在过去这段时间，ChatGPT和DALL-E这样的生成式AI模型占据着新闻头条。它们能从一系列简单的提示中产生大量类似人类的高质量创意内容。

虽然人工智能的能力很强，特别是，它们在大数据模模式的识别任务中远远超过了人类，但现有的AI系统还不能说像我们这样具有智能。AI系统的结构完全不像我们的大脑，它们和人类的学习方式也不一样。

AI系统还需要使用巨大的能量和资源进行训练，和我们的一日三餐相比那可要多得多。与我们相比，它们在动态的、难以预测的和噪声环境中适应和运作的能力也比较差，并且缺乏类似人类的记忆能力。

但近年来，还有一个被称为神经形态学的研究领域另辟蹊径。这一领域的目标是在非生物系统中复制出生物神经系统的结构和功能，比如神经元和突触，也就是探索那些更像人脑的非生物系统。

先前已有研究表明，纳米技术有潜力建立一个具有类似神经网络回路和突触信号的受大脑启发的电子装置。在《科学进展》上发表的一项新研究中，研究人员在此基础上进一步发现，由微型银线组成的自组织网络，似乎能以类似人脑思维硬件的方式进行学习和记忆。

模仿大脑

这项研究的重点是一个使用纳米线网络，来模仿大脑中神经元和突触的系统，并测试一些通常认为的与人脑有关的高阶认知功能。

这些纳米线就是微型的电线，它们的宽度只有人类发丝的千分之一，由银这样的高度导电的金属制成，通常涂在塑料等绝缘材料上。纳米线能够自组装，形成类似生物神经网络的网络结构。就像带有绝缘膜的神经元一样，每根金属纳米线都涂有一层薄绝缘层。

纳米线网络照片（左）与网络路径的变化与强化（右）。（图/Alon Loeffler）

研究人员对这一结果进行了扩展。他们发现，通过“奖励”或“惩罚”网络，也可以增加强化的程度。这个过程受到了大脑中“强化学习”的启发。

团队同样实施了一个被称为“n-back任务”的测试版本，这个测试通常被用来测量人类的工作记忆。测试中会呈现一系列刺激，每个新信号会与若干（n）步骤之前的信号进行比较。结果显示，网络能“记住”先前的至少7步信号。神奇的是，7也通常被认为是人类能够在同一时间内保存在工作记忆中项目的平均数量。

当研究人员使用强化学习时，网络的记忆性能也产生了极大改善。在新研究所涉及的纳米线网络中，研究人员发现，突触通路的形成取决于这些突触在过去是如何被激活的。大脑中突触同样如此，神经科学家称之为“元弹性”。

合成智能

尽管这距离真正复制人类的智能可能仍有一段距离，但是，对神经形态纳米线网络的研究表明，的确有可能在非生物的物理硬件中实现智能的基本特征，比如关键的学习和记忆。

纳米线网络与人工智能中使用的人工神经网络不同，但它们仍可能带来所谓的“合成智能”。如果大胆展望一下，也许有一天，神经形态的纳米线网络可以学会进行比ChatGPT更像人类的对话，并记住它们。

参考来源：

https://theconversation.com/networks-of-silver-nanowires-seem-to-learn-and-remember-much-like-our-brains-204115

https://phys.org/news/2023-04-nanowire-networks-human-brain.html

封面图&首图：PublicDomainPictures.net