研究人员受哺乳动物嗅觉系统启发开发计算机算法

康奈尔大学的研究人员受哺乳动物嗅觉系统的启发，创建了一种计算机算法。长期以来，科学家们一直在寻找哺乳动物如何学习和识别气味的解释。新算法提供了对大脑运作的深入了解，并将其应用到计算机芯片中，使其能够比当前的机器学习模型更好地快速、可靠地学习模式。 

托马斯·克莱兰 (Thomas Cleland) 是一位心理学教授，也是该研究的资深作者，该研究题为“神经形态嗅觉回路中的快速学习和鲁棒回忆，“ 出版于 自然机器智能 在三月16。

“这是十多年来研究啮齿类动物嗅球电路的结果，并试图从本质上弄清楚它是如何工作的，着眼于我们知道动物可以做到而我们的机器无法做到的事情，”克莱兰说。 

“我们现在知道的足够多，足以让这项工作成功。 我们基于该电路构建了这个计算模型，并在很大程度上以我们对生物系统连接性和动力学的了解为指导，”他继续说道。 “然后我们说，如果是这样的话，这就会起作用。 有趣的是它确实有效。”

英特尔电脑芯片

Cleland 与合著者、英特尔研究员 Nabil Imam 一起，共同将该算法应用于英特尔计算机芯片。 该芯片名为 Loihi，它是神经形态的，这意味着它受到大脑功能的启发。 该芯片具有模拟神经元学习和通信方式的数字电路。 

Loihi 芯片依赖于通过离散尖峰进行通信的并行核心，每个尖峰都会产生一种影响，这种影响会根据本地活动而变化。 这需要与现有计算机芯片中使用的不同的算法设计策略。 

通过使用神经形态计算机芯片，机器在识别模式和执行某些任务方面的工作速度比计算机中央或图形处理单元快一千倍。 

Loihi 研究芯片还可以运行某些算法，而功耗比传统方法低约一千倍。 这非常适合该算法，该算法可以接受来自各种不同传感器的输入模式，快速、顺序地学习模式，并且即使在强烈的感官干扰下也能识别每个有意义的模式。 该算法能够成功识别气味，并且当气味模式与计算机最初学习的模式相差 80% 时，它就能成功识别气味。 

克莱兰德说：“信号的模式已经被彻底破坏，但是系统仍然能够恢复它。”

哺乳动物的大脑

哺乳动物的大脑能够非常好地识别和记住气味，并且可能有数千个嗅觉受体和复杂的神经网络来分析与气味相关的模式。 哺乳动物可以比人工智能系统做得更好的事情之一就是保留它们所学到的知识，即使在有了新知识之后也是如此。 在深度学习方法中，网络必须立即呈现所有内容，因为新信息可能会影响甚至破坏系统先前学到的内容。 

“当你学习一些东西时，它会永久区分神经元，”克莱兰说。 “当你学习一种气味时，中间神经元会被训练来对特定的配置做出反应，因此你会在中间神经元的水平上得到这种隔离。 因此，在机器方面，我们只是加强这一点并划定一条坚定的界限。”

克莱兰谈到了团队如何想出新的实验方法。 

“当你开始研究一个比你凭直觉所能想象的更加复杂的生物过程时，你必须用计算机模型来训练你的思维，”他说。 “你无法模糊地解决它。 这让我们想到了许多新的实验方法和想法，而这些是我们通过目击无法想出的。”