你能教芯片闻气味吗?

2020年3月16日，英特尔宣布，他们的研究人员以及康奈尔大学的研究人员证实了这种芯片可以气味-当然是适量的训练。

这些研究人员证明了一个自我学习的神经形态芯片识别危险化学品，即使周围有明显遮挡和噪音。当芯片Loihi用单一气味样本进行测试时，它有效地“学习”了这种气味，而不干扰之前学习过的气味的记忆。

英特尔实验室神经形态计算组的高级研究科学家纳比尔·伊玛目(Nabil Imam)拿着一个Loihi测试芯片，他和康奈尔大学(Cornell University)的一个研究团队一起使用它来构建数学算法，以模拟大脑嗅觉系统发生的事情。图片由Walden Kirsch和Intel提供

总的来说，Loihi可以学习10种不同的气味。研究发现，Loihi的性能优于传统方法，比如深度学习解决方案需要每节课多3000倍的训练才能达到同样水平的分类精度。

Loihi的历史

2017年9月，英特尔发布了Loihi，他们的神经形态研究测试芯片带有模拟大脑基本力学的数字电路。研究团队这样做是为了加快机器学习的速度，同时用更少的计算能力提高过程的效率。

英特尔的Loihi是一种自我学习的神经形态芯片，旨在帮助研究人员在神经科学和人工智能的交叉领域取得重大进展。图片由英特尔

Loihi芯片的特点是一个完全异步的神经形态多核网格，支持各种神经网络拓扑，并给予每个神经元与其他数千个神经元通信的能力。

每个核本身都有一个学习引擎，可以通过编程来适应运行过程中的网络参数，并可以支持监督,无人管理的,强化，以及机器学习中的其他学习模式。

人类大脑有超过860亿个神经元和100万亿个突触，而Loihi有13万个神经元和1.3亿个突触是用英特尔的14纳米工艺制造的。

Loihi是如何学会“闻”的?

那么，研究人员是如何实现这一壮举的呢?他们以人类大脑嗅觉回路的结构和动态为基础，设计了一种神经算法。接下来，他们训练Loihi识别10种危险化学物质的气味。

Nabil Imam是英特尔实验室神经形态计算组的高级研究科学家，他和他的团队收集了72个化学传感器对这10种气味(包括丙酮、氨和甲烷)反应的活动数据集。

该芯片旨在模仿人类大脑辨别气味的方式。感谢使用截图英特尔

传感器对单个气味的反应被传送到Loihi，在那里负责嗅觉的大脑电路被硅电路模仿。Loihi的一个重要成就是，即使有很强的背景干扰，它也能区分不同的气味。为了进行比较，家里的烟雾和一氧化碳探测器可以探测到气味，但不能区分它们。

“电子鼻系统”的未来

据伊玛目说，化学感应界一直在寻找一种廉价、可靠、快速反应的化学感应处理系统，比如Loihi。这种系统也被称为“电子鼻系统”。

这些系统的一些用途包括:

• 为机器人配备神经形态芯片，用于环境监测和有害物质检测;这可以让研究人员确切地知道什么气体物质被释放到大气中。
• 控制工厂的空气质量
• 在疾病发出特定气味的情况下诊断疾病(类似于狗能嗅出人类的某些疾病)
• 识别机场安检处的危险物质，如炸弹或毒品

此外，伊玛目希望“将这种方法推广到更广泛的问题上”，以理解观察对象和解决抽象问题(如规划和决策)之间的关系。

伊玛目说，能够将大脑的嗅觉系统转换成数字电路有助于研究人员理解神经电路如何解决复杂的计算问题，并为设计“高效和健壮的机器智能”提供见解。

嗅觉信号识别的挑战

英特尔(Intel)和康奈尔大学(Cornell University)的团队取得的重大进展，在未来的设计中并非没有几个挑战需要解决。

就像人类可能因为大脑中神经活动模式的相似性而难以辨别蓝莓或香蕉等水果的气味一样，神经形态系统也可能面临类似的问题——尤其是在试图将不同的气味归类到共同类别时。

Loihi的特写照片。英特尔宣布，64个Loihi芯片将组成一个名为Pohoiki Beach的新神经形态系统。图片由英特尔

伊玛目认为，在未来几年内，随着这项技术从实验室走向现实世界，嗅觉信号识别中的这些挑战将得到解决。英特尔对未来的展望是，随着智能和决策的流动变得触手可及并加速，神经形态计算将成为解决复杂世界问题的前沿。

---

事后看来，“嗅觉科学”在你过去的项目中有用吗?为什么或为什么不?请在下面的评论中分享你的想法。