英特尔和康奈尔大学实现了一种用来模拟生物嗅觉的神经算法

英国《自然·机器智能》杂志16日发表的一项人工智能研究，英特尔神经形态计算实验室以及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。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。

神经形态计算能够大幅提升数据处理能力和机器学习能力，能耗和体积都非常理想，被认为是高性能计算的下一发展阶段。而神经形态芯片的设计，是使用受大脑启发而形成的计算机器，即通过创造由人工神经元和突触组成的网络来实现。但是，目前仍不明确的是，如何利用这种机器解决现实问题。这主要是因为我们对在生物神经回路层面实现的算法了解还不够透彻。

此次，英特尔神经形态计算实验室科学家纳比尔·伊姆艾姆和康奈尔大学心理学系计算生理学实验室研究人员托马斯·克莱兰德，在英特尔“Loihi”神经形态系统上，描述了一种基于哺乳动物嗅觉系统的神经算法，可以学习并鉴别气味样本。研究团队之后在一个神经形态系统中，实现该神经算法，并利用甲苯、氨、丙酮、一氧化碳和甲烷等，对其进行气味训练，最后在风洞中通过传感器的数据进行测试。

该研究结果有助于理解哺乳动物嗅觉以及改进人工化学感知系统的计算特征。这些发现也意味着，改造此类生物神经系统，或代表了一种可以开发出超越当前人工智能趋势算法的新方法。

研究人员表示，该算法适用于将高维信号嵌入未知背景的任何信号识别问题，还可以有助于未来在应用程序中，训练人工鼻子在未知背景气味的情况下识别特定气味。

此前，英特尔的首款神经拟态芯片“Loihi”可以通过脉冲或尖峰传递信息，并自动调节突触强度。其利用环境中的各种反馈信息进行自主学习、下达命令，被认为与人类大脑运行机制相似。

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。不过，它到底能做些什么？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。
责任编辑；zl