英特爾(Intel)和美國康乃爾大學(Cornell University)的研究人員聯手開發一種靈敏的「電子鼻」(electronic nose)系統,它就像最先進的深度學習系統一樣,能夠準確地檢測10種不同的化學物質,而只需進行少量的人工智慧(AI)訓練。

根據研究人員的實驗證明,這種電子鼻系統可以利用神經形態運算的輕鬆/快速訓練(「自學」)以及低功耗操作,還可能對於神經形態技術的潛在用例提出一些有趣的見解。

Intel, Neuromorphic Nose

英特爾實驗室(Intel Lab)神經形態運算小組資深研究科學家Nabil Imam展示英特爾Loihi神經形態測試晶片。Imam與來自英特爾和康乃爾大學的科學家團隊正於電腦晶片上建立數學演算法,以模擬大腦嗅覺系統聞到氣味後的神經網路運作模式。
(來源:Walden Kirsch/Intel)

英特爾研究人員與康乃爾大學的嗅覺神經生理學家合作打造了一套模擬大腦嗅覺系統的新測試系統,採用英特爾的Loihi神經形態運算晶片,以處理來自化學感測器的一系列資料。研究團隊開發基於神經科學的演算法可以預測是否存在化學物質,例如氨、丙酮和甲烷等¬¬——這些化學物質與炸藥、麻醉品和某些聚合物的前驅物有關。即使是存在許多其他氣味的干擾情況下,該測試系統也能準確地「聞出」這些化學物質。

設置測試系統

研究人員先以每一種氣味的單一樣本來訓練該測試系統,每個新的目標氣味都不會影響該測試系統先前學會的氣味偵測能力。相較於需要3,000個訓練資料樣本才能達到相同預測精度的最新深度學習系統,這種神經形態系統的訓練更快得多,而且利用了硬體的低功耗特性。

康奈爾大學的科學家從研究動物的嗅覺系統著手。在動物(和人類)中,氣味會在鼻子的嗅覺細胞中產生反應,並向大腦的嗅覺系統發送訊號;在大腦嗅覺系統中,一組相互連接的神經元內電子脈衝產生嗅覺。每一種嗅覺都會在大腦的神經元網路產生專屬於該氣味的特定感覺。測量這些電脈衝以及嗅覺系統的架構和動態性能,就是英特爾神經形態運算晶片的演算法基礎。

研究團隊在其測試系統的硬體前端採用了72個化學感測器。每一次暴露10種測試氣味之一,並測量其響應,將來自這10個樣本的資料用於訓練演算法。接著將感測器陣列安裝在風洞中,使其暴露於各種混合的氣味中,然後再封閉感測器,以證實系統的預測準確性。最終該晶片可成功地辨別經過訓練的10種氣味。

神經形態硬體

英特爾於2017年推出代號為Loihi的首款神經形態晶片。

大腦透過電脈衝(也稱為棘波)傳遞資訊,其時序功能調節神經元之間稱為突觸的連接強度。這些強度的調節類似於權重如何影響人工神經網路中的參數衝擊。

Intel, Loihi board

英特爾的Loihi神經形態晶片包含13萬個「神經元」和1.3億個「突觸」。此處顯示Nahuku板上的16個Loihi晶片,連接至英特爾Arria 10 FPGA開發套件。
(來源:Tim Herman/Intel)

Loihi晶片模擬此架構,因而較其他運算架構更快、更省電地處理某些類型的大腦啟發式人工神經網路。由於該技術基於時序,因此該架構依賴於異步多核心網格,其中的每個「神經元」都可以直接與其他數千個神經元進行通訊。每個Loihi晶片上總共有130,000個「神經元」和1.3億個「突觸」。每個核心都可以在運作期間調整網路參數,以支援監督式與非監督式學習。

醫療與安全應用

長期以來,業界一直在尋找合適的技術,期望為各種應用實現低成本、快速、可攜且可靠的電子鼻。

在實驗中所使用的系統成功展示對公共健康有害的氣味物質;這項功能還可用於安全和檢查系統,例如機場與邊境安全等。此外,還可以進行訓練以辨識其他氣味,用於智慧家庭系統,例如煙霧探測器或一氧化碳探測器。

電子鼻在醫療裝置中也發揮重要作用,因為某些醫療境中可能散發某種氣味,而通常是人類嗅覺系統無法察覺到的。例如當今的電子鼻可以檢測到某些癌症。

使用神經形態運算,可以建構比以前更小、更省電的電子鼻系統,從而使其用於小型可攜式智慧裝置中。

未來的氣味

這種神經形態電子鼻的未來版本可望解決更多問題,例如更有效區分幾種類似的氣味,或是針對同一類別中各種不同項目間存在顯著差異的生物氣味正確進行分類。這些問題將是下一階段研究的重點。

未來,英特爾研究團隊還計劃將該嗅覺系統所採用的方法延伸用於其他生物系統(例如場景分析),以解決更抽象的問題,如計劃和決策等。

編譯:Susan Hong

(參考原文:Brain-Inspired Chip Enables Efficient ‘Electronic Nose’,by Sally Ward-Foxton)