Loihi芯片可学习10种气味，硅片实现嗅觉科学

2020年3月，英特尔联合康奈尔大学发布了一项颇为有趣的研究成果：经过适当的“训练”，芯片也能学会闻气味。

具体来说，他们展示了一款名为Loihi的自学习神经形态芯片。这款芯片即便在明显的传感器干扰和噪声环境下，也能准确识别有害化学物质。最让人印象深刻的是，当用一种新的气味样本对Loihi进行测试时，它不仅能高效“学会”这种气味，还不会覆盖之前已经掌握的气味记忆。

你可能好奇，它究竟是怎么做到的？英特尔实验室神经形态计算小组的高级研究科学家纳比尔·伊玛姆（Nabil Imam）与康奈尔团队合作，基于人脑嗅觉回路的结构和动力学，构建了一套数学算法。这套算法被移植到Loihi芯片上，从而模拟了大脑嗅觉系统中的关键过程。

在测试中，Loihi能够识别出丙酮、氨、甲烷等10种不同的气味样本。更值得一提的是，它的表现远超传统的深度学习方案——传统方法在达到同等分类精度时，需要的训练次数是Loihi的3000倍。

Loihi的历史

其实，Loihi的诞生可以追溯到2017年9月。当时英特尔推出了这款神经形态研究测试芯片，其核心思路是用数字电路模仿大脑的基本机制。研究团队的目标是加速机器学习，同时大幅降低功耗、提升效率。

从硬件架构来看，Loihi采用完全异步的神经形态多核网格设计，支持多种神经网络拓扑结构，每个神经元都能与数千个其他神经元进行通信。更关键的是，每个核心内部都内置了一个学习引擎，可以在运行过程中动态调整网络参数，支持监督学习、无监督学习、强化学习等多种机器学习范式。

作为对比，人脑拥有超过860亿个神经元和100万亿个突触；而Loihi仅有13万个神经元和1.3亿个突触，且采用英特尔14纳米制程技术制造。虽然规模天差地别，但Loihi在特定任务上的表现已经证明了神经形态计算的潜力。

Loihi如何学会“闻”？

那么，研究人员是如何实现这一壮举的？

首先，他们从神经算法出发，模仿人脑嗅觉回路的运作方式。接着，他们训练Loihi识别10种有害化学物质的气味。为此，Nabil Imam团队专门整理了一个数据集，包含72种化学传感器在接触丙酮、氨、甲烷等气味时的活性响应数据。

传感器的响应被传输到Loihi，芯片上的硅电路则模拟了人脑中负责嗅觉的神经回路。Loihi的一项核心能力是：即使在强烈的背景气味干扰下，也能精准区分不同气味之间的差异。要知道，家里的烟雾探测器或一氧化碳探测器虽然能检测到某些气体，但完全无法分辨它们之间的区别。

“电子鼻系统”的未来

据Imam介绍，化学传感领域一直渴望一种廉价、可靠且响应迅速的化学传感处理系统，而Loihi正好填补了这个空白。这类系统通常被称为“电子鼻系统”。它的潜在用途相当广泛，包括：

① 为机器人配备神经形态芯片，用于环境监测和有害物质检测。这样一来，研究人员可以精确判断大气中释放了哪些气态物质。
② 控制工厂内的空气质量。
③ 在疾病散发特殊气味的情况下辅助医疗诊断（就像狗能闻出人类某些疾病的气味一样）。
④ 在机场安检中识别冲击波、麻醉品等危险物质。

Imam还提到，他希望“将这种方法推广到更普遍的问题中”，比如理解观察对象与解决抽象问题（如计划与决策）之间的关系。将嗅觉系统转化为数字电路，不仅能帮助研究人员理解神经电路如何解决复杂计算问题，也为设计更高效、更强大的机器智能提供了新的思路。

嗅觉信号识别的挑战

当然，这项重大突破并非没有遗留问题。未来设计仍需克服几个关键挑战。

由于大脑神经活动模式的相似性，就像人类有时难以区分蓝莓和香蕉的气味一样，神经形态系统也可能面临类似困扰——尤其是在需要将不同气味归入同一类别时，系统可能会产生混淆。

不过，Imam相信，随着技术从实验室逐步迁移到实际场景，未来几年内这些挑战有望得到解决。英特尔的愿景是：随着智能与决策流程的可及性和加速性不断提升，神经形态计算将站上解决复杂世界问题的前沿。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Loihi芯片可学习10种气味，硅片实现嗅觉科学要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题