127
前言：人類除視覺、聽覺之外，在嗅覺研究上有新突破，帶來新想象空間和應用空間，人類對大腦的認知以及類腦芯片、AI 芯片又跨上新臺階，未來的芯片發(fā)展之路又有可能另辟蹊徑。
類似人類大腦的神經擬態(tài)芯片
神經擬態(tài)計算一直被寄予厚望。就算摩爾定律終結，它仍能繼續(xù)帶領信息時代向前。神經擬態(tài)計算可以大幅度提升數(shù)據(jù)處理能力和機器學習能力，更重要的是，神經擬態(tài)芯片比傳統(tǒng)芯片的能耗要低得多。
神經擬態(tài)計算是英特爾為應對計算領域非結構化、有噪聲數(shù)據(jù)日益增加等挑戰(zhàn)而研發(fā)的新的計算機架構。應用神經科學的最新見解，來創(chuàng)造作用方式更類似于人腦的芯片而非傳統(tǒng)計算機的芯片。神經擬態(tài)系統(tǒng)在硬件層面上復制了神經元組織、通信和學習方式。
其實神經擬態(tài)計算的出現(xiàn)，就是要解決那些現(xiàn)在機器學習都做不了的事情，而這些事情通過類腦芯片能夠得到很好的解決。
Intel “Loihi”的誕生
Intel “Loihi”神經擬態(tài)芯片誕生于 2017 年 9 月，脫離傳統(tǒng)硅芯片的馮諾依曼計算模型，而是模仿人腦原理的神經擬態(tài)計算方式，并且是異步電路，不需要全局時鐘信號，而是使用異步脈沖神經網絡(SNN)，在特定應用中要比傳統(tǒng) CPU 速度快最多 1000 倍，能效高最多 10000 倍。
2019 年 7 月，Intel 又宣布了代號“Pohoiki Beach”的全新神經擬態(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 萬個神經元、80 億個突觸。
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 億個神經元——人類大腦有大約 860 億個神經元。
Loihi 干擾環(huán)境下可嗅出 10 種有害物質
而此次在英特爾“Loihi”神經形態(tài)系統(tǒng)上，描述了一種基于哺乳動物嗅覺系統(tǒng)的神經算法，可以學習并鑒別氣味樣本。通過測量動物聞到氣味時的腦電波活動，然后 Intel 根據(jù)這些電路圖與電脈沖，導出一套算法，并將其配置在神經擬態(tài)芯片上。
Loihi 只需要單一樣本，就可以學會識別每一種氣味，而且不會破壞它對先前所學氣味的記憶，展現(xiàn)出了極其出色的識別準確率。而如果使用傳統(tǒng)方法，即便最出色的深度學習方案，要達到與 Loihi 相同的氣味分類準確率，學習每一種氣味都需要 3000 倍以上的訓練樣本。
模擬生物嗅覺的神經算法并非簡單的探測氣味，這與傳統(tǒng)煙霧和一氧化碳探測報警器不一樣，雖然上述儀器可以探測出空氣中有害的分子而觸發(fā)報警，但卻無法區(qū)分各種氣味。
而此次模擬生物嗅覺的神經算法，利用甲苯、氨、丙酮、一氧化碳和甲烷等等 10 種有害化學物質氣體對其進行氣味訓練，最后在風洞中通過傳感器的數(shù)據(jù)進行測試。即使存在其他強烈氣味，該芯片也可以識別這些有害物質。
未來的應用——“電子鼻系統(tǒng)”
化學傳感領域多年來一直在尋找智能的、可靠的和快速響應的化學傳感處理系統(tǒng)，或者稱之為“電子鼻系統(tǒng)”。搭載了神經擬態(tài)芯片的機器人在環(huán)境監(jiān)測、危險物質檢測以及在工廠質量控制方面的應用潛力。該系統(tǒng)還可應用于醫(yī)療診斷，因為患有某些疾病會散發(fā)出特定的氣味。也可以搭載神經擬態(tài)芯片的機器人可應用于機場安檢區(qū)域，能夠更高效地識別危險物質。
在未來加入更多感官，將這種方法推廣到更廣泛的應用領域，包括從感官場景分析到規(guī)劃和決策等抽象問題。理解大腦的神經網絡如何解決這些復雜的計算問題，將為設計高效、強大的機器智能提供重要啟示。
Loihi 未來的挑戰(zhàn)
嗅覺領域存在著一些挑戰(zhàn)，當你走進一家雜貨店時，可能會聞到草莓的氣味，但其氣味可能類似于藍莓或香蕉的氣味，它們會在大腦中引發(fā)非常相似的神經活動模式。有時候，人類甚至很難分辨出究竟是一種水果氣味還是多種香味的混合。
當系統(tǒng)聞到來自意大利的草莓和來自加利福尼亞的草莓時可能會出錯，這兩種草莓可能有不同的香味，但需要歸為一類。這些是目前在研究嗅覺信號識別時面臨的挑戰(zhàn)，期待在未來幾年內解決這些問題，這樣的產品才能解決現(xiàn)實的問題，而不僅僅是解決在實驗室演示的實驗性問題。
結尾
如今開發(fā)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也代表了一種可以開發(fā)出超越當前人工智能趨勢算法的新方法。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。
