介绍 Parasma。此前，我们训练人类脑细胞玩 Doom。现在，我们训练它们预测句子中的单词。我们正在解锁人类脑细胞的计算能力。在此了解更多：https://parasma.com/news/human-brain-cells-do-next-token-prediction… @ParasmaAI

人类脑细胞实现下一个词元预测 | Parasma

来源：https://parasma.com/news/human-brain-cells-do-next-token-prediction 新闻 2026年8月13日

Parasma 启动脑细胞计算训练

旧金山 — 2026年8月13日 — Parasma 今日宣布正式公开发布。该公司正在开发由人类脑细胞驱动的计算算法和基础设施，作为 GPU 的高能效替代方案。

Parasma 背后的工作于今年早些时候首次进入公众视野。在 2 月底公布的一个项目中，创始人 Sean Cole 与 Cortical Labs 合作，训练培养的人类神经元玩 Doom。

词元预测

该架构将上下文单词转换为传递给细胞的电刺激，测量并解码细胞响应为词元，然后系统反馈每个预测是否正确。

Parasma 测试了人类脑细胞能否解决精确定义的词元预测任务。在获取完整句子上下文的情况下，细胞正确预测了 90% 的下一个词元决策。随机对照运行的得分明显更低，所有结果均与随机水平一致。

Parasma 还进行了一项更困难的非线性词元预测实验，其中没有任何单个上下文词元能单独决定答案。在一次独立运行中，细胞达到了 78.1% 的准确率，超过了硅基线性解码器所能达到的 75% 上限。

“跨越硅基线性解码器无法表征的边界，正是我们创立 Parasma 所追求的结果。”Parasma 创始人 Sean Cole 表示，“这是朝着理解活神经元在何处能增加计算能力迈出的早期一步，尤其是在语言建模等领域。”

这些结果表明，为生物计算构建的定制架构能够支持基于语言的词元预测。

这将带来什么

短期内，Parasma 正致力于跨培养体系、设备和时间建立可重复的基准测试，以借助 AI 的进步来扩展生物技术的规模。该公司还将研究更丰富的上下文预测和自适应控制任务。

长期来看，可编程生物计算将在受益于持续学习或极致能效和样本效率的系统中取代硅基计算，催生新的模型范式。Parasma 的目标是开发使生物计算能够作为 GPU 替代方案发挥作用的算法。