Forskare utvecklar datoralgoritm inspirerad av däggdjursluktsystem

Forskare från Cornell University har skapat en datoralgoritm inspirerad av däggdjurets luktsystem. Forskare har länge letat efter förklaringar till hur däggdjur lär sig och identifierar lukter. Den nya algoritmen ger insikt i hur hjärnan fungerar, och genom att applicera den på ett datorchip kan den snabbt och tillförlitligt lära sig mönster bättre än nuvarande maskininlärningsmodeller. 

Thomas Cleland är professor i psykologi och senior författare till studien med titeln "Snabb inlärning och robust återkallelse i en neuromorfisk olfaktorisk krets, "Publicerad i Nature Machine Intelligence mars 16.

"Detta är ett resultat av över ett decennium av att studera luktbulbkretsar hos gnagare och försöka ta reda på hur det fungerar, med ett öga på saker vi vet att djur kan göra som våra maskiner inte kan," sa Cleland. 

"Vi vet nu tillräckligt för att få det här att fungera. Vi har byggt den här beräkningsmodellen baserad på denna krets, starkt styrd av saker vi vet om de biologiska systemens anslutningsmöjligheter och dynamik”, fortsatte han. "Då säger vi att om det vore så skulle det här fungera. Och det intressanta är att det fungerar.”

Intel datorchip

Cleland fick sällskap av medförfattaren Nabil Imam, en forskare på Intel, och tillsammans tillämpade de algoritmen på ett Intel-datorchip. Chipet heter Loihi, och det är neuromorft, vilket betyder att det är inspirerat av hjärnans funktioner. Chipet har digitala kretsar som efterliknar det sätt på vilket neuroner lär sig och kommunicerar. 

Loihi-chippet förlitar sig på parallella kärnor som kommunicerar via diskreta spikar, och var och en av dessa spikar har en effekt som kan förändras beroende på lokal aktivitet. Detta kräver andra strategier för algoritmdesign än vad som används i befintliga datorchips. 

Genom att använda neuromorfa datorchips kunde maskiner arbeta tusen gånger snabbare än en dators centrala eller grafiska bearbetningsenheter med att identifiera mönster och utföra vissa uppgifter. 

Loihi-forskningschippet kan också köra vissa algoritmer samtidigt som det använder cirka tusen gånger mindre kraft än traditionella metoder. Detta är väl lämpat för algoritmen, som kan acceptera ingångsmönster från olika sensorer, lära sig mönster snabbt och sekventiellt och identifiera vart och ett av de meningsfulla mönstren även med starka sensoriska störningar. Algoritmen kan framgångsrikt identifiera lukter, och den kan göra det när mönstret skiljer sig häpnadsväckande 80 % från mönstret som datorn ursprungligen lärde sig. 

"Mönstret för signalen har avsevärt förstörts," sa Cleland, "och ändå kan systemet återställa det."

Däggdjurshjärnan

Hjärnan hos ett däggdjur kan identifiera och komma ihåg lukter extremt bra, och det kan finnas tusentals luktreceptorer och komplexa neurala nätverk som arbetar med att analysera mönstren som är förknippade med lukter. En av de saker som däggdjur kan göra bättre än system med artificiell intelligens är att behålla det de har lärt sig, även efter att det finns ny kunskap. I djupinlärningsmetoder måste nätverket presenteras med allt på en gång, eftersom ny information kan påverka eller till och med förstöra det som systemet tidigare lärt sig. 

"När du lär dig något, skiljer det permanent neuroner," sa Cleland. "När du lär dig en lukt, tränas internuronerna att svara på speciella konfigurationer, så du får den segregationen på nivån med interneuroner. Så på maskinsidan förbättrar vi bara det och drar en fast linje.”

Cleland talade om hur teamet kom på nya experimentella tillvägagångssätt. 

"När du börjar studera en biologisk process som blir mer intrikat och komplex än du bara kan intuita, måste du disciplinera ditt sinne med en datormodell," sa han. "Du kan inte lura dig igenom det. Och det ledde oss till ett antal nya experimentella tillvägagångssätt och idéer som vi inte skulle ha kommit på bara genom att titta på det."