英國《自然·機器智能》雜志16日發(fā)表的一項人工智能研究，英特爾神經(jīng)形態(tài)計算實驗室以及康奈爾大學的聯(lián)合團隊報告稱，他們實現(xiàn)了一種設計用來模擬生物嗅覺的神經(jīng)算法。這項成果意味著一種強大方法的出現(xiàn)，在此基礎上，未來可開發(fā)出超越當前人工智能趨勢的新算法。

神經(jīng)形態(tài)計算能夠大幅提升數(shù)據(jù)處理能力和機器學習能力，能耗和體積都非常理想，被認為是高性能計算的下一發(fā)展階段。而神經(jīng)形態(tài)芯片的設計，是使用受大腦啟發(fā)而形成的計算機器，即通過創(chuàng)造由人工神經(jīng)元和突觸組成的網(wǎng)絡來實現(xiàn)。但是，目前仍不明確的是，如何利用這種機器解決現(xiàn)實問題。這主要是因為我們對在生物神經(jīng)回路層面實現(xiàn)的算法了解還不夠透徹。

此次，英特爾神經(jīng)形態(tài)計算實驗室科學家納比爾·伊姆艾姆和康奈爾大學心理學系計算生理學實驗室研究人員托馬斯·克萊蘭德，在英特爾“Loihi”神經(jīng)形態(tài)系統(tǒng)上，描述了一種基于哺乳動物嗅覺系統(tǒng)的神經(jīng)算法，可以學習并鑒別氣味樣本。研究團隊之后在一個神經(jīng)形態(tài)系統(tǒng)中，實現(xiàn)該神經(jīng)算法，并利用甲苯、氨、丙酮、一氧化碳和甲烷等，對其進行氣味訓練，最后在風洞中通過傳感器的數(shù)據(jù)進行測試。

該研究結果有助于理解哺乳動物嗅覺以及改進人工化學感知系統(tǒng)的計算特征。這些發(fā)現(xiàn)也意味著，改造此類生物神經(jīng)系統(tǒng)，或代表了一種可以開發(fā)出超越當前人工智能趨勢算法的新方法。

研究人員表示，該算法適用于將高維信號嵌入未知背景的任何信號識別問題，還可以有助于未來在應用程序中，訓練人工鼻子在未知背景氣味的情況下識別特定氣味。

此前，英特爾的首款神經(jīng)擬態(tài)芯片“Loihi”可以通過脈沖或尖峰傳遞信息，并自動調節(jié)突觸強度。其利用環(huán)境中的各種反饋信息進行自主學習、下達命令，被認為與人類大腦運行機制相似。

神經(jīng)形態(tài)計算一直被寄予厚望。就算摩爾定律終結，它仍能繼續(xù)帶領信息時代向前。神經(jīng)形態(tài)計算可以大幅度提升數(shù)據(jù)處理能力和機器學習能力，更重要的是，神經(jīng)形態(tài)芯片比傳統(tǒng)芯片的能耗要低得多。不過，它到底能做些什么？研究者如今開發(fā)了一種模擬生物嗅覺的神經(jīng)算法，它可以學習和鑒別氣味樣本。每一個可能的突破，都會讓科研人員離使用一種新的能力更近一步。當然，在研究人工智能的同時，我們也能發(fā)現(xiàn)，人類大腦真神奇，所有的模擬和突破都這么費勁。
責任編輯；zl