I ricercatori sviluppano un algoritmo informatico ispirato al sistema olfattivo dei mammiferi

I ricercatori della Cornell University hanno creato un algoritmo informatico ispirato al sistema olfattivo dei mammiferi. Gli scienziati hanno cercato a lungo spiegazioni su come i mammiferi apprendono e identificano gli odori. Il nuovo algoritmo fornisce informazioni dettagliate sul funzionamento del cervello e applicandolo a un chip di computer gli consente di apprendere modelli in modo rapido e affidabile meglio degli attuali modelli di apprendimento automatico. 

Thomas Cleland è professore di psicologia e autore senior dello studio intitolato “Apprendimento rapido e richiamo robusto in un circuito olfattivo neuromorfo," pubblicato in Nature Machine Intelligence marzo 16.

"Questo è il risultato di oltre un decennio di studio dei circuiti del bulbo olfattivo nei roditori e del tentativo di capire essenzialmente come funziona, con un occhio alle cose che sappiamo che gli animali possono fare e che le nostre macchine non possono fare", ha detto Cleland. 

“Ora ne sappiamo abbastanza per far funzionare tutto questo. Abbiamo costruito questo modello computazionale basato su questo circuito, fortemente guidato dalle cose che sappiamo sulla connettività e la dinamica dei sistemi biologici", ha continuato. “Allora diciamo, se così fosse, funzionerebbe. E la parte interessante è che funziona.

Chip informatico Intel

A Cleland si è unito il coautore Nabil Imam, un ricercatore di Intel, e insieme hanno applicato l'algoritmo a un chip per computer Intel. Il chip si chiama Loihi ed è neuromorfico, il che significa che si ispira alle funzioni del cervello. Il chip ha circuiti digitali che imitano il modo in cui i neuroni apprendono e comunicano. 

Il chip Loihi si basa su core paralleli che comunicano tramite picchi discreti e ognuno di questi picchi ha un effetto che può cambiare a seconda dell'attività locale. Ciò richiede strategie diverse per la progettazione dell'algoritmo rispetto a quelle utilizzate nei chip dei computer esistenti. 

Attraverso l'uso di chip di computer neuromorfici, le macchine potrebbero lavorare mille volte più velocemente delle unità di elaborazione grafica o centrale di un computer nell'identificare schemi e nell'eseguire determinati compiti. 

Il chip di ricerca Loihi può anche eseguire determinati algoritmi utilizzando circa mille volte meno energia rispetto ai metodi tradizionali. Questo è adatto per l'algoritmo, che può accettare modelli di input da vari sensori diversi, apprendere modelli rapidamente e in sequenza e identificare ciascuno dei modelli significativi anche con una forte interferenza sensoriale. L'algoritmo è in grado di identificare con successo gli odori e può farlo quando il modello è sorprendentemente diverso dell'80% dal modello originariamente appreso dal computer. 

"Il modello del segnale è stato sostanzialmente distrutto", ha detto Cleland, "e tuttavia il sistema è in grado di recuperarlo".

Il cervello dei mammiferi

Il cervello di un mammifero è in grado di identificare e ricordare gli odori molto bene e possono esserci migliaia di recettori olfattivi e reti neurali complesse che lavorano per analizzare i modelli associati agli odori. Una delle cose che i mammiferi possono fare meglio dei sistemi di intelligenza artificiale è conservare ciò che hanno imparato, anche dopo che ci sono nuove conoscenze. Negli approcci di deep learning, alla rete deve essere presentato tutto in una volta, poiché le nuove informazioni possono influenzare o addirittura distruggere ciò che il sistema ha appreso in precedenza. 

"Quando impari qualcosa, differenzia in modo permanente i neuroni", ha detto Cleland. “Quando impari un odore, gli interneuroni sono addestrati a rispondere a configurazioni particolari, quindi ottieni quella segregazione a livello di interneuroni. Quindi, dal punto di vista della macchina, lo miglioriamo e tracciamo una linea ferma".

Cleland ha parlato di come il team ha ideato nuovi approcci sperimentali. 

"Quando inizi a studiare un processo biologico che diventa più intricato e complesso di quanto tu possa semplicemente intuire, devi disciplinare la tua mente con un modello computerizzato", ha detto. “Non puoi confonderti. E questo ci ha portato a una serie di nuovi approcci e idee sperimentali che non avremmo avuto solo guardandolo a occhi aperti.