培養皿中的人類神經元：合成生物智能的突破 它們在沒有任何人類或計算機輸入的情況下掌握了Pong。 在《Neuron》期刊的一項開創性研究中，研究人員展示了在實驗室培養皿中培養的人類和小鼠神經元可以學習玩經典的1970年代視頻遊戲Pong。 這一顯著成就由澳大利亞墨爾本的Cortical Labs的Brett Kagan博士及其團隊領導，展示了合成生物智能的潛力，並為理解神經元如何處理信息和適應動態環境開闢了新的途徑。 該系統被稱為“DishBrain”，將活的腦細胞與先進技術相結合，提供了對智能、學習以及在神經科學和人工智能（AI）中的潛在應用的深入見解。 DishBrain系統：生物與技術的融合 DishBrain系統是一個開創性的平台，集成了大約800,000個活的神經元——這些神經元來自胚胎小鼠大腦或人類誘導多能幹細胞——到一個微電極陣列上。這個陣列是一個放置在培養皿中的矽芯片，作為生物神經元與數字環境之間的接口。電極可以同時向神經元傳遞電衝動以刺激它們，並記錄它們的活動，形成一個閉環系統，神經元根據其行為接收即時反饋。 在實驗中，神經元連接到運行簡化版Pong的計算機上，這是一種類似網球的遊戲，玩家移動一個球拍來回擊球。微電極陣列被分為感官和運動區域。感官區域的電極發送信號以指示球的位置，而運動區域的電極將神經活動解釋為移動球拍上下的命令。為了使任務可行，研究人員調整了遊戲：球拍更大，球移動更慢，並且沒有對手，目標是最大化回合長度而不是贏得比賽。 通過反饋學習：自由能原理 神經元在短短五分鐘內學會了玩Pong，並隨著時間的推移提高了表現。這種快速學習是由根植於自由能原理的反饋機制驅動的，這一理論由共同作者Karl Friston教授提出。根據這一原理，神經元尋求最小化其環境中的不可預測性（或熵）。在實驗中，當神經元成功擊中球時，它們會收到可預測的電刺激，增強連接性並作為獎勵。當它們未能擊中時，它們會收到不可預測的、更強烈的刺激，這會干擾神經網絡並鼓勵適應以避免此類結果。 在20分鐘內，神經元提高了維持回合的能力，人類神經元的表現優於小鼠神經元，達到了顯著更長的回合時間。這一差異與先前的研究一致，表明人類神經元的信息處理能力大於啮齒動物神經元。神經網絡中電活動的同步“尖峰”隨著每次成功擊打而增強，表明神經元正在調整其行為，以更一致地擊中球。 對神經科學和人工智能的影響 DishBrain實驗是理解神經元如何在生物體之外學習和處理信息的重要里程碑。Kagan博士表示，這項工作展示了“合成生物智能”，其中神經元表現出類似於感知的目標導向行為——在這裡定義為感知和響應環境的能力，但並不等同於意識。它們令人興奮。

“情感對音樂的反應如何以及何時影響記憶” 這支持了我使用音樂時刻來永恆化人類記憶和學習的研究。 也用於回憶記憶。

1957年，Olivetti 打字機商店。

空蕩蕩的購物中心在某種程度上比許多其他地方更令人毛骨悚然。 這是一個空曠的臨界空間，曾經在週六下午有成百上千的人。 歷史將會記住這個地方，就像以前的主街一樣，這裡並不是真正為了購物，而是我們對社區需求的最後一絲渴望。

“加州青少年正在放弃辦公室工作，21歲之前就能賺到10萬美元”

木製的Commodore 64！ 音樂由SID製作。

找到了這個逃生艙視頻。 有趣。

身高6英尺4英寸的公牛。

H2L膠囊機器人交錯。

您在生活中策劃或曾經策劃的數據現在可以被微調為在任何現代計算機上運行的您的本地私人AI。 它將成為您數據主題的專家。 我會告訴您如何做到，我剛剛向幾千人展示過——您也可以做到。 學習：