研究人员开发受哺乳动物嗅觉系统启发的计算机算法

康奈尔大学的研究人员创造了一种受哺乳动物嗅觉系统启发的计算机算法。长期以来，科学家们一直在寻找哺乳动物如何学习和识别气味的解释。新算法提供了对大脑运作的洞察，并将其应用于计算机芯片使其能够比当前的机器学习模型更好地快速可靠地学习模式。

Thomas Cleland 是心理学教授，也是3 月 16 日在Nature Machine Intelligence上发表的题为“ Rapid Learning and Robust Recall in a Neuromorphic Olfactory Circuit ”的研究的资深作者。

“这是十多年来研究啮齿动物嗅球电路并试图从本质上弄清楚它是如何工作的结果，着眼于我们知道动物可以做而我们的机器做不到的事情，”克莱兰德说。

“我们现在知道的足以完成这项工作。我们已经基于这个电路建立了这个计算模型，很大程度上受到我们对生物系统连接性和动力学的了解的指导，”他继续说道。“然后我们说，如果是这样，这将起作用。有趣的是，它确实有效。”

英特尔电脑芯片

Cleland 加入了合著者、英特尔研究员 Nabil Imam 的行列，他们一起将算法应用于英特尔计算机芯片。该芯片被称为 Loihi，它是神经形态的，这意味着它受到大脑功能的启发。该芯片具有模拟神经元学习和交流方式的数字电路。

Loihi 芯片依赖于通过离散尖峰进行通信的并行内核，这些尖峰中的每一个都具有可以根据本地活动而改变的效果。这需要与现有计算机芯片中使用的不同的算法设计策略。

通过使用神经形态计算机芯片，机器在识别模式和执行某些任务方面可以比计算机的中央或图形处理单元快一千倍。

Loihi 研究芯片还可以运行某些算法，同时使用比传统方法少约一千倍的功率。这非常适合该算法，该算法可以接受来自各种不同传感器的输入模式，快速顺序地学习模式，并且即使在强烈的感官干扰下也能识别出每个有意义的模式。该算法能够成功识别气味，并且当模式与计算机最初学习的模式相差惊人的 80% 时，它就可以做到这一点。

“信号模式已被严重破坏，”克莱兰德说，“但系统能够恢复它。”

哺乳动物的大脑

哺乳动物的大脑能够非常好地识别和记住气味，并且可以有数千个嗅觉受体和复杂的神经网络来分析与气味相关的模式。哺乳动物比人工智能系统做得更好的一件事是保留他们所学的知识，即使在有了新知识之后也是如此。在深度学习方法中，必须立即向网络呈现所有内容，因为新信息会影响甚至破坏系统先前学习的内容。

“当你学习一些东西时，它会永久区分神经元，”克莱兰德说。“当你学习一种气味时，中间神经元会被训练来对特定的配置做出反应，所以你会在中间神经元的水平上得到这种分离。所以在机器方面，我们只是加强它并划清界限。”

Cleland 谈到了团队如何想出新的实验方法。

“当你开始研究一个变得比你仅仅凭直觉更复杂和复杂的生物过程时，你必须用计算机模型来训练你的思维，”他说。“你不能通过它模糊你的方式。这使我们产生了许多新的实验方法和想法，而这些方法和想法是我们仅凭目测就无法想出的。”