研究人员已经开发出了一种人工智能技术，由光驱动，将成像、处理、机器学习和记忆集成在一块电子芯片中。 该原型通过模仿人类大脑处理视觉信息的方式缩小了人工智能技术。这项纳米级别的技术进步将驱动人工智能所需的核心软件与单个电子设备中的图像捕捉硬件结合在一起。随着进一步的发展，这款轻型原型机可以实现诸如无人机，机器人等更智能、更小的自主技术，以及智能可穿戴设备和人工视网膜等仿生植入物。 这项由RMIT大学领导的由澳大利亚、美国和中国研究人员组成的国际研究小组的研究发表在《Advanced Materials》杂志上。

脑胼胝体压部的损伤会造成一种叫做半边面部识别变性症的疾病，得了这种病的患者在看人脸的时候会发现对方的半边脸像融化了一样。无论对人脸图像进行怎样的转动，总是同一半边的脸部出现问题，且这种现象只会发生在人脸识别上，对其他事物的辨识无分毫影响。由此可以得出，该病只影响到了大脑内负责处理面部信息的部位，且人脑对面容信息的识别与处理是独立于视角与方向的，左右脸的解析也分区域进行。在看到人脸时，我们的大脑会自动对其进行调整。无论是大是小，脸孔是否被翻转，都会被规范到一个可用来与原始面容信息做比较的基准值。这种处理方式同机器在进行人脸识别时的方法可谓是如出一辙。该发现模糊了机器与人的界线，证实AI可完美复刻人的部分认知功能和模式。

传统理论认为工作记忆的维持意味着持续性的神经放电，然而该研究却发现短期记忆可以被理解成一种神经元根据既往输入信号不断调整兴奋性和放电频率的适应性行为。像是记忆干扰就是由神经适应情况的持续所造成的，而记忆容量则取决于适应行为的时间常数及神经产生动作电位所需的基准值。这一基于内在可塑性机制的新记忆模型除了可用以解释以上这类记忆相关概念外，还可以完美解释我们是如何在工作记忆中处理复杂语言信息的。该研究加深了我们对记忆存储以及语言处理原理的理解，对基于神经理论的新型AI的研发亦有一定的启发性作用。