圖片來(lái)源@視覺(jué)中國(guó)

文｜學(xué)術(shù)頭條

當(dāng)我們聞到橘子味時(shí)，你有沒(méi)有想過(guò)它的氣味很可能與其他幾種氣味結(jié)合在一起，比如汽車尾氣、垃圾、鮮花、肥皂等。這些氣味同時(shí)與大腦嗅球中的數(shù)百個(gè)感受器結(jié)合，彼此掩蓋，使橘子味與其他完全不同的氣味混合在一起，但我們?nèi)匀荒鼙鎰e出橘子的氣味。

那為何我們能精確辨別其中的味道呢？這是因?yàn)楫?dāng)我們聞橘子時(shí)，橘子的分子會(huì)刺激我們鼻子中的嗅覺(jué)細(xì)胞，該細(xì)胞會(huì)立即向大腦的嗅覺(jué)系統(tǒng)發(fā)送信號(hào)，在此過(guò)程中，相互連接的一組神經(jīng)元內(nèi)的電脈沖會(huì)產(chǎn)生特定于該物體的嗅覺(jué)。

同樣，我們的視覺(jué)、聽(tīng)覺(jué)、情緒等都具有獨(dú)立的神經(jīng)網(wǎng)絡(luò)，這些網(wǎng)絡(luò)以特定的方式進(jìn)行計(jì)算。但是一直以來(lái)哺乳動(dòng)物如何學(xué)習(xí)和識(shí)別氣味的精確機(jī)制仍然困擾著科學(xué)家。

受哺乳動(dòng)物嗅覺(jué)系統(tǒng)的啟發(fā)，美國(guó)英特爾神經(jīng)形態(tài)計(jì)算實(shí)驗(yàn)室的 Nabil Imam 和美國(guó)康奈爾大學(xué)心理系計(jì)算生理實(shí)驗(yàn)室的 Thomas Cleland 在最新一期《自然-機(jī)器智能》發(fā)表了一篇論文，該論文報(bào)告了一種設(shè)計(jì)用來(lái)模擬生物嗅覺(jué)的神經(jīng)算法，這項(xiàng)成果或有助于未來(lái)在應(yīng)用程序中，訓(xùn)練人工鼻子在存在未知背景氣味的情景下，識(shí)別特定氣味。

論文圖片（來(lái)源：Nature官網(wǎng)）

論文描述了一種基于哺乳動(dòng)物嗅覺(jué)系統(tǒng)的神經(jīng)算法，可以學(xué)習(xí)并鑒別氣味樣本。之后，研究人員在一個(gè)神經(jīng)形態(tài)系統(tǒng)中實(shí)現(xiàn)該神經(jīng)算法，并利用甲苯、氨、丙酮、一氧化碳和甲烷等，對(duì)其進(jìn)行氣味訓(xùn)練，即使在強(qiáng)烈背景干擾物的情況下也能識(shí)別它們。

該算法不僅揭示了大腦是如何工作的，并且將其應(yīng)用到計(jì)算機(jī)芯片上，可以比現(xiàn)有的機(jī)器學(xué)習(xí)模型更快、更可靠地學(xué)習(xí)氣味的模式。研究結(jié)果也揭示了有助于理解哺乳動(dòng)物嗅覺(jué)以及改進(jìn)人工化學(xué)感知系統(tǒng)的計(jì)算特征。這些發(fā)現(xiàn)同時(shí)也意味著，改造此類生物神經(jīng)系統(tǒng)或代表了一種可以開(kāi)發(fā)出超越當(dāng)前人工智能的新算法的強(qiáng)大方法。

“這是十多年來(lái)的研究結(jié)果，通過(guò)嚙齒動(dòng)物研究試圖弄清楚其工作原理，讓我們知道動(dòng)物可以做但機(jī)器不能做的事情。我們現(xiàn)在已經(jīng)足夠了解這項(xiàng)工作了，已經(jīng)在這種電路的基礎(chǔ)上建立了計(jì)算模型，這主要是以我們所知道的生物系統(tǒng)的連接性和動(dòng)力學(xué)為指導(dǎo)。”Thomas Cleland 說(shuō)道。

芯片檢測(cè)復(fù)雜混合物中不同氣味

Cleland 和合作者 Nabil Imam 博士將該算法應(yīng)用到英特爾的電腦芯片上。這種被稱為 Loihi 的研究芯片是一種神經(jīng)形態(tài)芯片，它的設(shè)計(jì)靈感受大腦的功能方式所啟發(fā)，集成了模擬神經(jīng)元交流和學(xué)習(xí)方式的數(shù)字電路。與現(xiàn)有的計(jì)算機(jī)芯片相比，這種體系結(jié)構(gòu)在算法設(shè)計(jì)上需要采用完全不同的策略。

就像哺乳動(dòng)物大腦中的嗅覺(jué)系統(tǒng)一樣，人工智能的一些神經(jīng)元被設(shè)計(jì)成通過(guò)發(fā)出不同時(shí)間的脈沖來(lái)對(duì)化學(xué)傳感器的輸入做出反應(yīng)。其他神經(jīng)元學(xué)習(xí)識(shí)別那些構(gòu)成氣味電信號(hào)的光點(diǎn)的模式。

這一受大腦啟發(fā)的設(shè)置比傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)更能激發(fā)神經(jīng)形態(tài)的 AI 來(lái)學(xué)習(xí)新的氣味。傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)一開(kāi)始是一個(gè)由相同的、空白的石板神經(jīng)元組成的統(tǒng)一網(wǎng)絡(luò)。如果將神經(jīng)形態(tài)的神經(jīng)網(wǎng)絡(luò)比作一個(gè)運(yùn)動(dòng)隊(duì)，它的隊(duì)員能夠分配位置，并且知道比賽的規(guī)則，那么普通的神經(jīng)網(wǎng)絡(luò)，就像是一群亂跑的新手。

英特爾實(shí)驗(yàn)室的Nabil Imam和他的神經(jīng)形態(tài)芯片

就像一個(gè)運(yùn)動(dòng)隊(duì)可能只需要看一場(chǎng)比賽，就可以理解策略并在新的情況下實(shí)施，神經(jīng)形態(tài)的人工智能可以嗅出一種新氣味的一個(gè)樣本，在未來(lái)即使是在其他未知的氣味中也能識(shí)別氣味。

使用神經(jīng)形態(tài)計(jì)算機(jī)芯片，機(jī)器學(xué)習(xí)識(shí)別模式或執(zhí)行某些任務(wù)的速度比使用計(jì)算機(jī)的中央或圖形處理單元快一千倍。英特爾表示，在 Loihi 研究芯片上運(yùn)行某些算法所消耗的能量，也比傳統(tǒng)方法少了大約一千倍。

該芯片是 Cleland 算法的最佳平臺(tái)，它可以接受來(lái)自一組傳感器的輸入模式，快速、有序地學(xué)習(xí)多個(gè)模式，然后在強(qiáng)烈的感官干擾下識(shí)別每個(gè)有意義的模式。即使氣味模式與計(jì)算機(jī)最初學(xué)習(xí)的模式有 80% 的不同，該算法也能成功識(shí)別氣味。

哺乳動(dòng)物的大腦非常善于識(shí)別和記憶氣味，擁有數(shù)百甚至數(shù)千個(gè)嗅覺(jué)感受器和復(fù)雜的神經(jīng)網(wǎng)絡(luò)，可以快速分析與氣味相關(guān)的模式。

即使我們已經(jīng)獲得了新的知識(shí)，我們的大腦也會(huì)保留我們所學(xué)的知識(shí)，這對(duì)哺乳動(dòng)物來(lái)說(shuō)很容易，但對(duì)人工智能系統(tǒng)來(lái)說(shuō)卻很難。特別是在深度學(xué)習(xí)方法中，必須將所有內(nèi)容同時(shí)呈現(xiàn)給網(wǎng)絡(luò)，而新的信息往往會(huì)扭曲或破壞系統(tǒng)之前學(xué)到的東西。

學(xué)習(xí)新氣味，且不會(huì)忘記其他氣味

但是，受大腦啟發(fā)的這個(gè)算法解決了這個(gè)問(wèn)題。神經(jīng)形態(tài) AI 可以在原始訓(xùn)練后繼續(xù)學(xué)習(xí)新的氣味，這類似于新細(xì)胞在大腦中不斷形成的方式，他們會(huì)努力學(xué)習(xí)新的氣味而不會(huì)忘記其他氣味。

為了證明這一點(diǎn)，Cleland 和 Imam 訓(xùn)練了他們的神經(jīng)形態(tài)人工智能和一個(gè)標(biāo)準(zhǔn)人工智能來(lái)專門識(shí)別甲苯（油漆和指甲油中常被聞到的刺鼻味道）；然后，研究人員試圖再教會(huì)神經(jīng)網(wǎng)絡(luò)識(shí)別丙酮，一種指甲油去除劑的成分。

神經(jīng)形態(tài)的人工智能只是簡(jiǎn)單地將丙酮添加到它的氣味識(shí)別系統(tǒng)中即可完成識(shí)別人物，但是標(biāo)準(zhǔn)的人工智能無(wú)法在不忘記甲苯氣味的情況下學(xué)習(xí)丙酮。

Cleland 說(shuō)，“當(dāng)你學(xué)習(xí)一種氣味時(shí)，中間神經(jīng)元會(huì)被訓(xùn)練對(duì)特定的氣味做出反應(yīng)，會(huì)在中間神經(jīng)元的水平上實(shí)現(xiàn)隔離。所以在機(jī)器方面，我們只是增強(qiáng)了這種氣味，并畫(huà)了一條牢固的線。”

這也解釋了一個(gè)以前被誤解的現(xiàn)象：為什么大腦的嗅球是成年后的哺乳動(dòng)物可以產(chǎn)生新神經(jīng)元的少數(shù)幾個(gè)地方之一。

Cleland 說(shuō)，“這個(gè)計(jì)算模型變成了生物學(xué)假說(shuō)，解釋了為什么成人神經(jīng)發(fā)生是重要的。從某種意義上說(shuō)，這個(gè)模型正在反饋給生物學(xué)。而從另一個(gè)角度來(lái)說(shuō)，它是一套人工嗅覺(jué)系統(tǒng)設(shè)備的基礎(chǔ)，可以用于商業(yè)用途。”

大腦的復(fù)雜性促使 Cleland 將他的神經(jīng)科學(xué)研究重點(diǎn)放在由顯式計(jì)算模型指導(dǎo)的理論方法上。Cleland 說(shuō)，“當(dāng)你開(kāi)始研究一個(gè)生物過(guò)程，它變得比你憑直覺(jué)所能知道的更復(fù)雜時(shí)，你必須用電腦模型來(lái)訓(xùn)練你的大腦，你無(wú)法通過(guò)它摸索自己的方式。這讓我們想到了很多新的實(shí)驗(yàn)方法和想法，這些都是我們無(wú)法想象的。”

配有神經(jīng)形態(tài)芯片的機(jī)器人

Imam 說(shuō)，“多年來(lái)化學(xué)感應(yīng)界一直在尋找智能、可靠和快速反應(yīng)的化學(xué)感覺(jué)處理系統(tǒng)，也被稱為電子鼻系統(tǒng)。”

他認(rèn)為配備神經(jīng)形態(tài)芯片的機(jī)器人具有用于環(huán)境檢測(cè)和有害物質(zhì)檢測(cè)，或者用于工廠的質(zhì)量控制工作的潛力，也可用于某些疾病發(fā)出特殊氣味的醫(yī)學(xué)診斷，擁有神經(jīng)形態(tài)的機(jī)器人還可以更好地識(shí)別機(jī)場(chǎng)安檢線上的有害物質(zhì)。

未來(lái)，該項(xiàng)目的下一個(gè)計(jì)劃是把這種方法推廣到更廣泛的問(wèn)題上，從感官場(chǎng)景分析到抽象的問(wèn)題，比如規(guī)劃和決策。了解大腦的神經(jīng)回路如何解決這些復(fù)雜的計(jì)算問(wèn)題，將為設(shè)計(jì)高效、健壯的機(jī)器智能提供重要線索。

除此之外，Imam 還說(shuō)道，“嗅覺(jué)傳感存在挑戰(zhàn)，當(dāng)你走進(jìn)一家雜貨店時(shí)，你可能會(huì)聞到一種草莓的味道，但它的味道可能與藍(lán)莓或香蕉的味道相似，這可能會(huì)導(dǎo)致大腦中產(chǎn)生非常相似的神經(jīng)活動(dòng)模式。有時(shí)候，人們甚至很難區(qū)分一種水果和不同的氣味。”

他希望在未來(lái)幾年內(nèi)解決這些挑戰(zhàn)，使其成為一種產(chǎn)品，能夠解決現(xiàn)實(shí)世界的問(wèn)題，而不僅僅是在實(shí)驗(yàn)室中演示的那些實(shí)驗(yàn)性問(wèn)題。他認(rèn)為，他的工作是“當(dāng)代神經(jīng)科學(xué)和人工智能交叉領(lǐng)域研究的一個(gè)典型例子”。

總結(jié)

以上是生活随笔為你收集整理的模生物嗅觉的神经算法，能让电脑芯片识别气味的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。