科技日報記者 劉豔
3月17日，英特爾研究院與美國康奈爾大學研究人員在《自然-機器智能》（Nature Machine Intelligence）雜誌聯合發表的一篇論文，展示了在存在明顯噪聲和遮蓋的情況下，英特爾神經擬態研究芯片Loihi學習和識別危險化學品的能力。
為模擬人類嗅到氣味時的大腦運行機制，英特爾和美國康奈爾大學的研究人員採用了一套源自大腦嗅覺迴路結構和動力學的神經算法，訓練英特爾Loihi神經擬態芯片，使其能夠學習和識別10種危險化學品的氣味。
現在，Loihi芯片已掌握了包括丙酮、氨和甲烷等10種氣味各自的神經表徵，即使有強烈的環境干擾也能識別出這些氣味。
要達到與Loihi相同的分類準確率，即便是此前最先進的深度學習解決方案，也需要3000倍以上的訓練樣本，而Loihi僅需單一樣本便可學會識別每種氣味，且不會破壞它對先前所學氣味的記憶。
“下一步計劃將這種方法推廣到更廣的應用領域，包括從感官場景分析（理解你觀察到的各種物體之間的關係），到規劃和決策等抽象問題。”英特爾神經擬態計算實驗室高級研究科學家Nabil Imam說,“理解大腦的神經網絡如何解決這些複雜的計算問題，將為設計高效、強大的機器智能提供重要啟示。”
雖然從實驗室走向現實世界，嗅覺信號識別還面臨諸多挑戰，但搭載神經擬態芯片的設備的應用場景已看得見。
比如，用於某些散發特定氣味的疾病診斷；機場、邊境、軍事基地等高效識別化學武器、炸彈、毒品等危險品；工廠有害化學物質識別和精準定位及環境監測中確定氣體物質和排放來源。
分享到:
閱讀更多 科技日報 的文章
