人類對於大腦運作方式的探索，從來沒有停歇過。今年（2025）10月，美國南加州大學（USC）的一項突破性成果，為人工智慧與神經科學之間架起了新的橋樑：研究團隊成功創造出能模擬生物腦神經化學反應的人工神經元，這不僅是材料科學和電子工程的一大飛躍，更是邁向更高效、更接近真實大腦學習機制的智能計算系統的重要一步。
我們熟悉的電腦或人工智慧系統，大多依賴數位電路執行大量數學運算與程式模擬，但生物大腦的神經元工作原理，卻是十分獨特—它利用離子在神經細胞膜間流動，觸發實際的化學訊號與電訊號互動，完成學習、記憶和判斷等功能，這種真正的物理化學過程，是目前數位神經網路難以觸及的本質。
這次南加州大學的研究突破點，在於他們用「擴散型記憶電阻器（diffusive memristors）」技術重現神經元的電化學特性，由Joshua Yang教授領導的團隊，創造出每個人工神經元只需佔據傳統設計十分之一甚至更少面積的晶片，且顯著減少能源消耗，這意味著未來的晶片不僅更小巧，且更環保、更強大。研究利用銀離子在氧化物材料中的遷移來發出類似生物神經元的電脈衝，這和大腦中鉀、鈉、鈣離子在突觸間流動，實際調控神經訊號的方式幾乎一模一樣，這種物理實現的類比過程，有望極大超越現有模擬神經網路的效率和精準度。
如今訓練大型機器學習模型，需要耗費巨量的電力和計算資源，這成為人工智慧發展過程中最顯著的瓶頸之一，相較之下，人類大腦以僅約20瓦特的能量，即可完成各種高度複雜的任務。南加州大學的這項技術，正是朝模仿大腦能量效率的方向大步前進。
Yang教授指出，這種新型神經元裝置不僅節能，更重要的是它能在硬體層面實現類似生物學習的過程，讓人工智慧系統更快更靈活地從少量經驗中學習，小孩只需舉幾次例子就能辨識數字，然而現代電腦往往需要數千甚至更多數據，該技術的出現有望改變這一現狀。
這項人工神經元的發展，代表了神經形態運算（neuromorphic computing）領域的實質進展，這種運算模式結合了材料科學、電子工程與神經科學的跨界知識，致力於設計出可直接模擬大腦運作特性的硬體，未來的人工智慧晶片，可以像生物大腦一樣自己調整學習策略，處理更複雜變化的環境。
這不只是硬體的躍進，更帶來了人工智慧研究的新視角：從仿生學中尋找靈感，將大腦的計算智慧直接用化學與物理機制落實在晶片上，有望推動人工一般智慧（AGI）的實現，在我們持續探索大腦無窮奧秘的同時，這種跨學科的工程創新，也讓我們離從機械智慧邁向真正具有生命力的人工智慧又近了一步。
圖片來源：viterbischool.usc.edu
