你能教薯条闻味道吗?

于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明了芯片可以闻-当然，要经过适当的训练。

这些研究人员证明了一个自学神经形态芯片识别危险化学品，即使是通过显着的闭塞和噪音包围。当芯片Loihi进行了一种气味的单个样本，它有效地“学习”气味而不会扰乱先前学识的气味的记忆。

英特尔实验室的神经形态计算集团高级研究科学家Nabil Imam拥有一个罗希测试芯片，他与康奈尔大学的研究团队一起使用，建立数学算法来模仿大脑嗅觉系统中发生的事情。图片使用Walden Kirsch和英特尔的礼貌

总的来说，罗希能够学习10种不同的气味。与传统方法相比，罗希的表现与传统方法相比，如深度学习解决方案，需要每增加3000次培训3000倍以具有相同水平的分类准确性。

Loihi的历史

2017年9月，英特尔释放了罗希他们的神经形态研究测试芯片带有模拟大脑基本机制的数字电路。研究团队这样做是为了加快机器学习速度，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芯片具有完全异步的神经形态多核网格，支持各种神经网络拓扑结构，并使每个神经元能够与数千个其他神经元通信。

每个核心本身都有一个学习引擎，可以被编程为在操作期间适应网络参数并可以支持监督那无监督那加强以及其他机器学习中的学习范式。

人类大脑有超过860亿个神经元和100万亿突触，而Loihi有13万个神经元和1.3亿个突触，它们是用英特尔的14纳米工艺技术制造的。

Loihi是怎么学会“闻”的?

那么，研究人员是如何实现这一壮举的呢?他们从基于人类大脑嗅觉回路的结构和动力学的神经算法开始。接下来，他们训练Loihi识别10种危险化学品的气味。

Nabil Imam是英特尔实验室的神经形态计算集团的高级研究科学家，然后他的团队编制了一个数据集，该数据集包括72种化学传感器的活动，以应对这10种气味，包括丙酮，氨和甲烷。

该芯片旨在模仿人类脑区分气味的方式。屏幕截图使用的礼貌英特尔

传感器对各个气味的响应被传送到罗基，其中由硅电路负责嗅觉的脑电图的电路被芯片模仿。罗基的一个巨大壮举是能够区分嗅觉之间的差异，即使是强大的背景干扰。为了比较，家中的烟雾和一氧化碳探测器可以检测气味，但不能区分它们。

“电子鼻系统”的未来

据伊玛目介绍，化学传感界一直在寻找一种廉价、可靠、反应迅速的化学传感处理系统，如Loihi。这样的系统也被称为“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哪些气态物质正在被释放到大气中。
• 控制工厂的空气质量
• 在疾病发出特殊气味的情况下诊断病情（类似于狗如何闻到人类的某些疾病）
• 识别机场安检线内的危险物品，如炸弹或毒品

此外，伊玛目希望“概括这种方法在更广泛的问题中”，以了解观察对象之间的关系和解决抽象问题，如规划和决策。

伊玛姆表示，能够将大脑的嗅觉系统转换为数字电路，可以帮助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、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)的研究团队取得了重大进展，但在未来的设计中也存在一些需要解决的挑战。

就像人类在脑中神经活动模式的相似性这样的情况下，人类可能遇到困难区分水果的味道，因为脑中的神经活动模式相似，所以神经形式系统可以面对类似的问题 - 特别是在试图对普通类别中分类不同的气味时。

洛伊希的特写照片。英特尔宣布，64块Loihi芯片将构成一种名为Pohoiki Beach的新型神经形态系统。图片由英特尔

IMAM认为，在未来几年内，随着技术从实验室移动到现实世界的情景，可以解决嗅觉信号识别中的这些挑战。英特尔对未来的愿景使神经形态计算在解决复杂世界问题的最前沿，因为智能和决策的流动变得可访问和加速。

---

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。