处理器是计算机的大脑 -- 这是一句经常被引用的话。但处理器的工作方式与人脑有根本的不同。晶体管通过电子信号进行逻辑运算。相比之下，大脑的工作原理是神经细胞，即所谓的神经元，它们通过生物导电路径，即所谓的突触连接。在更高层次上，这种信号传递被大脑用来控制身体和感知周围环境。当感知到某些刺激时--例如，通过眼睛、耳朵或触觉--身体/大脑系统的反应是通过学习过程触发的。例如，儿童学会了不要两次伸手去摸热炉子：一个输入刺激导致了一个具有明确行为结果的学习过程。

与马克斯-普朗克聚合物研究所Paul Blom部门的组长Paschalis Gkoupidenis合作的科学家们现在已经以简化的形式应用了这种通过经验学习的基本原则，并使用所谓的有机神经形态电路引导机器人通过迷宫。这项工作是埃因霍温大学、斯坦福大学、布雷西亚大学、牛津大学和KAUST之间的广泛合作。

Gkoupidenis小组和埃因霍温大学（van de Burgt小组）的博士生Imke Krauhausen说："我们想用这种简单的设置来展示这种'有机神经形态设备'在现实世界的条件下可以有多么强大，"他也是科学论文的第一作者。

为了实现机器人在迷宫内的导航，研究人员向智能自适应电路输入了来自环境的感觉信号。在每一个迷宫的交叉点上，都会以视觉方式指示出迷宫通往出口的路径。起初，机器人经常误解视觉标志，因此它在迷宫交叉点做出错误的 "转弯 "决定，失去了出路。当机器人做出这些决定并沿着错误的死胡同走的时候，它就会通过接受纠正性刺激来阻止它做出这些错误决定。纠正性刺激，例如，当机器人撞到墙时，通过连接在机器人上的触摸传感器诱导的电信号直接作用于有机电路。随着每次实验的进行，机器人逐渐学会在交叉点做出正确的 "转弯 "决定，即避免接受纠正性刺激，并在几次试验后找到走出迷宫的方法。这一学习过程完全发生在有机适应性电路上。

Gkoupidenis说：“我们非常高兴地看到，机器人通过在简单的有机电路上的学习，在一些运行后可以通过迷宫。我们在这里展示的是第一个非常简单的设置。然而，在遥远的未来，我们希望有机神经形态设备也可以用于本地和分布式计算/学习。这将为现实世界中的机器人技术、人机界面和医疗点诊断的应用开辟全新的可能性。在材料科学和机器人学的交叉点上，用于快速原型制作和教育的新平台也有望出现”