在所有感官中，訓練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。近日，英特爾和康奈爾大學的研究人員訓練了神經擬態芯片Loihi，讓它學習和識別10種有害化學物質的氣味。將來，這項技術可能使“電子鼻”和機器人能夠檢測武器、爆炸物、麻醉品甚至疾玻。

英特爾神經擬態芯片Loihi

該團隊使用英特爾的神經擬態芯片Loihi設計了基于大腦嗅覺電路的算法。根據英特爾的說法，即使存在其他強烈氣味，該芯片也可以識別10種氣味，包括丙酮、氨和甲烷。而且，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，因為其他深度學習技術可能需要3000倍以上的訓練樣本才能達到相同的準確性水平。英特爾實驗室神經形態計算小組的高級研究科學家納比爾·伊瑪姆（Nabil Imam）表示，他們的工作是“當代研究在神經科學和人工智能的十字路口一個典型例子”。

當我們聞東西時，分子會刺激鼻子中的嗅覺細胞。這些細胞將信號發送到大腦的嗅覺系統，然后釋放出電脈沖。Imam說：“了解大腦的神經回路如何解決這些復雜的計算問題，將為設計高效而強大的機器智能提供重要線索。”

英特爾和康奈爾大學當然不是唯一一個致力于訓練AI以檢測氣味的團隊。Google Brain小組正在與調香師合作，將氣味分子與感知到的氣味聯系起來。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習重現滅絕花朵的氣味。

英國《自然·機器智能》雜志16日發表的一項人工智能研究，英特爾神經形態計算實驗室以及康奈爾大學的聯合團隊報告稱，他們實現了一種設計用來模擬生物嗅覺的神經算法。這項成果意味著一種強大方法的出現，在此基礎上，未來可開發出超越當前人工智能趨勢的新算法。

研究人員所做的部分模型結構和信號編碼。圖源：《自然·機器智能》

神經形態計算能夠大幅提升數據處理能力和機器學習能力，能耗和體積都非常理想，被認為是高性能計算的下一發展階段。而神經形態芯片的設計，是使用受大腦啟發而形成的計算機器，即通過創造由人工神經元和突觸組成的網絡來實現。但是，目前仍不明確的是，如何利用這種機器解決現實問題。這主要是因為我們對在生物神經回路層面實現的算法了解還不夠透徹。

此次，英特爾神經形態計算實驗室科學家納比爾·伊姆艾姆和康奈爾大學心理學系計算生理學實驗室研究人員托馬斯·克萊蘭德，在英特爾“Loihi”神經形態系統上，描述了一種基于哺乳動物嗅覺系統的神經算法，可以學習并鑒別氣味樣本。研究團隊之后在一個神經形態系統中，實現該神經算法，并利用甲苯、氨、丙酮、一氧化碳和甲烷等，對其進行氣味訓練，最后在風洞中通過傳感器的數據進行測試。

該研究結果有助于理解哺乳動物嗅覺以及改進人工化學感知系統的計算特征。這些發現也意味著，改造此類生物神經系統，或代表了一種可以開發出超越當前人工智能趨勢算法的新方法。

研究人員表示，該算法適用于將高維信號嵌入未知背景的任何信號識別問題，還可以有助于未來在應用程序中，訓練人工鼻子在未知背景氣味的情況下識別特定氣味。

此前，英特爾的首款神經擬態芯片“Loihi”可以通過脈沖或尖峰傳遞信息，并自動調節突觸強度。其利用環境中的各種反饋信息進行自主學習、下達命令，被認為與人類大腦運行機制相似。

神經形態計算一直被寄予厚望。就算摩爾定律終結，它仍能繼續帶領信息時代向前。神經形態計算可以大幅度提升數據處理能力和機器學習能力，更重要的是，神經形態芯片比傳統芯片的能耗要低得多。不過，它到底能做些什么？研究者如今開發了一種模擬生物嗅覺的神經算法，它可以學習和鑒別氣味樣本。每一個可能的突破，都會讓科研人員離使用一種新的能力更近一步。當然，在研究人工智能的同時，我們也能發現，人類大腦真神奇，所有的模擬和突破都這么費勁。

責任編輯：gt