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(yīng)用空間，人類對大腦的認(rèn)知以及類腦芯片、AI芯片又跨上新臺階，未來的芯片發(fā)展之路又有可能另辟蹊徑。

類似人類大腦的神經(jīng)擬態(tài)芯片

神經(jīng)擬態(tài)計算一直被寄予厚望。就算摩爾定律終結(jié)，它仍能繼續(xù)帶領(lǐng)信息時代向前。神經(jīng)擬態(tài)計算可以大幅度提升數(shù)據(jù)處理能力和機(jī)器學(xué)習(xí)能力，更重要的是，神經(jīng)擬態(tài)芯片比傳統(tǒng)芯片的能耗要低得多。

神經(jīng)擬態(tài)計算是英特爾為應(yīng)對計算領(lǐng)域非結(jié)構(gòu)化、有噪聲數(shù)據(jù)日益增加等挑戰(zhàn)而研發(fā)的新的計算機(jī)架構(gòu)。應(yīng)用神經(jīng)科學(xué)的最新見解，來創(chuàng)造作用方式更類似于人腦的芯片而非傳統(tǒng)計算機(jī)的芯片。神經(jīng)擬態(tài)系統(tǒng)在硬件層面上復(fù)制了神經(jīng)元組織、通信和學(xué)習(xí)方式。

其實(shí)神經(jīng)擬態(tài)計算的出現(xiàn)，就是要解決那些現(xiàn)在機(jī)器學(xué)習(xí)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(jīng)擬態(tài)芯片誕生于2017年9月，脫離傳統(tǒng)硅芯片的馮諾依曼計算模型，而是模仿人腦原理的神經(jīng)擬態(tài)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(jīng)網(wǎng)絡(luò)（SNN），在特定應(yīng)用中要比傳統(tǒng)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(jīng)擬態(tài)系統(tǒng)，包含多達(dá)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(jīng)元、80億個突觸。

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

Loihi干擾環(huán)境下可嗅出10種有害物質(zhì)

而此次在英特爾“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(xué)習(xí)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(jù)這些電路圖與電脈沖，導(dǎo)出一套算法，并將其配置在神經(jīng)擬態(tài)芯片上。

Loihi只需要單一樣本，就可以學(xué)會識別每一種氣味，而且不會破壞它對先前所學(xué)氣味的記憶，展現(xiàn)出了極其出色的識別準(zhǔn)確率。而如果使用傳統(tǒng)方法，即便最出色的深度學(xué)習(xí)方案，要達(dá)到與Loihi相同的氣味分類準(zhǔn)確率，學(xué)習(xí)每一種氣味都需要3000倍以上的訓(xùn)練樣本。

模擬生物嗅覺的神經(jīng)算法并非簡單的探測氣味，這與傳統(tǒng)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(fā)報警，但卻無法區(qū)分各種氣味。

而此次模擬生物嗅覺的神經(jīng)算法，利用甲苯、氨、丙酮、一氧化碳和甲烷等等10種有害化學(xué)物質(zhì)氣體對其進(jìn)行氣味訓(xùn)練，最后在風(fēng)洞中通過傳感器的數(shù)據(jù)進(jìn)行測試。即使存在其他強(qiáng)烈氣味，該芯片也可以識別這些有害物質(zhì)。

未來的應(yīng)用——“電子鼻系統(tǒng)”

化學(xué)傳感領(lǐng)域多年來一直在尋找智能的、可靠的和快速響應(yīng)的化學(xué)傳感處理系統(tǒng)，或者稱之為“電子鼻系統(tǒng)”。搭載了神經(jīng)擬態(tài)芯片的機(jī)器人在環(huán)境監(jiān)測、危險物質(zhì)檢測以及在工廠質(zhì)量控制方面的應(yīng)用潛力。該系統(tǒng)還可應(yīng)用于醫(yī)療診斷，因?yàn)榛加心承┘膊�會散發(fā)出特定的氣味。也可以搭載神經(jīng)擬態(tài)芯片的機(jī)器人可應(yīng)用于機(jī)場安檢區(qū)域，能夠更高效地識別危險物質(zhì)。

在未來加入更多感官，將這種方法推廣到更廣泛的應(yīng)用領(lǐng)域，包括從感官場景分析到規(guī)劃和決策等抽象問題。理解大腦的神經(jīng)網(wǎng)絡(luò)如何解決這些復(fù)雜的計算問題，將為設(shè)計高效、強(qiáng)大的機(jī)器智能提供重要啟示。

Loihi未來的挑戰(zhàn)

嗅覺領(lǐng)域存在著一些挑戰(zhàn)，當(dāng)你走進(jìn)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(lán)莓或香蕉的氣味，它們會在大腦中引發(fā)非常相似的神經(jīng)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(dāng)系統(tǒng)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?dú)w為一類。這些是目前在研究嗅覺信號識別時面臨的挑戰(zhàn)，期待在未來幾年內(nèi)解決這些問題，這樣的產(chǎn)品才能解決現(xiàn)實(shí)的問題，而不僅僅是解決在實(shí)驗(yàn)室演示的實(shí)驗(yàn)性問題。

結(jié)尾：

如今開發(fā)了一種模擬生物嗅覺的神經(jīng)算法，它可以學(xué)習(xí)和鑒別氣味樣本也代表了一種可以開發(fā)出超越當(dāng)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。