芯東西（ID：aichip001）編 | 心緣
芯東西3月17日消息，英特爾和美國康奈爾大學今天聯合發表一篇論文，展示了英特爾神經擬態研究芯片Loihi能在有明顯噪聲和遮蓋的情況下，學習和識別10種危險化學品。
這篇論文本週發表在《自然-機器智能》（Nature Machine Intelligence）雜誌上。據論文介紹，Loihi僅需單一樣本便可學會識別每一種氣味，並且不會破壞它對先前所學氣味的記憶，要達到與Loihi相近的識別準確率，傳統深度學習解決方案需要的訓練樣本，至少是Loihi所需樣本的3000倍以上。
英特爾研究院神經擬態計算實驗室高級研究科學家Nabil Imam與美國康奈爾大學的嗅覺神經生理學家展開合作。
據Imam介紹，康奈爾大學的研究人員負責研究動物的生物嗅覺系統，並測量動物聞到氣味時的腦電波活動。英特爾研究院神經擬態計算小組根據這些電路圖與電脈衝，導出了一套算法並將其配置在神經擬態芯片上，尤其是在其Loihi測試芯片上。
▲英特爾研究院科學家Nabil Imam在神經擬態計算實驗室中，手持一塊Loihi神經擬態測試芯片
“我們正在Loihi上開發神經算法，來模擬人類嗅到氣味時的大腦運行機制。”Imam說，“這項工作堪稱神經科學與人工智能技術交叉領域的當代研究典範，並且證實Loihi有望提供重要的感知能力並使之惠及各行各業。”
論文鏈接：https://arxiv.org/pdf/1906.07067
一、不懼環境干擾，精準辨別有害氣味
談Loihi如何工作前，我們先來回想人類是怎麼識別氣味的。
如果你拿出一個香橙聞一聞，水果分子就會刺激鼻腔嗅覺細胞，細胞立即向大腦嗅覺系統發送信號，一組相互連接的神經元中的電脈衝就會在這個嗅覺系統中產生嗅覺，然後你就聞到這個物體的氣味了。
為了讓計算機通信和學習方式更接近人類大腦，2017年9月，英特爾實驗室推出模仿大腦基本機制的自學習神經擬態芯片“Loihi”，它能更快更高效地執行機器學習計算任務，同時大幅降低對功耗的需求。
在此項新研究中，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，對英特爾Loihi神經擬態芯片進行訓練，使其能夠學習和識別10種危險化學品的氣味。
為此，Imam和他的團隊採用了一個由72個化學傳感器活動組成的數據集，以便對一個風洞實驗中循環的10種氣體物質（氣味）作出反應，並在Loihi芯片上配置了生物嗅覺的電路圖。
傳感器對各種氣味的反應被傳送至Loihi，由其芯片電路對嗅覺背後的大腦電路進行模擬。
Loihi芯片迅速掌握了丙酮、氨和甲烷等10種氣味各自的神經表徵，即使有明顯的環境干擾，也能識別出每種氣味。
相比之下，常見的煙霧、一氧化碳探測器儘管能探測到空氣中有害分子併發出警報，但它們無法智能區分出各種氣味分子。
二、速度比CPU快1000倍，效率比高10000倍
英特爾Loihi芯片採用14nm製程，管芯尺寸60毫米，包含超過20億個晶體管、13萬個人工神經元和1.3億個突觸。
特別的是，Loihi具有一個可編程微代碼引擎，用於異步尖峰神經網絡（SNN）或AI模型的片上訓練，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據。
英特爾表示，這將用於“高效”地實施自適應學習、事件驅動和細粒度並行計算。
據悉，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用，速度比傳統CPU快1000倍，效率比傳統CPU高10000倍，它還能將某些優化方案的速度和能效提高了超過三個數量級。
“我們在實時深度學習基準測試中，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。”Applied Brain Research首席執行官、滑鐵盧大學教授Chris Eliasmith表示，“隨著我們將網絡擴展50倍，Loihi保持實時性能結果，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。”
羅格斯大學教授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。
2019年7月，英特爾推出由64個Loihi芯片組成的800萬神經元神經形態系統Poihoiki Beach，供60多個生態系統合作伙伴用於決複雜的計算密集型問題。
▲英特爾實驗室常務董事Rich Uhlig展示Nahuku主板，神經形態系統Pohoiki Beach由多個Nahuku主板組成，包含64個Loihi芯片
除了英特爾外，IBM、惠普、麻省理工學院、普渡大學、斯坦福大學等機構都在推進類腦計算的相關研究，希望藉助它來開發出更強大的計算系統。
三、不僅能識別氣味，還能用於醫療診斷和機場安檢
和嗅覺相似，人類的視覺、聽覺、回憶、情緒和決策都有各自的神經網絡，它們都以特定的方式進行計算。
而神經擬態芯片的研究與應用，充分證明了未來神經科學與人工智能交叉研究的廣闊前景。
據Imam介紹，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，或者稱之為“電子鼻系統”。
研究表明，神經擬態芯片的自我學習能力、低能耗特性、”仿人腦”結構以及神經科學的衍生算法可以創造一個”電子鼻”系統，它在真實情境下識別氣味比傳統解決方案要有效得多。
除了識別氣味外，Imam還看到了搭載神經擬態芯片的機器人在環境監測、危險物質檢測以及在工廠質量控制方面的應用潛力。
▲加州理工學院AMBER實驗室的Rachel Gehlhar和加拿大國家研究委員會的Terry Stewart用英特爾Kapoho Bay Loihi設備控制AMPRO3假肢，以使該假肢能夠更好地適應行走時無法預料的運動學障礙
神經擬態感應系統可以進行環境監測以及有害物質識別，從而幫助我們確定氣體物質及其排放來源。
內置神經擬態芯片的機器人可以在工廠各處移動，識別有害化學物質並進行精準定位，從而快速有效消除有害物質。
在國防安全方面，為了更好地偵查化學武器、炸彈、毒品等安全威脅，神經擬態芯片可以內置到機場、邊境、軍事基地等的偵查設備中。
此外，該系統還可應用於醫療診斷，因為患有某些疾病會散發出特定的氣味，為基於神經擬態的化學感應在醫學診斷中的應用提供了可能。
另一個例子是，搭載神經擬態芯片的機器人可應用於機場安檢區域，能夠更高效地識別危險物質。
Imam表示：“我的下一步計劃，是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（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。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。”
結語：解決現實世界的挑戰
Imam也提到，嗅覺領域存在著一些挑戰。
當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，”Imam表示：“我們期待在未來幾年內解決這些問題，這樣的產品才能解決現實世界的問題，而不僅僅是解決在實驗室演示的實驗性問題。”
在Imam看來，自己從事的工作是“發生在神經科學與人工智能技術交叉領域的當代研究典範”。
原文來自：英特爾，自然機器智能，VentureBeat
閱讀更多 芯東西 的文章
