是將人造計算機晶片和生物神經元無縫結合到半活電路中。
這聽起來很瘋狂，但是《自然材料》雜誌上的一項新研究表明，讓人工神經元直接與生物神經元是有可能的，而這不僅僅是使用電流，還可以用多巴胺——一種大腦用來改變神經迴路行為的化學物質，最著名的是傳遞獎勵信號。
因為這些被稱為 「神經遞質」的化學物質是生物神經元在大腦中功能連接的方式，這項研究戲劇性地證明了將人工零件與生物腦細胞連接到功能電路中是可能的。
該研究小組不是第一個研究混合神經元電路的團隊，在此之前，另一個團隊僅用電子協議將兩個矽基人工神經元和一個生物神經元連接到一個電路中。儘管這是一個強大的混合計算演示，但它的研究僅依賴大腦一半的計算能力：電子計算。
現在，這項新研究解決了另外一半：化學計算。它增加了一層兼容性，不僅為大腦啟發計算機奠定了基礎，還為腦機接口——或許——一種 「半機械人」的未來奠定了基礎。畢竟，如果你的大腦不能區分人工神經元和你自己的神經元，你能嗎？即使你可以做到，你會介意嗎？
當然，這種場景還很遙遠——即使有的話。目前，由史丹福大學材料科學與工程的阿爾貝託 · 薩利奧 (Alberto Salleo)博士領導的團隊讓混合電路研究工作鬆了一口氣。
「這證明了將化學和電子融合的交流是可能的，」 薩利奧（Salleo）說，「你可以說這是邁向腦機接口的第一步，但這也只是非常微小、微小的第一步。」
這項研究經歷多年的工作，並發展到神經形態計算，或者是大腦啟發的數據處理。
這個 「藍天」設想是受大腦巨大的並行計算能力及巨大的能源節約啟發的。科學家認為，通過模仿這些特性，我們有可能給計算帶來 「渦輪增壓。神經形態裝置基本上以物理形式體現人工神經網絡，模仿大腦處理信息的硬體不會更加有效和強大嗎？
這些探索導致了新型的神經形態晶片，或者像生物神經元一樣能 「發射」信息的人工神經元。其他研究工作發現，可以將這些晶片連接到功能強大的電路中，這些電路通過稱為 「人工突觸」的生物工程通信節點進行深度學習。
作為潛在的計算機硬體替代品，這些系統已經被證明具有令人難以置信的前景。然而，科學家們很快就產生了疑問：鑑於它們與生物大腦的相似性，我們能否將它們作為遭受創傷、衰老或者退化的大腦的 「替代部件」？我們能把神經形態零件連接到大腦來恢復大腦的功能嗎？
理論上，答案是肯定的。
但是存在一個大問題：當前的腦機接口只使用電信號來模仿神經計算。相比之下，大腦有兩個竅門：電子和化學，或者電化學。
在神經元內，電信號通過球狀體沿其輸入分支向上傳播，然後沿著輸出分支向下傳播。但是，當電信號到達散步在輸出分支上的神經外向 「碼頭」時，它們遇到了障礙。神經元之間存在一個小間隙，為了到達另一邊，電信號通常需要通過變化為裝有化學藥品的小泡泡船，才能駛向另一神經元海岸。
換言之，沒有化學信號，大腦將無法正常工作。這些神經遞質不只是被動地攜帶信息。比如，多巴胺可以極大改變神經電路的功能。對於人工 - 生物混合神經系統，化學物質的缺失就像將國際貨船綁在陸地上的鐵路和高速公路上。
研究團隊說：「為了模擬生物突觸行為，必須通過局部的神經遞質的活性來動態調節神經形態裝置的連通性。」
新的研究從兩個神經元開始：一個是上遊神經元，這是釋放多巴胺的永生生物細胞。另一個是下遊神經元，這是該團隊先前於 2017 年引入人工神經元，使用了生物相容性和導電材料製成。
不同於經典神經元模式，更像是中間夾著一塊大塊的三明治的三明治（是的，我很認真）。三明治的其餘每個部分是由生物聚合物製成的軟電極。「咬合」部分具有可以傳遞電信號的導電解決方案、
生物細胞靠近第一電極。當它被激活後，它會釋放出大量的多巴胺，這些多巴胺會漂向電極並與之發生化學反應——模仿多巴胺與生物神經元對接的過程。這反過來產生了電流，該電流通過導電溶液通道流到第二個電極。當該電流到達第二個電極時，它會改變電極的電導率，也就是改變電極傳遞信息的能力。第二步類似於停泊的多巴胺 「船」，它改變了生物神經元將來放電的可能性。
換句話說，生物神經元釋放的多巴胺與人工神經元相互作用，從而使這些化學物質以某種持久的方式改變了下遊神經元的行為，這是對大腦內部學習過程的一種簡單模仿。
但這不是全部。化學信號在大腦中是非常強大的，因為它具有靈活性。例如，多巴胺在返回上遊神經元之前，只會附在下遊神經上一小會——也就是說，它被循環或者被破壞，這意味著它的作用是短暫的，這給了神經電路喘息的空間來重新調整它的活動。
史丹福大學的研究小組還嘗試在其混合電路中重建這個怪癖。他們製作了一條微電流通道，可以在人工神經元完成回收工作後，將多巴胺及其副產品從人工神經元中帶走。
在確認了生物細胞可以再人造細胞上愉快生存後，研究小組進行了一些測試，以查看混合電路是否能夠 「學習」。 他們首先使用了電學方法激活了生物多巴胺神經元，然後觀察人工神經元。在實驗之前，團隊並不太確定會發生什麼。從理論上講，就像學習一樣，多巴胺會改變人工神經元的電導率。但是，研究作者斯科特 · 基恩（Scott Keene）表示：「直到在實驗室看到它之前，我們都很難知道是否能夠獲得我們在紙上預測的結果。」
然而，在第一次嘗試中，研究小組發現化學信號的爆發能夠長期改變人工神經元的電導率，這與神經科學的教條 「神經元一起放電，就連在一起」類似。用化學物質激活上遊神經元也以模仿學習的方式改變人工神經元的電導率。
基恩（Keene）說：「那時，我們意識到它在模仿突觸長期學習過程中的潛力。」
通過電子顯微鏡的觀察，研究小組發現，與生物突觸相似的是，經過一些校準後，混合突觸能夠以大腦相似的時間尺度有效地回收多巴胺。通過研究人工神經元中多巴胺的累積量，研究小組發現了人工神經元大致模仿了一種名為 「尖峰學習」（spike learning）的學習規則，這是受大腦計算啟發的機器學習的熱門方向。
不幸的是，對於 「半機械」愛好者來說，這項工作仍處於起步階段。
一方面，與生物神經相比，人工神經元仍然太過龐大。這意味著他們無法從單個多巴胺 「船」上捕獲和翻譯信息。也還不清楚混合突觸是否以及如何在活腦內部發揮作用。鑑於在我們大腦中有數十億突觸在活動，要找到並替換那些需要替換的突觸，並能夠自然地控制記憶和行為，也是一個巨大的挑戰。
也就是說，我們正一步一步接近全功能的人工 - 生物混合電路。
「這項工作中介紹的由神經遞質介導的神經形態裝置構成了人工神經網絡的基礎構件，可以根據來自活神經元的生物反饋直接調節。」作者總結說，「這是實現下一代自適應生物雜交接口的關鍵的第一步。」