擁有“嗅覺”的新神經算法芯片介紹

前言：
人類除視覺、聽覺之外，在嗅覺研究上有新突破，帶來新想象空間和應用空間，人類對大腦的認知以及類腦芯片、AI芯片又跨上新臺階，未來的芯片發展之路又有可能另辟蹊徑。

類似人類大腦的神經擬態芯片

神經擬態計算一直被寄予厚望。就算摩爾定律終結，它仍能繼續帶領信息時代向前。神經擬態計算可以大幅度提升數據處理能力和機器學習能力，更重要的是，神經擬態芯片比傳統芯片的能耗要低得多。

神經擬態計算是英特爾為應對計算領域非結構化、有噪聲數據日益增加等挑戰而研發的新的計算機架構。應用神經科學的最新見解，來創造作用方式更類似于人腦的芯片而非傳統計算機的芯片。神經擬態系統在硬件層面上復制了神經元組織、通信和學習方式。

其實神經擬態計算的出現，就是要解決那些現在機器學習都做不了的事情，而這些事情通過類腦芯片能夠得到很好的解決。

Intel “Loihi”的誕生

Intel “Loihi”神經擬態芯片誕生于2017年9月，脫離傳統硅芯片的馮諾依曼計算模型，而是模仿人腦原理的神經擬態計算方式，并且是異步電路，不需要全局時鐘信號，而是使用異步脈沖神經網絡（SNN），在特定應用中要比傳統CPU速度快最多1000倍，能效高最多10000倍。

2019年7月，Intel又宣布了代號“Pohoiki Beach”的全新神經擬態系統，包含多達64顆Loihi芯片，集成了1320億個晶體管，總面積3840平方毫米，擁有800萬個神經元、80億個突觸。

從理論上講，Loihi可以擴展到最多16384顆芯片互連，那就是超過20億個神經元——人類大腦有大約860億個神經元。

Loihi干擾環境下可嗅出10種有害物質

而此次在英特爾“Loihi”神經形態系統上，描述了一種基于哺乳動物嗅覺系統的神經算法，可以學習并鑒別氣味樣本。通過測量動物聞到氣味時的腦電波活動，然后Intel根據這些電路圖與電脈沖，導出一套算法，并將其配置在神經擬態芯片上。

Loihi只需要單一樣本，就可以學會識別每一種氣味，而且不會破壞它對先前所學氣味的記憶，展現出了極其出色的識別準確率。而如果使用傳統方法，即便最出色的深度學習方案，要達到與Loihi相同的氣味分類準確率，學習每一種氣味都需要3000倍以上的訓練樣本。

模擬生物嗅覺的神經算法并非簡單的探測氣味，這與傳統煙霧和一氧化碳探測報警器不一樣，雖然上述儀器可以探測出空氣中有害的分子而觸發報警，但卻無法區分各種氣味。

而此次模擬生物嗅覺的神經算法，利用甲苯、氨、丙酮、一氧化碳和甲烷等等10種有害化學物質氣體對其進行氣味訓練，最后在風洞中通過傳感器的數據進行測試。即使存在其他強烈氣味，該芯片也可以識別這些有害物質。

未來的應用——“電子鼻系統”

化學傳感領域多年來一直在尋找智能的、可靠的和快速響應的化學傳感處理系統，或者稱之為“電子鼻系統”。搭載了神經擬態芯片的機器人在環境監測、危險物質檢測以及在工廠質量控制方面的應用潛力。該系統還可應用于醫療診斷，因為患有某些疾病會散發出特定的氣味。也可以搭載神經擬態芯片的機器人可應用于機場安檢區域，能夠更高效地識別危險物質。

在未來加入更多感官，將這種方法推廣到更廣泛的應用領域，包括從感官場景分析到規劃和決策等抽象問題。理解大腦的神經網絡如何解決這些復雜的計算問題，將為設計高效、強大的機器智能提供重要啟示。

Loihi未來的挑戰

嗅覺領域存在著一些挑戰，當你走進一家雜貨店時，可能會聞到草莓的氣味，但其氣味可能類似于藍莓或香蕉的氣味，它們會在大腦中引發非常相似的神經活動模式。有時候，人類甚至很難分辨出究竟是一種水果氣味還是多種香味的混合。

當系統聞到來自意大利的草莓和來自加利福尼亞的草莓時可能會出錯，這兩種草莓可能有不同的香味，但需要歸為一類。這些是目前在研究嗅覺信號識別時面臨的挑戰，期待在未來幾年內解決這些問題，這樣的產品才能解決現實的問題，而不僅僅是解決在實驗室演示的實驗性問題。

結尾：

如今開發了一種模擬生物嗅覺的神經算法，它可以學習和鑒別氣味樣本也代表了一種可以開發出超越當前人工智能趨勢算法的新方法。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。