哺乳類の嗅覚システムにインスパイアされたコンピュータアルゴリズムを研究者が開発

コーネル大学の研究者は、哺乳類の嗅覚システムにインスパイアされたコンピュータアルゴリズムを開発しました。科学者は、哺乳類がどのようにして匂いを学習し、識別するのかについて長年にわたって研究してきました。この新しいアルゴリズムは、脳の機能についての洞察を提供し、コンピュータチップに適用することで、現在の機械学習モデルよりも迅速かつ信頼性高くパターンを学習できるようになります。

トーマス・クレランドは、心理学の教授であり、「Rapid Learning and Robust Recall in a Neuromorphic Olfactory Circuit」という研究の著者です。この研究は、2023年3月16日にNature Machine Intelligenceに掲載されました。

「これは、10年以上にわたる哺乳類の嗅覚球回路の研究の結果です。動物が私たちの機械ではできないことを知りながら、どのようにして嗅覚球が機能するのかを理解しようとしています」とクレランドは述べました。

「私たちは、生物学的システムの接続性とダイナミクスについて十分なことを知っているので、計算モデルを構築しました。次に、もしもこれが正しいならば、これは機能するはずです。興味深いのは、これが実際に機能することです」とクレランドは続けました。

インテル コンピュータ チップ

クレランドは、インテルの研究者であるナビル・イマムと共同で、アルゴリズムをインテルのコンピュータ チップに適用しました。このチップはLoihiと呼ばれ、脳の機能にインスパイアされたニューロモルフィック チップです。チップには、ニューロンの学習と通信の方法を模倣したデジタル回路があります。

Loihi チップは、離散的なスパイクを介して通信する並列コアに依存しています。各スパイクには、ローカルな活動に応じて変化する可能性のある効果があります。これには、既存のコンピュータ チップでは使用されていない、異なるアルゴリズム設計戦略が必要です。

ニューロモルフィック コンピュータ チップを使用することで、機械は、パターンを識別したり、特定のタスクを実行したりすることが、コンピュータの中央またはグラフィックス処理ユニットよりも約1000倍高速になります。

Loihi 研究チップは、従来の方法よりも約1000倍少ない電力で特定のアルゴリズムを実行できます。これは、さまざまなセンサーからの入力パターンを受け付けることができ、パターンを迅速に学習し、順序に従って学習し、強い感覚的干渉があっても意味のあるパターンを識別できるアルゴリズムに適しています。アルゴリズムは、匂いを成功的に識別でき、コンピュータが最初に学習したパターンと比べて80%異なるパターンであっても識別できます。

「信号のパターンは、実質的に破壊されています」とクレランドは述べました。「しかし、システムはそれを回復することができます」。

哺乳類の脳

哺乳類の脳は、匂いを識別し、記憶することが非常に優れています。嗅覚受容体と複雑なニューラル ネットワークが数千個あり、匂いに関連するパターンを分析しています。哺乳類が人工知能システムよりも優れていることの1つは、学習した内容を保持する能力です。ディープ ラーニング アプローチでは、ネットワークは一度にすべての情報を提示される必要があります。新しい情報は、システムが以前学習した内容に影響を与えたり、破壊したりする可能性があります。

「あなたが何かを学ぶとき、ニューロンの分化が永久に残ります」とクレランドは述べました。「あなたが特定の匂いを学ぶとき、介在ニューロンは特定の構成に応答するように訓練され、介在ニューロンのレベルで分離が行われます。したがって、機械側では、それを強化し、明確な線を引く必要があります」。

クレランドは、新しい実験アプローチについて話しました。

「あなたが生物学的なプロセスを研究し始めると、単純に直感で理解できるものではなく、複雑で複雑になるものであることがあります。その場合、あなたの心をコンピュータ モデルで規律する必要があります。単に直感で理解することはできません。そうすることで、単に目で見ただけでは考えつかなかった新しい実験アプローチやアイデアが生まれました」とクレランドは述べました。