Intel神經擬態晶片有了“嗅覺”：準確率3000倍於傳統方法

Intel研究院與美國Cornell University的研究人員在《自然-機器智慧》（Nature Machine Intelligence）雜誌上聯合發表了一篇論文，展示了在存在明顯噪聲和遮蓋的情況下，Intel神經擬態研究晶片“Loihi”學習和識別危險化學品的能力。

據介紹Loihi只需要單一樣本，就可以學會辨識每一種氣味，而且不會破壞它對先前所學氣味的記憶，展現出了極其出色的辨識準確率。如果使用傳統方法即便最出色的深度學習方案，要達到與Loihi相同的氣味分類準確率，學習每一種氣味都需要3000倍以上的訓練樣本。

Intel研究院神經擬態計算小組高級研究科學家、擁有神經擬態計算博士學位的Nabil Imam介紹說，Cornell University負責研究動物的生物嗅覺系統，並測量動物聞到氣味時的腦電波活動，然後Intel根據這些電路圖與電脈衝，導出一套算法，並將其配置在神經擬態晶片上。

Imam帶領團隊採用了一個由72個化學感測器活動組成的數據集，可對一個風洞實驗中循環的10種氣體物質(氣味)作出反應。傳感器對各種氣味的反應被傳送至Loihi，由其晶片電路對嗅覺背後的大腦電路進行模擬。在研究人員的指導下，Loihi已經迅速掌握了10種不同氣味的神經表徵，其中包括丙酮、氨和甲烷，而且即使有強烈的環境干擾也能準確辨識。

而傳統煙霧和一氧化碳探測器能使用傳感器來探測氣味，雖然能探測到空氣中的有害分子並發出警報，但無法對各種氣味進行區分。Intel神經擬態計算實驗室高級研究科學家Nabil Imam表示：“我們正在Loihi上開發神經算法，來模擬人類嗅到氣味時的大腦執行機制。這項工作堪稱神經科學與人工智慧技術交叉領域的當代研究典範，並且證實Loihi有望提供重要的感知能力，並惠及各行各業。”

Intel Loihi神經擬態晶片誕生於2017年9月，脫離傳統矽晶片的Von Neumann architecture模型，而是模仿人腦原理的神經擬態計算方式，並且是異步電路，不需要全區時脈訊號，而是使用Spiking Neural Networks(SNN)，在特定應用中要比傳統CPU速度快最多1000倍，能效高最多10000倍。

2019年7月Intel又宣布了代號“Pohoiki Beach”的全新神經擬態系統，包含多達64顆Loihi晶片，整合了1320億個電晶體管，總面積3840mm2，擁有800萬個神經元、80億個突觸。從理論上講Loihi可以擴展到最多16384顆晶片互連，那就是超過20億個神經元——而人類大腦有大約860億個神經元。

消息來源