模生物嗅觉的神经算法，能让电脑芯片识别气味
最后更新：2020-03-18 10:05:46 手机定位技术交流文章
Photo Source @ vision China
|学术头条
当我们闻到橙色时，你有没有想过它的气味可能会与其他气味混合，如汽车尾气、垃圾、鲜花、肥皂等这些气味同时与大脑嗅球中的数百个受体结合，相互掩盖，并将橙色气味与其他完全不同的气味混合在一起，但我们仍然可以分辨出橙色气味。
那么我们为什么能准确地鉴别出味道呢？这是因为当我们闻到桔子时，桔子的分子会刺激我们鼻子里的嗅觉细胞，这些细胞会立即向大脑的嗅觉系统发送信号。在这个过程中，一组相互连接的神经元中的电脉冲会产生特定于物体的气味。
同样，我们的视觉、听觉、情感等都有独立的神经网络，它们是以特定的方式计算出来的然而，哺乳动物如何学习和识别气味的精确机制一直困扰着科学家。受哺乳动物嗅觉系统的启发，英特尔神经形态测量实验室的纳比·伊玛目和康奈尔大学心理学系计算生理学实验室的托马斯·克莱兰在最新一期《自然-机器智能》上发表了一篇论文。本文报道了一种模拟生物嗅觉的神经算法。该结果可能有助于训练人工鼻在未知背景气味的情况下识别未来应用中的特定气味。
论文图片(来源:自然官方网站)
论文描述了一种基于哺乳动物嗅觉系统的神经算法，它可以学习和识别气味样本之后，研究人员在神经形态系统中实现了神经算法，并使用了甲苯、氨、丙酮、一氧化碳和甲烷等。对神经算法进行气味训练，使其即使在强背景干扰的情况下也能识别。
这个算法不仅揭示了大脑是如何工作的，而且还将其应用于计算机芯片，以比现有的机器学习模型更快、更可靠地学习气味模式。研究结果还揭示了有助于理解哺乳动物嗅觉和改进人工化学传感系统的计算特征。这些发现也意味着改造这种生物神经系统或代表一种强大的方法，可以开发出超越当前人工智能的新算法。
”这是十多年研究的结果。通过啮齿动物研究，我们试图找出它是如何工作的，并让我们知道动物能做什么，而机器不能做什么。”我们对这项工作已经了解得够多了，并且已经建立了一个基于这个回路的计算模型，这个模型主要由我们所知的生物系统的连通性和动力学来指导。”托马斯·克伦说
芯片检测复杂混合物中的不同气味
克兰德和合作者纳比尔·伊玛目博士将该算法应用于英特尔的计算机芯片这个名为Loihi的研究芯片是一种神经形态芯片。它的设计灵感来自大脑的功能模式，集成了模拟神经元交流和学习模式的数字电路。与现有的计算机芯片相比，这种架构在算法设计上需要采用完全不同的策略。
就像哺乳动物大脑中的嗅觉系统。人工智能的一些神经元被设计成通过在不同时间发送脉冲来响应化学传感器的输入。其他神经元学习识别构成气味电信号的光点模式
，一个大脑启发设置，可以刺激神经形态学人工智能学习新气味比传统的人工神经网络更好传统的人工神经网络是一个统一的网络，最初由相同的、空白的神经元组成。如果我们将神经网络与运动队进行比较，它的成员可以分配位置并了解比赛规则，那么普通的神经网络就像一群跑步新手。
英特尔实验室的纳比尔·伊玛目和他的神经形态芯片
就像一支运动队，可能只需要看一场比赛就能理解战略并在新的环境下实施。神经形态人工智能可以嗅出一种新气味的样本，而且它甚至可以在未来识别其他未知气味中的气味。
使用神经形态的计算机芯片，机器学习识别模式或执行某些任务的速度比使用计算机的中央或图形处理单元快一千倍。英特尔表示，在Loihi研究芯片上运行一些算法也比传统方法消耗大约1000倍的能量。
该芯片是克莱兰算法的最佳平台。它可以接受来自一组传感器的输入模式，快速有序地学习多种模式，然后在强烈的感官干扰下识别每个有意义的模式。即使气味模式与计算机最初学习的模式相差80%，该算法也能成功地识别气味。
哺乳动物的大脑非常擅长识别和记忆气味。它有数百甚至数千个嗅觉感受器和复杂的神经网络，能够快速分析与气味相关的模式。即使我们获得了新知识，我们的大脑也会保留我们所学的知识。这对哺乳动物来说很容易，但对人工智能系统来说却很难。特别是在深度学习方法中，所有的内容必须同时呈现给网络，新的信息经常会扭曲或破坏系统以前所学的内容。
学习新的气味，不会忘记其他气味。然而，这个受大脑启发的算法解决了这个问题神经形态人工智能可以在最初的训练后继续学习新的气味，这与大脑中新细胞的形成方式相似。他们会努力学习新的气味，而不会忘记其他气味。
为了证明这一点，克兰和伊玛目训练了他们的神经形态学人工智能和标准人工智能来专门识别甲苯(油漆和指甲油中常见的刺鼻气味)；然后，研究人员试图教神经网络识别丙酮，一种指甲油去除剂的成分。
神经形式人工智能只需在气味识别系统中加入丙酮就能识别人，但标准人工智能在学习丙酮时不能忘记甲苯的气味
克兰德说，“当你学习一种气味时，中间神经元将被训练对一种特定的气味作出反应，并在中间神经元的水平上被分离出来。”所以就机器而言，我们只是加强了气味，并画出了一条明确的界限。“
这也解释了以前被误解的现象:为什么大脑的嗅球是成年哺乳动物能够产生新神经元的少数几个地方之一
克伦说，“这个计算模型已经成为一个生物学假设，解释了为什么成人神经发生是重要的。”从某种意义上来说，这种模式正在反馈给生物学另一方面，它是一套人工嗅觉系统设备的基础，可用于商业目的。
大脑的复杂性促使克莱兰将他的神经科学研究集中在由显式计算模型指导的理论方法上克莱兰德说，“当你开始研究一个生物过程，它变得比你能直观知道的更复杂时，你必须用一个计算机模型来训练你的大脑，而你不能通过它探索你自己的方式。”这让我们想起许多我们无法想象的新实验方法和想法。“
机器人配有神经形态芯片
Imam说，”多年来化学传感界一直在寻找智能、可靠和快速反应的化学传感处理系统，也称为电子鼻系统。”
何认为，装有神经形态芯片的机器人有潜力用于环境检测和有害物质检测，或用于工厂的质量控制工作，也可用于某些散发特殊气味的疾病的医学诊断。患有神经畸形的机器人也能更好地识别机场安检线上的有害物质。
在未来，该项目的下一个计划是将此方法扩展到更广泛的问题，从感官场景分析到抽象问题，如规划和决策理解大脑的神经回路如何解决这些复杂的计算问题，将为设计高效和健壮的机器智能提供重要线索。除了
，伊玛目说，“嗅觉感知是一项挑战。当你走进杂货店时，你可能会闻到草莓的味道，但它的味道可能与蓝莓或香蕉相似，这可能会导致大脑中非常相似的神经活动模式。”有时候，人们甚至很难区分水果和不同的气味。”
何希望在未来几年内解决这些挑战，并使其成为一种能够解决现实世界问题的产品，而不仅仅是那些在实验室中演示的实验性问题。他认为他的工作是“当代神经科学和人工智能研究的典型例子”
参考文献:
[1]https://nature.com/articles/s42256-020-0159-4
[2]https://techxplore.com/news/ 2020-03-人工智能-突破-哺乳动物-大脑
本文由 在线网速测试 整理编辑，转载请注明出处。
