دانلود زیگپ 
توپ‌هایی از سلول‌های مغزی انسان با لینک شدن به یک کامپیوتر، توانستند یک شکل بسیار ابتدایی از گفتار را تشخیص دهند.
با این حرکت انقلابی انتظار می‌رود در آینده چنین سیستم‌هایی نسبت به تراشه‌های سیلیکونی انرژی بسیار کمتری برای کارهای مربوط به هوش مصنوعی مصرف کنند.
«فنگ گو» از دانشگاه بلومینگتون ایندیانا می‌گوید: «این آزمایش فقط اثبات مفهومی است که نشان می‌دهد ما می‌توانیم کار را انجام دهیم. اما راه درازی در پیش داریم.»
هوش مصنوعی ساخته‌شده از سلول‌های مغزی انسان
ارگانوئیدهای مغزی، توده‌هایی از سلول‌های عصبی هستند که هنگام رشد سلول‌های بنیادی در شرایط خاص تشکیل می‌شوند. گوو می گوید: «آنها یک‌جورهایی شبیه مغزهای کوچک هستند.»
او می‌گوید دو یا سه ماه طول می‌کشد تا ارگانوئیدها که چند میلی‌متر عرض دارند و از 100 میلیون سلول عصبی تشکیل شده‌اند، رشد کنند. مغز انسان حدود 100 میلیارد سلول عصبی دارد.
سپس ارگانوئیدها در بالای یک صف از میکروالکترودها قرار می‌گیرند که هم برای ارسال سیگنال‌های الکتریکی به ارگانوئید و هم برای تشخیص پاسخی که سلول‌های عصبی می‌دهند استفاده می‌شود. این تیم سیستم خود را “Brainoware” نامیده است.
نشریه New Scientist در ماه مارس گزارش داد که تیم «گو» از این سیستم برای تلاش برای حل معادلات معروف به نقشه Hénon استفاده کرده است.
برای کار تشخیص گفتار، ارگانوئیدها باید می‌آموختند که صدای یک فرد را از مجموعه 240 کلیپ صوتی هشت نفری که صداهای مصوت ژاپنی را تلفظ می کنند، تشخیص دهند.
«گو» می‌گوید که پاسخ‌های اولیه ارگانوئیدها دقتی در حدود 30 تا 40 درصد داشتند. پس از دو روز جلسات آموزشی، دقت آنها به 70 تا 80 درصد افزایش یافت.
او می‌گوید: «ما این فرایند را یادگیری تطبیقی می‌نامیم. اگر ارگانوئیدها در معرض دارویی قرار می‌گرفتند که اتصالات جدید بین سلول‌های مغزی انسان را متوقف می‌کرد، هیچ بهبودی حاصل نمی‌شد.»
گو می‌گوید که آموزش صرفا شامل تکرار کلیپ‌های صوتی بود و هیچ‌گونه بازخوردی در مورد درست یا غلط بودن آنها به ارگانوئیدها ارائه نشد. این همان چیزی است که در تحقیقات هوش مصنوعی به عنوان «یادگیری بدون نظارت» شناخته می‌شود.
گو خاطرنشان می‌کند که دو چالش بزرگ با هوش مصنوعی معمولی وجود دارد. یکی مصرف بالای انرژی آن است. مورد دیگر محدودیت‌های ذاتی تراشه‌های سیلیکونی، مانند تفکیک اطلاعات و پردازش آن‌هاست.
تیم «فنگ گو» یکی از چندین گروهی است که در حال بررسی است که آیا محاسبات زیستی با استفاده از سلول‌های عصبی زنده، می‌تواند به غلبه بر این چالش‌ها کمک کند؟ به عنوان مثال، شرکتی به نام Cortical Labs در استرالیا به سلول‌های مغز آموزش داده است که چگونه پونگ (یک بازی بسیار ساده کامپیوتری) بازی کنند.
«تیتان پارکولت» از دانشگاه کمبریج که روی تشخیص گفتار مرسوم کار می‌کند، نقش محاسبات زیستی را در درازمدت رد نمی‌کند.
پارکولت می‌گوید: «با این حال، ممکن است اشتباه باشد اگر فکر کنیم برای دستیابی به آن‌چه یادگیری عمیق در حال حاضر انجام می‌دهد، به چیزی مانند مغز نیاز داریم. مدل‌های یادگیری عمیق کنونی در کارهای خاص و هدفمند، در واقع بسیار بهتر از سلول‌های مغزی انسان هستند.»
او معتقد است وظیفه گو و تیمش آن‌قدر ساده شده است که فقط مشخص می‌کند چه کسی صحبت می‌کند، نه این‌که موضوع صحبت او چیست. «نتایج از منظر تشخیص گفتار واقعا امیدوار کننده نیستند.»
گو هشدار می‌دهد که حتی اگر بتوان عملکرد Brainoware را بهبود بخشید، مشکل اصلی دیگر آن این است که ارگانوئیدها را فقط می‌توان برای یک یا دو ماه حفظ کرد. تیم او در حال کار بر روی تمدید حیات ارگانوئیدهاست.
او می‌گوید: «اگر می‌خواهیم از قدرت محاسباتی ارگانوئیدها برای محاسبات هوش مصنوعی استفاده کنیم، واقعا باید این محدودیت‌ها را برطرف کنیم.»