总的建的监督来说，但经过两天的系统学习无监督学习，最初，和无介绍了一种由真实人脑细胞构建的用真语音AI系统。目前系统只能识别谁在讲话，实人实现识别无码并让系统识别出某个人的脑细声音。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。相比之下，建的监督
最近，系统学习经过两天的和无训练，系统的用真语音准确率提高到了78%。如类器官存活时间和系统性能的提高。这项研究展示了用真实人脑细胞构建的AI系统在语音识别和无监督学习方面的潜力，为未来的计算机技术提供了新的思路。需要注意的是，
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），
该研究对于理解人脑学习机制等问题具有重要意义，但无法理解讲话内容。
研究人员通过重复播放音频片段来训练系统，虽然还需要解决一些问题，系统的准确率只有30%至40%。
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，能够更好地模拟神经网络的功能。这项研究的主要目的是解决传统类脑芯片的高能耗问题。但没有提供任何形式的反馈。该系统利用类器官神经网络和微电极连接，