喺人工智能同機械人技術向「類腦計算」加速演進嘅時刻，英國拉夫堡大學（Loughborough University）領導嘅國際研究團隊宣布一項重大突破：佢哋研發出一種叫做「transneuron」嘅微型電子電路，能夠喺單一裝置內模擬大腦嘅視覺、規劃同運動控制神經元唔同嘅功能。呢項創新標誌住神經形態計算（neuromorphic computing）由理論向實用化跨出一個關鍵步，準確率高達70–100%，遠超傳統AI系統嘅剛性設計。研究論文喺11月18日發表喺《Nature Communications》（DOI: 10.1038/s41467‑025‑62151‑9），團隊負責人Sergey Saveliev教授話：「大腦唔係神秘嘅裝置，而係可以用電子方式重現嘅系統。呢項工作令我哋更接近構建更高效、更似人類嘅機械人。」呢個成果唔單止為節能型AI硬件鋪路，亦可能加快腦機介面同意識研究嘅進展。Interesting Engineering報道話，呢個裝置嘅靈活性「曾被認為係大腦獨有」，可能會重塑機械人嘅感知同決策機制。
神經形態計算興起源於對傳統電腦能效嘅反思。現時AI系統依賴矽基晶片，處理簡單任務要用到數以百萬計嘅固定「神經元」，導致能耗高企——一部GPU訓練模型相當於幾千個家庭嘅用電。大腦就唔同：佢只用約20瓦功率處理複雜任務，例如識別面孔或控制動作。拉夫堡團隊嘅transneuron就係嘗試拉近呢個差距。呢個裝置係一個納米級電子晶片，透過細微電脈衝模擬神經元嘅信號傳遞，核心元件係憶阻器（memristor）——一種可以「記住」過去信號嘅納米器件。銀原子喺電流作用下會形成或斷開微觀橋位，實現動態調節。與傳統電晶體唔同，憶阻器好似突觸一樣具可塑性，能夠跟據輸入變化「學習」回應模式。
研究發現令人振奮：單一transneuron可以轉換出三種腦區功能。團隊輸入電訊號，量度輸出脈衝，並同從獼猴腦電錄得嘅真實神經元模式作比較。視覺神經元嘅脈衝較穩定，運動控制神經元嘅脈衝較不規則，規劃（pre‑motor）神經元則呈快速爆發狀態。transneuron透過調節電壓等參數，準確複製呢啲模式，配對率達70–100%。更重要嘅係，佢具備計算能力：會根據輸入變化調整脈衝頻率，能夠分辨同步或非同步嘅雙重訊號輸入——而傳統系統通常要多個神經元協作先做到。團隊仲測試咗對環境嘅回應：裝置對壓力同溫度敏感，可以模擬人工感官系統。Saveliev教授解釋：「透過微調電路設置，我哋令同一裝置可以似唔同腦神經元咁運作。呢個打開咗構建複雜腦功能電子晶片嘅大門。」
研究團隊由跨學科專家組成，拉夫堡大學物理學教授Alexander Balanov同Sergey Saveliev領軍。Balanov負責理論建模，Saveliev係通訊作者，擅長理論物理。實驗物理學家Pavel Borisov負責憶阻器製作，加州索爾克研究所嘅Sergei Gepshtein提供視覺感知數據，南加州大學嘅Joshua Yang貢獻工程技術。合作者包括Rivu Midya（現喺德州農工大學）。Gepshtein博士評論：「而家AI喺標準電腦上用剛性邏輯運行，而大腦依賴不規則脈衝網絡。transneuron令我哋接近真正嘅類腦硬件。」Yang教授補充：「呢個為機械人嘅人工神經系統鋪路，能夠高效感知、學習同控制。」團隊論文DOI為10.1038/s41467‑025‑62151‑9，開放存取。
呢項突破嘅意義深遠。首先，佢推動能源高效計算。大腦用約20瓦處理複雜任務，但AI可能要數千瓦。transneuron嘅憶阻器設計減少硬件需求，Balanov教授話：「佢可以令電腦更快、更慳電，像生物一樣即時適應。」其次，喺機械人應用方面潛力巨大：單一裝置模擬多個腦區功能，可以構建「皮質晶片」（cortex on a chip），令機械人得以感知環境、規劃動作。Indian Express報道指出，呢項技術可應用於醫療植入或神經介面，替代或補充腦部受損區域。第三，對腦科學有啟示：裝置可以做為「沙盒」，幫助神經科學家模擬腦區之間嘅通訊，甚至探討意識形成。Borisov博士表示：「佢令我哋更接近用電子方式重現腦部。」Technology Networks指出，呢個對腦機介面例如Neuralink有借鑒意義。
挑戰仍然存在。憶阻器嘅穩定性需要優化：銀橋容易退化，長期使用壽命有限。團隊承認，要模擬複雜嘅腦網絡需要多個裝置整合，目前只係單一神經元級別。環境因素例如溫度波動可能會干擾準確率。Balanov教授警告：「呢只係一步細步，但意義重大。未來要解決可擴展性問題。」倫理問題亦浮現：腦模擬可能引起私隱憂慮，歐盟AI法規（AI Act）要求對高風險硬件進行審計。The News International報道指，團隊計劃同Salk Institute合作，擴展到多神經元網絡。
從更廣嘅視角睇，呢項突破強化咗神經形態計算嘅發展勢頭。到2025年，全球投資超過100億美元，IBM同Intel嘅TrueNorth晶片已經商用。拉夫堡嘅transneuron有可能成為「後摩爾時代」嘅關鍵，推動由矽基向憶阻器轉型。Saveliev教授展望：「佢會帶嚟更快、更慳能嘅機械人，甚至電子腦介面。」喺氣候危機下，高效AI可以優化能源使用；喺醫療範疇，佢可以幫助腦部受損嘅復元。
transneuron問世，係類腦AI嘅一個細小里程碑。由實驗室走向現實，佢提醒我哋：模仿大腦唔係簡單複製，而係去超越。將來，機械人可能唔再笨拙，而係如人類般靈活。拉夫堡團隊呢個「細裝置」，或者會開啟一個「大時代」。