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

I ricercatori dell’Università di Cornell hanno creato un algoritmo computerizzato ispirato al sistema olfattivo dei mammiferi. Gli scienziati hanno a lungo cercato spiegazioni su come i mammiferi imparino e identifichino gli odori. Il nuovo algoritmo fornisce informazioni sul funzionamento del cervello e, applicandolo a un chip del computer, consente di imparare rapidamente e in modo affidabile i modelli, meglio dei modelli di apprendimento automatico attuali.

Thomas Cleland è un professore di psicologia e autore principale dello studio intitolato “Rapid Learning and Robust Recall in a Neuromorphic Olfactory Circuit”, pubblicato su Nature Machine Intelligence il 16 marzo.

“Questo è il risultato di oltre un decennio di studio della circolazione dell’bulbo olfattivo nei roditori e del tentativo di capire essenzialmente come funziona, con l’obiettivo di capire cosa gli animali possono fare meglio delle nostre macchine”, ha detto Cleland.

“Ora sappiamo abbastanza per far funzionare questo modello computazionale basato su questa circolazione, guidato fortemente dalle cose che sappiamo sui sistemi biologici di connettività e dinamica”, ha continuato. “Poi diciamo, se questo fosse vero, funzionerebbe. E la parte interessante è che funziona.”

Chip del computer Intel (INTC )

Cleland è stato affiancato dal coautore Nabil Imam, un ricercatore di Intel, e insieme hanno applicato l’algoritmo a un chip del computer Intel. Il chip si chiama Loihi e è neuromorfico, il che significa che è ispirato alle funzioni del cervello. Il chip ha circuiti digitali che mimano il modo in cui i neuroni imparano e si comunicano.

Il chip Loihi si basa su core paralleli che comunicano tramite spike discreti e ognuno di questi spike 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 del computer esistenti.

Attraverso l’uso di chip del computer neuromorfici, le macchine potrebbero funzionare mille volte più velocemente di un’unità centrale o di un’unità di elaborazione grafica del computer nell’identificazione dei modelli e nell’esecuzione di determinati compiti.

Il chip di ricerca Loihi può anche eseguire determinati algoritmi utilizzando circa mille volte meno potenza rispetto ai metodi tradizionali. Ciò è particolarmente adatto per l’algoritmo, che può accettare modelli di input da vari sensori, imparare modelli rapidamente e in sequenza e identificare ogni modello significativo anche con forti interferenze sensoriali. L’algoritmo è in grado di identificare con successo gli odori e può farlo quando il modello è diverso fino all’80% rispetto al modello originariamente appreso dal computer.

“Il modello del segnale è stato sostanzialmente distrutto”, ha detto Cleland, “eppure 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 in modo estremamente efficace e ci possono essere 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 quando c’è nuova conoscenza. Negli approcci di apprendimento profondo, la rete deve essere presentata con tutto contemporaneamente, poiché le nuove informazioni possono influenzare o addirittura distruggere ciò che il sistema ha precedentemente appreso.

“Quando impari qualcosa, differenzia permanentemente i neuroni”, ha detto Cleland. “Quando impari un odore, gli interneuroni vengono addestrati a rispondere a configurazioni specifiche, quindi ottieni quella segregazione a livello di interneuroni. Quindi, nel lato macchina, noi semplicemente miglioriamo questo e tracciamo una linea ferma.”

Cleland ha parlato di come il team abbia sviluppato 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 procedere in modo approssimativo. E questo ci ha portato a una serie di nuovi approcci sperimentali e idee che non avremmo potuto sviluppare solo guardando.”