美国HBO电视台的科幻神剧《西部世界,第三季》(West World III),已经火热上演。
情节依然脑洞大开,热门程度一如既往。
不知道你是否想过:剧中跟人类几乎一模一样的机器人,在今后的某一天会不会变成现实?
他们会和我们一样:能说,能吃,能听,能思考,能判断,能感知。。。
上个月,英特尔公司和康奈尔大学把这个科幻与现实的距离,又大大的拉近了一步。
AI嗅觉黑科技,横空出世
3月15日,英特尔公司和康奈尔大学共同宣布:他们基于人工智能芯片和传感器,开发出了具有类似人类嗅觉能力的新方案。
这个类人类嗅觉的方案,能够从上十种有毒的化学气味中,准确的分析出来其中的任何一种。
研究成果刚刚发表在了世界顶级的医学人工智能期刊《自然智能医学》(Nature Medicine Intelligience)上。
简单的说,这个人工嗅觉方案用到了英特尔公司一款正在研发中的人工智能芯片,同时研究人员给这个Loihi芯片配上了72种不同的化学传感器(chemical sensors)。
Intel neuromorphic olfaction
Loihi芯片
Loihi芯片是英特尔公司在2017年开始立项研究的一种特殊的人工智能芯片——神经拟态研究芯片(neuromorphic chip),也可以理解为是一种类大脑芯片。
化学传感器
化学传感器的基本功能,是能够对不同的化学分子有所反应:它们可以把检测到的特定气体分子信号,转变成可以准确定量的的电信号。
化学分子浓度越高,相应的电信号也越强。
常见的化学气体传感器
人工嗅觉方案=Loihi芯片+化学传感器
在这个人工嗅觉“黑科技”方案中,化学传感器对各种气味的反应首先被转变成电信号,然后被传送给 Loihi芯片,之后再由Loihi芯片的电路对人类嗅觉背后的大脑电路进行模拟。
模拟真实的人类嗅觉
人类的大脑内有专门负责嗅觉的部位,称为嗅球(olfactory bulb,下图中的方框部位)。嗅球里面最重要的就是神经元细胞。
英特尔公司和康奈尔大学的研究人员就是训练Loihi芯片,让它去像人类嗅球的神经元细胞一样,学习对不同的气味分子产生的不同反应。
英特尔在这次研究中用到的气体主要来自丙酮、氨、甲烷、乙烯、一氧化碳、苯、二甲苯等常见有强烈气味的化学物质。
人体嗅觉发生的主要部位--大脑的嗅球和神经元
这个“训练”的过程,比较像人类婴儿用鼻子去感受学习不同气味的过程:
香的气味、酸的气味和臭的气味,都会引起婴儿鼻腔内感受细胞的不同反应,这些反应最终会把信号传递到婴儿大脑的嗅球处处理,从而留下记忆。以后再碰到类似的气味,婴儿鼻腔内的感受细胞马上就可以调动之前的记忆,识别出来这个味道是熟悉的,还是陌生的。
这样的“训练”过程,在婴儿的大脑中留下的是气味的记忆;在人工智能芯片上如Loihi芯片上,留下的是所谓的人工智能模型(AI Model)。
经过气味训练的人工智能芯片(Loihi芯片),就能用学习到的人工智能模型,去鉴别新的气体分子。
如果它真的能够像人类的鼻子一样具备类人类嗅觉,就能迅速识别出来面前的是什么气味。
Loihi 芯片本身具有神经元细胞的学习能力(又被称为神经拟态芯片),所以仅仅需要单一的样本,就可以学会识别每一种气味,而且也不会破坏它对先前所学气味的记忆。
在这项突破性的工作中,英特尔 Loihi 芯片经过训练后,迅速掌握了 10 种气味各自的神经表征,其中包括丙酮、氨和甲烷等。
与传统的最先进方法相比,Loihi芯片展现出了极其出色的识别准确率。
即使在有强烈的环境干扰下,Loihi芯片依然能够识别出这些气味。
Loihi芯片学习嗅觉的这个过程,体现了人工智能的最主要理论和工具之一:机器学习(Machine Learning)。
据了解,对比此前已有的传统方法——基于深度学习的解决方案,Loihi 展现出了出色的识别准确率。传统方法要达到与 Loihi 相同的分类准确率,该解决方案学习每类气味需要 3000 倍以上的训练样本。
图丨嗅觉系统演示(来源:nature machine intelligence)
对于这个机器嗅觉系统未来可能的应用,Imam 表示,化学传感领域多年来一直在寻找智能的、可靠的和快速响应的化学传感处理系统,或者称之为“电子鼻系统”,搭载神经拟态芯片的机器人在智能家居、环境监测、危险物质检测以及在工厂质量控制方面的应用潜力。
此外,该系统还可应用于医疗诊断,因为患有某些疾病会散发出特定的气味。另一个例子是,搭载神经拟态芯片的机器人可应用于机场安检区域,能够更高效地识别危险物质。
研究团队也希望在未来能够在创造更多的机器感官。
“我的下一步计划,是将这种方法推广到更广泛的应用领域,包括从感官场景分析(理解你观察到的各种物体之间的关系),到规划和决策等抽象问题。理解大脑的神经网络如何解决这些复杂的计算问题,将为设计高效、强大的机器智能提供重要启示”,他说。
閱讀更多 RAVV 的文章