与非网 3 月 18 日讯,神经形态计算一直被寄予厚望。就算摩尔定律终结,它仍能继续带领信息时代向前。神经形态计算可以大幅度提升数据处理能力和机器学习能力,更重要的是,神经形态芯片比传统芯片的能耗要低得多。

 

研究者如今开发了一种模拟生物嗅觉的神经算法,它可以学习和鉴别气味样本。每一个可能的突破,都会让科研人员离使用一种新的能力更近一步。当然,在研究人工智能的同时,我们也能发现,人类大脑真神奇,所有的模拟和突破都这么费劲。

 

据悉,英国《自然 - 机器智能》(Nature Machine Intelligence)杂志发表了一项人工智能研究,Intel 神经形态计算实验室和康奈尔大学的联合团队报告称,他们实现了一种设计用来模拟生物嗅觉的神经算法,展示了在存在明显噪声和遮盖的情况下,Intel 神经拟态研究芯片“Loihi”学习和识别危险化学品的能力。

 

这项成果意味着一种强大方法的出现,在此基础上,未来可开发出超越当前人工智能趋势的新算法。

 

据介绍,Loihi 只需要单一样本,就可以学会识别每一种气味,而且不会破坏它对先前所学气味的记忆,展现出了极其出色的识别准确率。

 

如果使用传统方法,即便最出色的深度学习方案,要达到与 Loihi 相同的气味分类准确率,学习每一种气味都需要 3000 倍以上的训练样本。

 

Intel 神经拟态研究芯片 Loihi

 

Intel 研究院神经拟态计算小组高级研究科学家、拥有神经拟态计算博士学位的 Nabil Imam 介绍说,康奈尔大学负责研究动物的生物嗅觉系统,并测量动物闻到气味时的脑电波活动,然后 Intel 根据这些电路图与电脉冲,导出一套算法,并将其配置在神经拟态芯片上。

 

Imam 带领团队采用了一个由 72 个化学传感器活动组成的数据集,可对一个风洞实验中循环的 10 种气体物质(气味)作出反应。传感器对各种气味的反应被传送至 Loihi,由其芯片电路对嗅觉背后的大脑电路进行模拟。

 

在研究人员的指导下,Loihi 已经迅速掌握了 10 种不同气味的神经表征,其中包括丙酮、氨和甲烷,而且即使有强烈的环境干扰也能准确识别。

 

而传统烟雾和一氧化碳探测器能使用传感器来探测气味,虽然能探测到空气中的有害分子并发出警报,但无法对各种气味进行区分。

 

Intel 神经拟态计算实验室高级研究科学家 Nabil Imam 表示:“我们正在 Loihi 上开发神经算法,来模拟人类嗅到气味时的大脑运行机制。这项工作堪称神经科学与人工智能技术交叉领域的当代研究典范,并且证实 Loihi 有望提供重要的感知能力,并惠及各行各业。”

 

Loihi 芯片采用 14nm 工艺,管芯尺寸 60 毫米,包含超过 20 亿个晶体管、13 万个人工神经元和 1.3 亿个突触。Loihi 异步电路,不需要全局时钟信号,而是采用可编程微代码引擎,用异步脉冲神经网络(SNN)或 AI 模型行进片上训练,该模型将时间整合到其操作模型中,因此模型的组件不会同时处理输入数据。


据悉,用 Intel Loihi 芯片来处理稀疏编码、图形搜索、约束满足问题等特殊应用,速度比传统 CPU 快 1000 倍,效率比传统 CPU 高 10000 倍,它还能将某些优化方案的速度和能效提高了超过三个数量级。Intel 表示,这将用于“高效”地实施自适应学习、事件驱动和细粒度并行计算。

 

此前,2019 年 7 月,Intel 宣布了代号“Pohoiki Beach”的全新神经拟态系统,包含多达 64 颗 Loihi 芯片,集成了 1320 亿个晶体管,总面积 3840 平方毫米,拥有 800 万个神经元、80 亿个突触。

 

从理论上讲,Loihi 可以扩展到最多 16384 颗芯片互连,那就是超过 20 亿个神经元——人类大脑有大约 860 亿个神经元。

 

将来,这项技术可能使“电子鼻”和机器人能够检测武器、爆炸物、麻醉品甚至疾玻。

 

Intel Loihi 神经拟态芯片诞生于 2017 年 9 月,脱离传统硅芯片的冯诺依曼计算模型,而是模仿人脑原理的神经拟态计算方式,并且是异步电路,不需要全局时钟信号,而是使用异步脉冲神经网络(SNN)。