研究人员开发了受哺乳动物嗅觉系统启发的计算机算法

康奈尔大学的研究人员创建了一个受哺乳动物嗅觉系统启发的计算机算法。科学家们长期以来一直在寻找哺乳动物如何学习和识别气味的解释。新的算法为我们提供了对大脑工作原理的洞察，并将其应用于计算机芯片，使其能够快速、可靠地学习模式，优于当前的机器学习模型。

托马斯·克莱兰德是心理学教授，也是题为“快速学习和鲁棒回忆在神经形态嗅觉电路中”的研究的首席作者，该研究于3月16日发表在《自然机器智能》杂志上。

“这是十多年来研究啮齿动物嗅觉球电路并尝试弄清楚它的工作原理的结果，目的是了解动物可以做但我们的机器无法做的事情，”克莱兰德说。

“我们现在知道足够的信息来使其发挥作用。我们基于电路建立了计算模型，严重依赖于我们对生物系统的连接性和动态的了解，”他继续说。“然后我们说，如果这是真的，那么它将起作用。有趣的是，它确实起作用了。”

英特尔计算机芯片

克莱兰德与英特尔的研究员纳比尔·伊曼一起合作，他们将算法应用于英特尔的计算机芯片。该芯片称为Loihi，是神经形态的，这意味着它的设计灵感来自大脑。该芯片具有模仿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脉冲进行通信的并行核心，每个脉冲都可能根据局部活动而改变其效果。这需要比现有计算机芯片中使用的算法设计策略不同。

通过使用神经形态计算机芯片，机器可以比计算机的中央处理器或图形处理器快1000倍地识别模式并执行某些任务。

Loihi研究芯片还可以在使用传统方法的同时使用大约1000倍较少的电力运行某些算法。该算法可以接受来自各种不同传感器的输入模式，快速顺序学习模式，并识别每个有意义的模式，即使存在强烈的感官干扰。该算法能够成功识别气味，即使模式与计算机最初学习的模式相差80%。

“信号的模式已经被大大破坏，”克莱兰德说，“然而系统仍然能够恢复它。”

哺乳动物大脑

哺乳动物的大脑能够极其有效地识别和记忆气味，可能有成千上万的嗅觉受体和复杂的神经网络共同分析与气味相关的模式。哺乳动物比人工智能系统更擅长的一件事是保留它们所学的知识，即使有新知识出现。在深度学习方法中，网络必须一次性呈现所有信息，因为新信息可能会影响或甚至破坏系统之前所学的内容。

“当你学习某些东西时，它会永久地区分神经元，”克莱兰德说。“当你学习一种气味时，介质神经元会被训练以对特定的配置做出反应，因此你会在介质神经元的水平上获得这种分离。因此，在机器方面，我们只是加强了这一点，并画了一条明确的界线。”

克莱兰德谈到了他们如何想出新的实验方法。

“当你开始研究一个生物过程时，它变得更加复杂，你不能简单地凭直觉来理解，你必须用计算机模型来约束你的思维，”他说。“你不能模糊地处理它。这导致我们想出了很多新的实验方法和想法，如果只是凭直觉，我们是不会想到这些的。”