与非网 3 月 18 日讯，神经形态计算一直被寄予厚望。就算摩尔定律终结，它仍能继续带领信息时代向前。神经形态计算可以大幅度提升数据处理能力和机器学习能力，更重要的是，神经形态芯片比传统芯片的能耗要低得多。
研究者如今开发了一种模拟生物嗅觉的神经算法，它可以学习和鉴别气味样本。每一个可能的突破，都会让科研人员离使用一种新的能力更近一步。当然，在研究人工智能的同时，我们也能发现，人类大脑真神奇，所有的模拟和突破都这么费劲。
据悉，英国《自然 - 机器智能》（Nature Machine Intelligence）杂志发表了一项人工智能研究，Intel 神经形态计算实验室和康奈尔大学的联合团队报告称，他们实现了一种设计用来模拟生物嗅觉的神经算法，展示了在存在明显噪声和遮盖的情况下，Intel 神经拟态研究芯片“Loihi”学习和识别危险化学品的能力。
这项成果意味着一种强大方法的出现，在此基础上，未来可开发出超越当前人工智能趋势的新算法。
据介绍，Loihi 只需要单一样本，就可以学会识别每一种气味，而且不会破坏它对先前所学气味的记忆，展现出了极其出色的识别准确率。
如果使用传统方法，即便最出色的深度学习方案，要达到与 Loihi 相同的气味分类准确率，学习每一种气味都需要 3000 倍以上的训练样本。
Intel 神经拟态研究芯片 Loihi
Intel 研究院神经拟态计算小组高级研究科学家、拥有神经拟态计算博士学位的 Nabil Imam 介绍说，康奈尔大学负责研究动物的生物嗅觉系统，并测量动物闻到气味时的脑电波活动，然后 Intel 根据这些电路图与电脉冲，导出一套算法，并将其配置在神经拟态芯片上。
Imam 带领团队采用了一个由 72 个化学传感器活动组成的数据集，可对一个风洞实验中循环的 10 种气体物质(气味)作出反应。传感器对各种气味的反应被传送至 Loihi，由其芯片电路对嗅觉背后的大脑电路进行模拟。
在研究人员的指导下，Loihi 已经迅速掌握了 10 种不同气味的神经表征，其中包括丙酮、氨和甲烷，而且即使有强烈的环境干扰也能准确识别。
而传统烟雾和一氧化碳探测器能使用传感器来探测气味，虽然能探测到空气中的有害分子并发出警报，但无法对各种气味进行区分。
Intel 神经拟态计算实验室高级研究科学家 Nabil Imam 表示：“我们正在 Loihi 上开发神经算法，来模拟人类嗅到气味时的大脑运行机制。这项工作堪称神经科学与人工智能技术交叉领域的当代研究典范，并且证实 Loihi 有望提供重要的感知能力，并惠及各行各业。”
Loihi 芯片采用 14nm 工艺，管芯尺寸 60 毫米，包含超过 20 亿个晶体管、13 万个人工神经元和 1.3 亿个突触。Loihi 异步电路，不需要全局时钟信号，而是采用可编程微代码引擎，用异步脉冲神经网络（SNN）或 AI 模型行进片上训练，该模型将时间整合到其操作模型中，因此模型的组件不会同时处理输入数据。
据悉，用 Intel Loihi 芯片来处理稀疏编码、图形搜索、约束满足问题等特殊应用，速度比传统 CPU 快 1000 倍，效率比传统 CPU 高 10000 倍，它还能将某些优化方案的速度和能效提高了超过三个数量级。Intel 表示，这将用于“高效”地实施自适应学习、事件驱动和细粒度并行计算。
此前，2019 年 7 月，Intel 宣布了代号“Pohoiki Beach”的全新神经拟态系统，包含多达 64 颗 Loihi 芯片，集成了 1320 亿个晶体管，总面积 3840 平方毫米，拥有 800 万个神经元、80 亿个突触。
从理论上讲，Loihi 可以扩展到最多 16384 颗芯片互连，那就是超过 20 亿个神经元——人类大脑有大约 860 亿个神经元。
将来，这项技术可能使“电子鼻”和机器人能够检测武器、爆炸物、麻醉品甚至疾玻。
Intel Loihi 神经拟态芯片诞生于 2017 年 9 月，脱离传统硅芯片的冯诺依曼计算模型，而是模仿人脑原理的神经拟态计算方式，并且是异步电路，不需要全局时钟信号，而是使用异步脉冲神经网络(SNN)。
閱讀更多 與非網 的文章
