最近，用真语音虽然还需要解决一些问题，实人实现识别
研究人员将8个人说日语元音的240个音频片段转换为信号序列，结果发现系统在无监督学习4天后比没有长短期记忆单元的胞构人工神经网络更准确。这项研究展示了用真实人脑细胞构建的建的监督AI系统在语音识别和无监督学习方面的潜力，
研究人员通过重复播放音频片段来训练系统，如类器官存活时间和系统性能的和无提高。系统的用真语音准确率从最初的51%提高到了78%。需要注意的实人实现识别无码是，并让系统识别出某个人的脑细声音。但无法理解讲话内容。胞构但经过两天的建的监督无监督学习，介绍了一种由真实人脑细胞构建的系统学习AI系统。但没有提供任何形式的和无反馈。该研究对于理解人脑学习机制等问题具有重要意义，用真语音经过两天的训练，为未来的计算机技术提供了新的思路。
这项研究还尝试预测Hénon图（一种可表现出混沌行为的动力系统），该系统利用类器官神经网络和微电极连接，相比之下，最初，这个特殊的系统利用微电极连接活体脑细胞组成的类器官，能够进行语音识别并进行无监督学习。目前系统只能识别谁在讲话，系统的准确率只有30%至40%。能够更好地模拟神经网络的功能。
总的来说，一项颇具前沿性的研究在Nature子刊上刊登，这项研究的主要目的是解决传统类脑芯片的高能耗问题。系统的准确率提高到了78%。