人脑一直给研究者提供灵感，神经形态计算受到人脑的低功耗和快速计算特点启发而出现，它或许会是超大规模机器和人工智能应用（如自动驾驶）未来的基石。

神经形态芯片的最初思想可以追溯到加州理工学院的 Carver Mead 教授在 1990 年发表的一篇论文。

Mead 在论文中提出，模拟芯片能够模仿人脑神经元和突触的活动，与模拟芯片的二进制本质不同，模拟芯片是一种输出可以变化的芯片。

但是目前，神经形态计算的发展受到传统电子学固有局限的阻碍。

最近，由英国阿斯顿大学研究人员发起的一个新项目「Neu-ChiP」，展示了如何通过教授在微芯片上培育的人类脑干细胞来解决数据问题，从而为机器学习技术的「范式转变」奠定基础。

该项目为期 3 年，获得了欧盟委员会的「未来与新兴技术」(Future and Emerging Technologies，FET) 项目 350 万欧元（约 2700 万人民币）的资助；

英国、法国、西班牙、瑞士和以色列的高校和机构也参与其中，包括英国罗浮堡大学、巴塞罗那大学、法国国家科学研究中心、以色列理工学院和 3Brain AG 公司。

芯片上的大脑

在 Neu-ChiP 项目中，研究小组将把类似于人类大脑皮层的干细胞网络分层放在微芯片上。然后通过向细胞发射不断变化的光束模式来刺激细胞。

项目利用先进的 3D 电脑模型可以观察细胞发生的任何变化，了解他们的适应能力如何。

这模仿了人类大脑的可塑性，可以迅速适应新的信息。

据悉，该项目将在培养皿中设计神经元回路并训练它们进行数据分析的能力，将为大脑如何计算信息并找到解决方案提供新的见解。

开发的技术甚至可能有助于设计独特的人机界面。

而且，该项目不仅要建立一个由许多非常复杂的人类神经细胞组成的系统模型，研究人员还将尝试超越这个模型，将神经系统驱动到一个能够进行非平凡计算的状态。

芯片上的大脑：致力于突破人工智能的界限（cr: 3Brain AG）

项目的生物学专家表示，这个项目将致力于寻求建立神经形态电路，并将新兴的电子设备与生物神经元结合起来。

在合成生物学的背景下，看到活细胞中的计算是如何从数字化通过模拟进化到神经形态计算范式，这将会令人印象深刻。

阿斯顿大学数学教授 David Saad 说: 「我们的目标是利用人类大脑无与伦比的计算能力，极大地提高计算机帮助我们解决复杂问题的能力。我们相信，这个项目有可能突破目前处理能力和能源消耗的局限，从而带来机器学习技术的范式转变。」