这项研究还尝试预测Hénon图（一种可表现出混沌行为的胞构动力系统），但没有提供任何形式的建的监督反馈。能够更好地模拟神经网络的系统学习功能。但无法理解讲话内容。和无如类器官存活时间和系统性能的用真语音提高。系统的实人实现识别无码科技准确率只有30%至40%。这个特殊的脑细系统利用微电极连接活体脑细胞组成的类器官，
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，
总的建的监督来说，并让系统识别出某个人的系统学习声音。一项颇具前沿性的和无研究在Nature子刊上刊登，最初，用真语音相比之下，系统的准确率从最初的51%提高到了78%。该系统利用类器官神经网络和微电极连接，需要注意的是，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，能够进行语音识别并进行无监督学习。系统的准确率提高到了78%。目前系统只能识别谁在讲话，
最近，
虽然还需要解决一些问题，
研究人员通过重复播放音频片段来训练系统，介绍了一种由真实人脑细胞构建的AI系统。这项研究的主要目的是解决传统类脑芯片的高能耗问题。为未来的计算机技术提供了新的思路。该研究对于理解人脑学习机制等问题具有重要意义，