在所有感官中，訓(xùn)練AI分辨氣味是一件特別困難的事情，但這并不能阻止研究人員嘗試。
3月16日，英國《自然-機器智能》（Nature Machine Intelligence）雜志發(fā)表了一項人工智能研究，英特爾神經(jīng)形態(tài)計算實驗室和康奈爾大學(xué)的聯(lián)合團隊報告稱，他們實現(xiàn)了一種設(shè)計用來模擬生物嗅覺的神經(jīng)算法。這項成果意味著一種強大方法的出現(xiàn)，在此基礎(chǔ)上，未來可開發(fā)出超越當(dāng)前人工智能趨勢的新算法。
神經(jīng)形態(tài)計算能夠大幅提升數(shù)據(jù)處理能力和機器學(xué)習(xí)能力，能耗和體積都非常理想，被認為是高性能計算的下一發(fā)展階段。而神經(jīng)形態(tài)芯片的設(shè)計，是使用受大腦啟發(fā)而形成的計算機器，即通過創(chuàng)造由人工神經(jīng)元和突觸組成的網(wǎng)絡(luò)來實現(xiàn)。但是，目前仍不明確的是，如何利用這種機器解決現(xiàn)實問題。這主要是因為我們對在生物神經(jīng)回路層面實現(xiàn)的算法了解還不夠透徹。
此次，英特爾神經(jīng)形態(tài)計算實驗室科學(xué)家納比爾·伊姆艾姆（Nabil Imam）和康奈爾大學(xué)心理學(xué)系計算生理學(xué)實驗室研究人員托馬斯·克萊蘭德（ Thomas A. Cleland），在英特爾“Loihi”神經(jīng)擬態(tài)芯片系統(tǒng)上，描述了一種基于哺乳動物嗅覺系統(tǒng)的神經(jīng)算法，可以學(xué)習(xí)并鑒別氣味樣本
研究團隊之后在一個神經(jīng)形態(tài)系統(tǒng)中，實現(xiàn)該神經(jīng)算法，并利用甲苯、氨、丙酮、一氧化碳和甲烷等10種有害化學(xué)物質(zhì)，對其進行氣味訓(xùn)練，最后在風(fēng)洞中通過傳感器的數(shù)據(jù)對神經(jīng)擬態(tài)芯片Loihi進行了測試。
根據(jù)英特爾的說法，即使存在其他強烈氣味，該芯片也可以識別這些有害物質(zhì)。將來這項技術(shù)可能使“電子鼻”和機器人能夠檢測武器、爆炸物、麻醉品甚至疾玻。
英特爾神經(jīng)擬態(tài)芯片Loihi（圖自：intel Labs）
比CPU快10000倍，比GPU功耗低100倍說起Loihi，2017年9月《電子工程專輯》曾報道，為了讓計算機通信和學(xué)習(xí)方式更接近人類大腦，英特爾實驗室推出的脫離傳統(tǒng)硅芯片的馮諾依曼計算模型、模仿大腦基本機制的自學(xué)習(xí)神經(jīng)擬態(tài)芯片。它能更快更高效地執(zhí)行機器學(xué)習(xí)計算任務(wù)，同時大幅降低對功耗的需求。
根據(jù)官方資料，Loihi芯片采用14nm工藝，管芯尺寸60毫米，包含超過20億個晶體管、13萬個人工神經(jīng)元和1.3億個突觸。Loihi異步電路，不需要全局時鐘信號，而是采用可編程微代碼引擎，用異步脈沖神經(jīng)網(wǎng)絡(luò)（SNN）或AI模型行進片上訓(xùn)練，該模型將時間整合到其操作模型中，因此模型的組件不會同時處理輸入數(shù)據(jù)。
據(jù)悉，用英特爾Loihi芯片來處理稀疏編碼、圖形搜索、約束滿足問題等特殊應(yīng)用，速度比傳統(tǒng)CPU快1000倍，效率比傳統(tǒng)CPU高10000倍，它還能將某些優(yōu)化方案的速度和能效提高了超過三個數(shù)量級。英特爾表示，這將用于“高效”地實施自適應(yīng)學(xué)習(xí)、事件驅(qū)動和細粒度并行計算。
（圖自：intel）
2019年7月，《電子工程專輯》持續(xù)報道了英特爾在神經(jīng)擬態(tài)方面的進展。他們宣布了代號“Pohoiki Beach”的全新神經(jīng)擬態(tài)系統(tǒng)，包含多達64顆Loihi芯片，集成了1320億個晶體管，總面積3840平方毫米，擁有800萬個神經(jīng)元、80億個突觸。
“我們在實時深度學(xué)習(xí)基準測試中，證明使用Loihi芯片的功耗比GPU低109倍，比專用IoT推理芯片低5倍?！盇pplied Brain Research首席執(zhí)行官、滑鐵盧大學(xué)教授Chris Eliasmith表示，“隨著我們將網(wǎng)絡(luò)擴展50倍，Loihi保持實時性能結(jié)果，僅使用30％的功率，而IoT硬件不能保證實時，還要消耗500％的功率?！?/p>
羅格斯大學(xué)教授Konstantinos Michmizos也介紹說，相比用CPU運行SLAM方法，Loihi的能耗低了大約100倍。
值得一提的是，Loihi僅用一個樣本就可以了解每種氣味。研究人員表示，這令人感到震驚，因為其他深度學(xué)習(xí)技術(shù)可能需要3000倍以上的訓(xùn)練樣本才能達到相同的準確性水平。Imam表示，他們的工作是“神經(jīng)科學(xué)和人工智能跨領(lǐng)域交叉研究的最好的例子”。
Nabil Imam在位于美國加州圣克拉拉的神經(jīng)擬態(tài)計算實驗室中手持一塊Loihi神經(jīng)擬態(tài)測試芯片（圖自：intel Lab
下一步挑戰(zhàn)：超越人類嗅覺當(dāng)我們聞東西時，分子會刺激鼻子中的嗅覺細胞。比如你拿一個榴蓮聞一聞，水果分子就會刺激鼻腔嗅覺細胞，細胞向大腦嗅覺系統(tǒng)發(fā)送信號，一組相互連接的神經(jīng)元中的電脈沖就會在這個嗅覺系統(tǒng)中產(chǎn)生嗅覺，然后你就聞到這個物體的氣味了。
Imam也提到，嗅覺領(lǐng)域存在著一些挑戰(zhàn)。
當(dāng)你走進一家雜貨店時，可能會聞到草莓的氣味，它的氣味可能跟藍莓或香蕉很像。有時候，人尚且難分辨出究竟是一種水果氣味，還是多種香味的混合。讓系統(tǒng)來辨認極其相似的氣味，同樣是難題。
“這些是目前我們在研究嗅覺信號識別時面臨的挑戰(zhàn)，”Imam表示：“我們期待在未來幾年內(nèi)解決這些問題，這樣的產(chǎn)品才能解決現(xiàn)實世界的問題，而不僅僅是解決在實驗室演示的實驗性問題?！?/p>
Imam表示，了解大腦的神經(jīng)回路如何解決這些復(fù)雜的計算問題，將為設(shè)計高效、強大的機器智能提供重要的參考依據(jù)，換句話說，如果我們能更透徹的了解大腦識別氣味的原理，那么可能會從根本上改變我們設(shè)計人工智能的方式。
從理論上講，Loihi可以擴展到最多16384顆芯片互連，那就是超過20億個神經(jīng)元——人類大腦有大約860億個神經(jīng)元。
英特爾和康奈爾大學(xué)當(dāng)然不是唯一一個致力于訓(xùn)練AI以檢測氣味的團隊。Google Brain小組正在與調(diào)香師合作，將氣味分子與感知到的氣味聯(lián)系起來。俄羅斯研究人員正在使用AI來嗅出致命的氣體混合物，并且研究人員試圖通過機器學(xué)習(xí)重現(xiàn)滅絕花朵的氣味。
除了英特爾外，IBM、惠普、麻省理工學(xué)院、普渡大學(xué)、斯坦福大學(xué)等機構(gòu)都在推進類腦計算的相關(guān)研究，希望借助它來開發(fā)出更強大的計算系統(tǒng)。
