英國《自然·機器智能》雜志16日發表的一項人工智能研究，英特爾神經形態計算實驗室以及康奈爾大學的聯合團隊報告稱，他們實現了一種設計用來模擬生物嗅覺的神經算法。這項成果意味著一種強大方法的出現，在此基礎上，未來可開發出超越當前人工智能趨勢的新算法。

神經形態計算能夠大幅提升數據處理能力和機器學習能力，能耗和體積都非常理想，被認為是高性能計算的下一發展階段。而神經形態芯片的設計，是使用受大腦啟發而形成的計算機器，即通過創造由人工神經元和突觸組成的網絡來實現。但是，目前仍不明確的是，如何利用這種機器解決現實問題。這主要是因為我們對在生物神經回路層面實現的算法了解還不夠透徹。

此次，英特爾神經形態計算實驗室科學家納比爾·伊姆艾姆和康奈爾大學心理學系計算生理學實驗室研究人員托馬斯·克萊蘭德，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。研究團隊之后在一個神經形態系統中，實現該神經算法，并利用甲苯、氨、丙酮、一氧化碳和甲烷等，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。

該研究結果有助于理解哺乳動物嗅覺以及改進人工化學感知系統的計算特征。這些發現也意味著，改造此類生物神經系統，或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。

研究人員表示，該算法適用于將高維信號嵌入未知背景的任何信號識別問題，還可以有助于未來在應用程序中，訓練人工鼻子在未知背景氣味的情況下識別特定氣味。

此前，英特爾的首款神經擬態芯片“Loihi”可以通過脈沖或尖峰傳遞信息，并自動調節突觸強度。其利用環境中的各種反饋信息進行自主學習、下達命令，被認為與人類大腦運行機制相似。

神經形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。神經形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，神經形態芯片比傳統芯片的能耗要低得多。不過，它到底能做些什么？研究者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。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。當然，在研究人工智能的同時，我們也能發現，人類大腦真神奇，所有的模擬和突破都這么費勁。
責任編輯；zl