放大/在培养中，神经细胞自发形成相互交流所需的结构。 （信用： 胡安·盖特纳/盖蒂图片社）
人工智能中最令人兴奋的发展之一是开发了可以自学系统规则的算法。游戏算法之类的早期版本必须具备游戏的基础知识。但较新的版本不需要这些——他们只需要一个系统来跟踪一些奖励，比如分数，并且他们可以找出哪些动作最大化了它，而不需要对游戏规则的正式描述。
《神经元》杂志发表的一篇论文通过使用在装满电极的盘子中生长的实际神经元，更进一步。这增加了额外的复杂性，因为没有办法知道哪些神经元实际上会得到回报。该系统似乎有效的事实可能会告诉我们一些关于神经元如何自我组织它们对外部世界的反应的信息。
向 DishBrain 打个招呼
这项新工作背后的研究人员主要位于澳大利亚墨尔本，他们将他们的系统称为 DishBrain。是的，它基于一个盘子，盘子的地板上有一组电极。当神经元在培养皿中生长时，这些电极可以做两件事：感知它们上方神经元的活动或刺激这些电极。电极相对于神经元的大小来说很大，因此感知和刺激（可以被认为类似于读取和写入信息）都涉及一小部分神经元，而不是单个神经元。