你能教芯片闻气味吗?

2020年3月16日，英特尔宣布，他们的研究人员以及康奈尔大学的研究人员证实了这种芯片能够气味- 这是正确的培训，即。

这些研究人员展示了能力一个自我学习的神经形态芯片识别危险化学品，即使周围有明显遮挡和噪音。当芯片Loihi用单一气味样本进行测试时，它有效地“学习”了这种气味，而不干扰之前学习过的气味的记忆。

英特尔实验室神经形态计算组的高级研究科学家纳比尔·伊玛目(Nabil Imam)拿着一个Loihi测试芯片，他和康奈尔大学(Cornell University)的一个研究团队一起使用它来构建数学算法，以模拟大脑嗅觉系统发生的事情。图片由Walden Kirsch和Intel提供

总的来说，Loihi可以学习10种不同的气味。研究发现，Loihi的性能优于传统方法，比如深度学习解决方案需要每节课多3000倍的训练才能达到同样水平的分类精度。

罗基的历史

2017年9月，英特尔发布了Loihi，他们的神经形态研究测试芯片与数字电路，模仿大脑的基本力学。研究团队这样做是为了加速机器学习，同时使流程更加效率，计算功率较少。

英特尔的罗基是一种自学，神经形态芯片，旨在帮助研究人员在神经科学和人工智能的交叉点处取得重大进展。使用的图像礼貌英特尔

Loihi芯片具有完全异步的神经形态核心网，支持各种神经网络拓扑，并给出每个神经元与成千上万的其他神经元进行通信的能力。

每个核本身都有一个学习引擎，可以通过编程来适应运行过程中的网络参数，并可以支持监督，无人管理的，强化以及在机器学习中发现的其他学习范例。

虽然人类脑超过860亿神经元和100万亿突触，但罗基拥有130,000个神经元，130万突触，采用英特尔的14纳米工艺技术制造。

罗希如何学会“闻起来？”

那么，研究人员如何实现这一壮举？它们从神经算法开始，它们基于人脑嗅觉电路的架构和动态。接下来，他们培训了罗希识别10种危险化学品的气味。

Nabil Imam是英特尔实验室神经形态计算组的高级研究科学家，他和他的团队收集了72个化学传感器对这10种气味(包括丙酮、氨和甲烷)反应的活动数据集。

该芯片旨在模仿人类大脑辨别气味的方式。感谢使用截图英特尔

传感器对单个气味的反应被传送到Loihi，在那里负责嗅觉的大脑电路被硅电路模仿。Loihi的一个重要成就是，即使有很强的背景干扰，它也能区分不同的气味。为了进行比较，家里的烟雾和一氧化碳探测器可以探测到气味，但不能区分它们。

“电子鼻系统”的未来

据伊玛目，化学传感界一直在寻求宜辉等廉价，可靠，快速响应的化学感应加工系统。这种系统也称为“电子鼻系统”。

这些系统的一些用途可以包括：

• 用神经胸芯片装配机器人，用于环境监测和危险物质检测;这可以让研究人员确切地知道气态物质被释放到大气中。
• 控制工厂的空气质量
• 在疾病发出特定气味的情况下诊断疾病(类似于狗能嗅出人类的某些疾病)
• 识别机场安全线中的危险物质，如炸弹或麻醉品

此外，伊玛目希望“将这种方法推广到更广泛的问题上”，以理解观察对象和解决抽象问题(如规划和决策)之间的关系。

能够将大脑的嗅觉系统转化为数字电路，有助于研究人员了解神经电路如何解决复杂的计算问题，并提供对设计“高效和强大的机器智能”的伊米姆状态。

嗅觉信号识别的挑战

在英特尔和康奈尔大学的团队中的重大进展并没有在未来的设计中解决了一些挑战。

就像人类可能因为大脑中神经活动模式的相似性而难以辨别蓝莓或香蕉等水果的气味一样，神经形态系统也可能面临类似的问题——尤其是在试图将不同的气味归类到共同类别时。

Loihi的特写照片。英特尔宣布，64个洛地芯片将组成一个名为Pohoiki Beach的新神经形态系统。使用的图像礼貌英特尔

伊玛目认为，在未来几年内，随着这项技术从实验室走向现实世界，嗅觉信号识别中的这些挑战将得到解决。英特尔对未来的展望是，随着智能和决策的流动变得触手可及并加速，神经形态计算将成为解决复杂世界问题的前沿。

---

在后古，将在您过去的任何项目中有用“嗅觉”是否有用？为什么或者为什么不？在下面的评论中分享您的想法。