康奈爾大學(xué)的研究人員創(chuàng)造了一種受哺乳動物嗅覺系統(tǒng)啟發(fā)的計算機(jī)算法。長期以來，科學(xué)家們一直在尋找哺乳動物如何學(xué)習(xí)和識別氣味的解釋。新算法提供了對大腦運作的洞察，并將其應(yīng)用于計算機(jī)芯片使其能夠比當(dāng)前的機(jī)器學(xué)習(xí)模型更好地快速可靠地學(xué)習(xí)模式。

Thomas Cleland 是心理學(xué)教授，也是3 月 16 日在Nature Machine Intelligence上發(fā)表的題為“ Rapid Learning and Robust Recall in a Neuromorphic Olfactory Circuit ”的研究的資深作者。

“這是十多年來研究嚙齒動物嗅球電路并試圖從本質(zhì)上弄清楚它是如何工作的結(jié)果，著眼于我們知道動物可以做而我們的機(jī)器做不到的事情，”克萊蘭德說。

“我們現(xiàn)在知道的足以完成這項工作。我們已經(jīng)基于這個電路建立了這個計算模型，很大程度上受到我們對生物系統(tǒng)連接性和動力學(xué)的了解的指導(dǎo)，”他繼續(xù)說道。“然后我們說，如果是這樣，這將起作用。有趣的是，它確實有效。”

英特爾電腦芯片

Cleland 加入了合著者、英特爾研究員 Nabil Imam 的行列，他們一起將算法應(yīng)用于英特爾計算機(jī)芯片。該芯片被稱為 Loihi，它是神經(jīng)形態(tài)的，這意味著它受到大腦功能的啟發(fā)。該芯片具有模擬神經(jīng)元學(xué)習(xí)和交流方式的數(shù)字電路。

Loihi 芯片依賴于通過離散尖峰進(jìn)行通信的并行內(nèi)核，這些尖峰中的每一個都具有可以根據(jù)本地活動而改變的效果。這需要與現(xiàn)有計算機(jī)芯片中使用的不同的算法設(shè)計策略。

通過使用神經(jīng)形態(tài)計算機(jī)芯片，機(jī)器在識別模式和執(zhí)行某些任務(wù)方面可以比計算機(jī)的中央或圖形處理單元快一千倍。

Loihi 研究芯片還可以運行某些算法，同時使用比傳統(tǒng)方法少約一千倍的功率。這非常適合該算法，該算法可以接受來自各種不同傳感器的輸入模式，快速順序地學(xué)習(xí)模式，并且即使在強(qiáng)烈的感官干擾下也能識別出每個有意義的模式。該算法能夠成功識別氣味，并且當(dāng)模式與計算機(jī)最初學(xué)習(xí)的模式相差驚人的 80% 時，它就可以做到這一點。

“信號模式已被嚴(yán)重破壞，”克萊蘭德說，“但系統(tǒng)能夠恢復(fù)它。”

哺乳動物的大腦

哺乳動物的大腦能夠非常好地識別和記住氣味，并且可以有數(shù)千個嗅覺受體和復(fù)雜的神經(jīng)網(wǎng)絡(luò)來分析與氣味相關(guān)的模式。哺乳動物比人工智能系統(tǒng)做得更好的一件事是保留他們所學(xué)的知識，即使在有了新知識之后也是如此。在深度學(xué)習(xí)方法中，必須立即向網(wǎng)絡(luò)呈現(xiàn)所有內(nèi)容，因為新信息會影響甚至破壞系統(tǒng)先前學(xué)習(xí)的內(nèi)容。

“當(dāng)你學(xué)習(xí)一些東西時，它會永久區(qū)分神經(jīng)元，”克萊蘭德說。“當(dāng)你學(xué)習(xí)一種氣味時，中間神經(jīng)元會被訓(xùn)練來對特定的配置做出反應(yīng)，所以你會在中間神經(jīng)元的水平上得到這種分離。所以在機(jī)器方面，我們只是加強(qiáng)它并劃清界限。”

Cleland 談到了團(tuán)隊如何想出新的實驗方法。

“當(dāng)你開始研究一個變得比你僅僅憑直覺更復(fù)雜和復(fù)雜的生物過程時，你必須用計算機(jī)模型來訓(xùn)練你的思維，”他說。“你不能通過它模糊你的方式。這使我們產(chǎn)生了許多新的實驗方法和想法，而這些方法和想法是我們僅憑目測就無法想出的。”