前言:人类除视觉、听觉之外,在嗅觉研究上有新突破,带来新想象空间和应用空间,人类对大脑的认知以及类脑芯片、AI 芯片又跨上新台阶,未来的芯片发展之路又有可能另辟蹊径。

 

 

类似人类大脑的神经拟态芯片

 

神经拟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。神经拟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,神经拟态芯片比传统芯片的能耗要低得多。

 

神经拟态计算是英特尔为应对计算领域非结构化、有噪声数据日益增加等挑战而研发的新的计算机架构。应用神经科学的最新见解,来创造作用方式更类似于人脑的芯片而非传统计算机的芯片。神经拟态系统在硬件层面上复制了神经元组织、通信和学习方式。

 

其实神经拟态计算的出现,就是要解决那些现在机器学习都做不了的事情,而这些事情通过类脑芯片能够得到很好的解决。

 

 

IntelLoihi”的诞生

 

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),在特定应用中要比传统 CPU 速度快最多 1000 倍,能效高最多 10000 倍。

 

2019 年 7 月,Intel 又宣布了代号“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。

 

 

Loihi 干扰环境下可嗅出 10 种有害物质

 

而此次在英特尔“Loihi”神经形态系统上,描述了一种基于哺乳动物嗅觉系统的神经算法,可以学习并鉴别气味样本。通过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。

 

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。而如果使用传统方法,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。

 

模拟生物嗅觉的神经算法并非简单的探测气味,这与传统烟雾和一氧化碳探测报警器不一样,虽然上述仪器可以探测出空气中有害的分子而触发报警,但却无法区分各种气味。

 

而此次模拟生物嗅觉的神经算法,利用甲苯、氨、丙酮、一氧化碳和甲烷等等 10 种有害化学物质气体对其进行气味训练,最后在风洞中通过传感器的数据进行测试。即使存在其他强烈气味,该芯片也可以识别这些有害物质。

 

 

未来的应用——“电子鼻系统”

 

化学传感领域多年来一直在寻找智能的、可靠的和快速响应的化学传感处理系统,或者称之为“电子鼻系统”。搭载了神经拟态芯片的机器人在环境监测、危险物质检测以及在工厂质量控制方面的应用潜力。该系统还可应用于医疗诊断,因为患有某些疾病会散发出特定的气味。也可以搭载神经拟态芯片的机器人可应用于机场安检区域,能够更高效地识别危险物质。

 

在未来加入更多感官,将这种方法推广到更广泛的应用领域,包括从感官场景分析到规划和决策等抽象问题。理解大脑的神经网络如何解决这些复杂的计算问题,将为设计高效、强大的机器智能提供重要启示。

 

 

Loihi 未来的挑战

 

嗅觉领域存在着一些挑战,当你走进一家杂货店时,可能会闻到草莓的气味,但其气味可能类似于蓝莓或香蕉的气味,它们会在大脑中引发非常相似的神经活动模式。有时候,人类甚至很难分辨出究竟是一种水果气味还是多种香味的混合。

 

当系统闻到来自意大利的草莓和来自加利福尼亚的草莓时可能会出错,这两种草莓可能有不同的香味,但需要归为一类。这些是目前在研究嗅觉信号识别时面临的挑战,期待在未来几年内解决这些问题,这样的产品才能解决现实的问题,而不仅仅是解决在实验室演示的实验性问题。

 

结尾

 

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也代表了一种可以开发出超越当前人工智能趋势算法的新方法。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。