除了会看会听，还会“闻”。近日，一直致力于模仿人类五感的人工智能又有新突破，通过神经拟态芯片，人工智能已经掌握了丙酮、氨和甲烷等10种气味的神经表征，强烈的环境干扰也不会影响它对气味的准确识别。这项由英特尔研究院与美国康奈尔大学共同参与的研究成果，日前发表于《自然·机器智能》杂志上。
神经拟态即通过模拟人脑神经元的工作机制，让计算机具备像人一样的自然智能特性。英特尔公布的另一项研究显示，将上述768块神经拟态芯片集成在5台标准服务器大小的机箱中形成的神经拟态系统——Pohoiki Springs，已经相当于拥有了1亿个神经元的大脑，而这相当于一个小型哺乳动物的大脑神经元数量。
通过堆叠芯片形成的神经拟态系统似乎让我们看到了“机器可以和人一样聪明”的希望，那神经拟态芯片及大规模集成系统的就绪，是否意味着“强认知、小样本学习”的神经拟态计算有了规模商用的可能?
神经拟态训练无需大量样本
目前深度学习算法作为实现人工智能的重要技术手段，被广泛应用于各类人工智能成果中。对于以深度学习算法为支撑的人工智能成果，数据可以说是研究的血液。数据量越大，数据质量越高，深度学习所表现的性能也就越好。但在不少研究环境中，由于涉及隐私安全以及客观条件限制，有效数据难以获得。
“深度学习虽然取得了长足进步，但仍局限在图像和语音等方面的分类和识别中。”英特尔中国研究院院长宋继强说，人类视觉、语音两类数据容易获得和标注，满足了深度学习的必要条件，研究及应用相对成熟，但味觉和嗅觉的研究却没那么乐观。
对于传统的人工智能来说，主流的深度学习方法，可能需要设置上亿个参数，训练数十万次，才能辨别出猫和狗的区别，更不用说更为陌生的气味识别领域。但是，即便对于一个几岁的婴孩来说，他们辨认动物、识别气味只需要几次就够了。
普通人经过训练能区分三四百种到数千种气味，但现实世界可以区分的气味超过万种。为模拟人类嗅到气味的大脑运行机制，研究人员采用了一套源自人类大脑嗅觉回路结构和动力学相结合的神经算法训练神经拟态芯片，仅需单一样本，神经拟态芯片便可学会识别10种气味，且不会破坏它对已学气味的记忆。
宋继强表示，即便是此前最先进的深度学习解决方案，要达到与神经拟态芯片相同的分类准确率，也需要3000倍以上的训练样本。
“理解大脑的神经网络如何解决这些复杂的计算问题，将为设计高效、强大的机器智能提供重要启示。”英特尔神经拟态计算实验室高级研究科学家纳比尔·伊玛目说，下一步计划将这种方法推进到更广的应用领域，包括从感官场景分析到规划和决策等抽象问题。
芯片向人脑进化成为可能
一只瓢虫的大脑有25万个到50万个神经元，蟑螂的大脑有100万个神经元，斑马鱼的大脑有1000万个神经元，小型哺乳动物大脑有1亿个神经元。 上一页 1 2 下一页
