芯东西(ID:aichip001)
编 | 心缘
芯东西3月17日消息,英特尔和美国康奈尔大学今天联合发表一篇论文,展示了英特尔神经拟态研究芯片Loihi能在有明显噪声和遮盖的情况下,学习和识别10种危险化学品。
这篇论文本周发表在《自然-机器智能》(Nature Machine Intelligence)杂志上。据论文介绍,Loihi仅需单一样本便可学会识别每一种气味,并且不会破坏它对先前所学气味的记忆,要达到与Loihi相近的识别准确率,传统深度学习解决方案需要的训练样本,至少是Loihi所需样本的3000倍以上。
英特尔研究院神经拟态计算实验室高级研究科学家Nabil Imam与美国康奈尔大学的嗅觉神经生理学家展开合作。
据Imam介绍,康奈尔大学的研究人员负责研究动物的生物嗅觉系统,并测量动物闻到气味时的脑电波活动。英特尔研究院神经拟态计算小组根据这些电路图与电脉冲,导出了一套算法并将其配置在神经拟态芯片上,尤其是在其Loihi测试芯片上。
▲英特尔研究院科学家Nabil Imam在神经拟态计算实验室中,手持一块Loihi神经拟态测试芯片
“我们正在Loihi上开发神经算法,来模拟人类嗅到气味时的大脑运行机制。”Imam说,“这项工作堪称神经科学与人工智能技术交叉领域的当代研究典范,并且证实Loihi有望提供重要的感知能力并使之惠及各行各业。”
论文链接:https://arxiv.org/pdf/1906.07067
谈Loihi如何工作前,我们先来回想人类是怎么识别气味的。
如果你拿出一个香橙闻一闻,水果分子就会刺激鼻腔嗅觉细胞,细胞立即向大脑嗅觉系统发送信号,一组相互连接的神经元中的电脉冲就会在这个嗅觉系统中产生嗅觉,然后你就闻到这个物体的气味了。
为了让计算机通信和学习方式更接近人类大脑,2017年9月,英特尔实验室推出模仿大脑基本机制的自学习神经拟态芯片“Loihi”,它能更快更高效地执行机器学习计算任务,同时大幅降低对功耗的需求。
在此项新研究中,英特尔和美国康奈尔大学的研究人员采用了一套源自大脑嗅觉回路结构和动力学的神经算法,对英特尔Loihi神经拟态芯片进行训练,使其能够学习和识别10种危险化学品的气味。
为此,Imam和他的团队采用了一个由72个化学传感器活动组成的数据集,以便对一个风洞实验中循环的10种气体物质(气味)作出反应,并在Loihi芯片上配置了生物嗅觉的电路图。
传感器对各种气味的反应被传送至Loihi,由其芯片电路对嗅觉背后的大脑电路进行模拟。
Loihi芯片迅速掌握了丙酮、氨和甲烷等10种气味各自的神经表征,即使有明显的环境干扰,也能识别出每种气味。
相比之下,常见的烟雾、一氧化碳探测器尽管能探测到空气中有害分子并发出警报,但它们无法智能区分出各种气味分子。
英特尔Loihi芯片采用14nm制程,管芯尺寸60毫米,包含超过20亿个晶体管、13万个人工神经元和1.3亿个突触。
特别的是,Loihi具有一个可编程微代码引擎,用于异步尖峰神经网络(SNN)或AI模型的片上训练,该模型将时间整合到其操作模型中,因此模型的组件不会同时处理输入数据。
英特尔表示,这将用于“高效”地实施自适应学习、事件驱动和细粒度并行计算。
据悉,用英特尔Loihi芯片来处理稀疏编码、图形搜索、约束满足问题等特殊应用,速度比传统CPU快1000倍,效率比传统CPU高10000倍,它还能将某些优化方案的速度和能效提高了超过三个数量级。
“我们在实时深度学习基准测试中,证明使用Loihi芯片的功耗比GPU低109倍,比专用IoT推理芯片低5倍。”Applied Brain Research首席执行官、滑铁卢大学教授Chris Eliasmith表示,“随着我们将网络扩展50倍,Loihi保持实时性能结果,仅使用30%的功率,而IoT硬件不能保证实时,还要消耗500%的功率。”
罗格斯大学教授Konstantinos Michmizos也介绍说,相比用CPU运行SLAM方法,Loihi的能耗低了大约100倍。
2019年7月,英特尔推出由64个Loihi芯片组成的800万神经元神经形态系统Poihoiki Beach,供60多个生态系统合作伙伴用于决复杂的计算密集型问题。
▲英特尔实验室常务董事Rich Uhlig展示Nahuku主板,神经形态系统Pohoiki Beach由多个Nahuku主板组成,包含64个Loihi芯片
除了英特尔外,IBM、惠普、麻省理工学院、普渡大学、斯坦福大学等机构都在推进类脑计算的相关研究,希望借助它来开发出更强大的计算系统。
和嗅觉相似,人类的视觉、听觉、回忆、情绪和决策都有各自的神经网络,它们都以特定的方式进行计算。
而神经拟态芯片的研究与应用,充分证明了未来神经科学与人工智能交叉研究的广阔前景。
据Imam介绍,化学传感领域多年来一直在寻找智能的、可靠的和快速响应的化学传感处理系统,或者称之为“电子鼻系统”。
研究表明,神经拟态芯片的自我学习能力、低能耗特性、”仿人脑”结构以及神经科学的衍生算法可以创造一个”电子鼻”系统,它在真实情境下识别气味比传统解决方案要有效得多。
除了识别气味外,Imam还看到了搭载神经拟态芯片的机器人在环境监测、危险物质检测以及在工厂质量控制方面的应用潜力。
▲加州理工学院AMBER实验室的Rachel Gehlhar和加拿大国家研究委员会的Terry Stewart用英特尔Kapoho Bay Loihi设备控制AMPRO3假肢,以使该假肢能够更好地适应行走时无法预料的运动学障碍
内置神经拟态芯片的机器人可以在工厂各处移动,识别有害化学物质并进行精准定位,从而快速有效消除有害物质。
在国防安全方面,为了更好地侦查化学武器、炸弹、毒品等安全威胁,神经拟态芯片可以内置到机场、边境、军事基地等的侦查设备中。
此外,该系统还可应用于医疗诊断,因为患有某些疾病会散发出特定的气味,为基于神经拟态的化学感应在医学诊断中的应用提供了可能。
另一个例子是,搭载神经拟态芯片的机器人可应用于机场安检区域,能够更高效地识别危险物质。
Imam表示:“我的下一步计划,是将这种方法推广到更广泛的应用领域,包括从感官场景分析(理解你观察到的各种物体之间的关系),到规划和决策等抽象问题。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。”
Imam也提到,嗅觉领域存在着一些挑战。
当你走进一家杂货店时,可能会闻到草莓的气味,它的气味可能跟蓝莓或香蕉很像。有时候,人尚且难分辨出究竟是一种水果气味,还是多种香味的混合。让系统来辨认极其相似的气味,同样是难题。
“这些是目前我们在研究嗅觉信号识别时面临的挑战,”Imam表示:“我们期待在未来几年内解决这些问题,这样的产品才能解决现实世界的问题,而不仅仅是解决在实验室演示的实验性问题。”
在Imam看来,自己从事的工作是“发生在神经科学与人工智能技术交叉领域的当代研究典范”。
原文来自:英特尔,自然机器智能,VentureBeat
http://zhidx.com/p/199310.html
Created by Tan KW | Aug 17, 2024
Created by Tan KW | Aug 16, 2024
Created by Tan KW | Aug 16, 2024
Created by Tan KW | Aug 16, 2024
Created by Tan KW | Aug 16, 2024