Intel神經擬態晶片有了「嗅覺」:準確率3000倍於傳統方法

2021-02-25 芯智訊

近日，Intel研究院與美國康奈爾大學的研究人員在《自然-機器智能》（Nature Machine Intelligence）雜誌上聯合發表了一篇論文，展示了在存在明顯噪聲和遮蓋的情況下，Intel神經擬態研究晶片「Loihi」學習和識別危險化學品的能力。

據介紹，Loihi只需要單一樣本，就可以學會識別每一種氣味，而且不會破壞它對先前所學氣味的記憶，展現出了極其出色的識別準確率。而如果使用傳統方法，即便最出色的深度學習方案，要達到與Loihi相同的氣味分類準確率，學習每一種氣味都需要3000倍以上的訓練樣本。

Intel神經擬態研究晶片Loihi


Intel研究院神經擬態計算小組高級研究科學家、擁有神經擬態計算博士學位的Nabil Imam介紹說，康奈爾大學負責研究動物的生物嗅覺系統，並測量動物聞到氣味時的腦電波活動，然後Intel根據這些電路圖與電脈衝，導出一套算法，並將其配置在神經擬態晶片上。

Imam帶領團隊採用了一個由72個化學傳感器活動組成的數據集，可對一個風洞實驗中循環的10種氣體物質(氣味)作出反應。傳感器對各種氣味的反應被傳送至Loihi，由其晶片電路對嗅覺背後的大腦電路進行模擬。

在研究人員的指導下，Loihi已經迅速掌握了10種不同氣味的神經表徵，其中包括丙酮、氨和甲烷，而且即使有強烈的環境幹擾也能準確識別。

而傳統煙霧和一氧化碳探測器能使用傳感器來探測氣味，雖然能探測到空氣中的有害分子並發出警報，但無法對各種氣味進行區分。

英特爾神經擬態計算實驗室高級研究科學家Nabil Imam表示：「康奈爾大學的研究人員負責研究動物的生物嗅覺系統，並測量動物聞到氣味時的腦電波活動。我們根據這些電路圖與電脈衝，導出了一套算法並將其配置在神經擬態晶片上，尤其是在我們的Loihi測試晶片上。」


▲英特爾研究院科學家Nabil Imam在位於美國加州聖克拉拉的神經擬態計算實驗室中，手持一塊Loihi神經擬態測試晶片。他和美國康奈爾大學的一個研究小組正在計算機晶片上構建數學算法，用於模擬人們聞到某種氣味時大腦神經網絡的反應。（圖片來源：Walden Kirsch/英特爾公司）

首先，我們是如何識彆氣味的：如果你拿起一個葡萄柚聞一聞，水果分子就會刺激鼻腔內的嗅覺細胞。鼻腔內的細胞會立即向你的大腦嗅覺系統發送信號，一組相互連接的神經元中的電脈衝就會在這個嗅覺系統中產生嗅覺。無論聞到的是葡萄柚、玫瑰還是有害氣體，你大腦中的神經元網絡都會產生該物體特有的感覺。同樣，你的視覺和聽覺、回憶、情緒和決策都有各自的神經網絡，它們都以特定的方式進行計算。

 

Loihi學習檢測複雜混合物的不同氣味：Imam和他的團隊採用了一個由72個化學傳感器活動組成的數據集，可對一個風洞實驗中循環的10種氣體物質（氣味）作出反應。傳感器對各種氣味的反應被傳送至Loihi，由其晶片電路對嗅覺背後的大腦電路進行模擬。Loihi晶片迅速掌握了10種氣味各自的神經表徵，其中包括丙酮、氨和甲烷，即使有強烈的環境幹擾也能識別出這些氣味。雖然你家中的煙霧和一氧化碳探測器能使用傳感器來探測氣味，但它們無法對各種氣味進行區分；雖然它們一旦探測到空氣中的有害分子時會發出警報，卻無法對其進行智能分類。

 

未來的應用：Imam表示，化學傳感領域多年來一直在尋找智能的、可靠的和快速響應的化學傳感處理系統，或者稱之為「電子鼻系統」。他看到了搭載神經擬態晶片的機器人在環境監測、危險物質檢測以及在工廠質量控制方面的應用潛力。此外，該系統還可應用於醫療診斷，因為患有某些疾病會散發出特定的氣味。另一個例子是，搭載神經擬態晶片的機器人可應用於機場安檢區域，能夠更高效地識別危險物質。

 

在未來加入更多感官：Imam表示，「我的下一步計劃，是將這種方法推廣到更廣泛的應用領域，包括從感官場景分析（理解你觀察到的各種物體之間的關係），到規劃和決策等抽象問題。理解大腦的神經網絡如何解決這些複雜的計算問題，將為設計高效、強大的機器智能提供重要啟示。」

 

亟待克服的挑戰：Imam表示，嗅覺領域存在著一些挑戰。當你走進一家雜貨店時，可能會聞到草莓的氣味，但其氣味可能類似於藍莓或香蕉的氣味，它們會在大腦中引發非常相似的神經活動模式。有時候，人類甚至很難分辨出究竟是一種水果氣味還是多種香味的混合。當系統聞到來自義大利的草莓和來自加利福尼亞的草莓時可能會出錯，這兩種草莓可能有不同的香味，但需要歸為一類。Imam表示：「這些是目前我們在研究嗅覺信號識別時面臨的挑戰，我們期待在未來幾年內解決這些問題，這樣的產品才能解決現實世界的問題，而不僅僅是解決在實驗室演示的實驗性問題。」在Imam看來，自己從事的工作是「發生在神經科學與人工智慧技術交叉領域的當代研究典範」。

關於Loihi神經擬態芯

Intel Loihi神經擬態晶片誕生於2017年9月，脫離傳統矽晶片的馮諾依曼計算模型，而是模仿人腦原理的神經擬態計算方式，並且是異步電路，不需要全局時鐘信號，而是使用異步脈衝神經網絡(SNN)，在特定應用中要比傳統CPU速度快最多1000倍，能效高最多10000倍。

2019年7月，Intel又宣布了代號「Pohoiki Beach」的全新神經擬態系統，包含多達64顆Loihi晶片，集成了1320億個電晶體，總面積3840平方毫米，擁有800萬個神經元、80億個突觸。

從理論上講，Loihi可以擴展到最多16384顆晶片互連，那就是超過20億個神經元——人類大腦有大約860億個神經元。

編輯：芯智訊-林子   來源：綜合自英特爾、快科技

行業交流、合作請加微信：icsmart01
芯智訊官方交流群：221807116

相關焦點

  • 有「嗅覺」的電腦:英特爾神經擬態晶片能嗅出危險化學品氣味
    英特爾研究院與美國康奈爾大學的研究人員在《自然-機器智能》（Nature Machine Intelligence）雜誌上聯合發表的一篇論文，展示了英特爾神經擬態研究晶片Loihi在存在明顯噪聲和遮蓋的情況下學習和識別危險化學品的能力。
  • Intel:首款神經擬態研究晶片功耗可比CPU低1000多倍
    「大腦仍然是最無敵的計算設備，即便傳統計算架構在過去 70 年取得了巨大進步。與訓練人工智慧系統的通用計算晶片相比，Loihi 晶片的能效提升了 1000 倍。」和大腦一樣，所有計算都在晶片上進行，通過二進位脈衝信息和低精度信號，內存來源於晶片神經元之間的連接。Loihi 採用同質架構，將許多小神經擬態核實例化，每個核的大小只有針頭的一部分。
  • 神經擬態晶片上線,已超過傳統CPU的1000倍
    最近，英特爾正式和聯想、羅技、梅賽德斯·奔馳等公司開始合作，共同探索神經擬態計算在商業用例上的價值。早在2017年，英特爾發布了代號羅希的第一款自主學習神經擬態晶片，其包含128個小核心，而每個小核心有1000個神經元硬體，模擬多個「邏輯神經元」，相比AI訓練的通用晶片能效可以提升1000倍。
  • 英特爾神經擬態計算開啟機器人 「觸覺」感知,比人類的感覺神經...
    這項工作著重介紹了與目前只有視覺的系統相比，將觸覺引入機器人技術能夠顯著提升系統能力和功能，並且神經擬態晶片在處理此類感官數據方面能夠超越傳統架構。　　英特爾神經擬態計算實驗室主任Mike Davies表示：「新加坡國立大學的這項研究，讓人們對機器人技術的未來有了深刻的了解，也就是說，未來機器人會以事件驅動的方式，結合多模態來感知和處理信息。
  • 英特爾神經擬態生態系統的最新研究進展
    開放日當天，英特爾宣布，聯想、羅技、梅賽德斯-奔馳和機器視覺傳感器公司Prophesee加入INRC，共同探索神經擬態計算在商業用例上的價值。此外，得益於英特爾神經擬態研究測試晶片Loihi的計算能力，英特爾還概括介紹了英特爾神經擬態研究社區更多的研究成果。
  • 英特爾神經擬態計算開啟機器人「觸覺」感知,比人類的感覺神經系統...
    2020年7月16日——今天，新加坡國立大學(NUS)的兩名研究人員，同時也是英特爾神經擬態研究社區(INRC)的成員發表了最新研究結果，表明在機器人領域，與基於事件的視覺和觸覺感知相結合，英特爾神經擬態計算大有可為。這項工作著重介紹了與目前只有視覺的系統相比，將觸覺引入機器人技術能夠顯著提升系統能力和功能，並且神經擬態晶片在處理此類感官數據方面能夠超越傳統架構。
  • 登上Nature子刊封面:英特爾神經晶片實現在線學習
    近日，來自英特爾和康奈爾大學的研究者宣布，團隊已經在神經形態晶片 Loihi 上成功設計了基於大腦嗅覺電路的算法，實現了在線學習和強記憶力能力。這項研究發表在最新一期自然雜誌子刊上《Nature Machine Intelligence》上，並成為封面文章。
  • 神經擬態架構性能已達CPU...
    二、神經擬態計算：2021Q1發布下代「Lava」軟體開發框架開源版2015年起，英特爾開始以現代神經科學為靈感，開發神經擬態計算的新型計算架構。相比傳統計算機架構，神經擬態架構完全模糊了內存和處理之間的界限。
  • 英特爾將神經擬態研究系統擴展至1億個神經元—新聞—科學網
    英特爾表示，將向包括美國哈佛大學、康奈爾大學等在內的英特爾神經擬態研究社區（INRC）的成員提供這一基於雲的系統，以擴展其神經擬態工作來解決更大規模且更複雜的問題。 神經擬態計算是英特爾為應對計算領域非結構化、有噪聲數據日益增加等挑戰而研發的新的計算機架構。其目標是應用神經科學的最新見解，來創造作用方式更類似於人腦的晶片而非傳統計算機的晶片。
  • 神經擬態計算和深度學習軟體有何不同?對話英特爾中國研究院院長...
    宋繼強談及與神經擬態晶片適配的軟體問題，以及英特爾神經擬態研究社區的準入條件，杜唯揚介紹了英特爾在短期和中長期的5G建設規劃，童立豐則重點回顧了英特爾自動駕駛業務Mobileye的成績單，稱EyeQ系列晶片的累計出貨量已逾5400萬。
  • 從「神經擬態」到「量子舞蹈」,英特爾披露五大前沿領域創新進展
    神經擬態計算從2015年開始，英特爾就開始了神經擬態計算的研究。2017年英特爾推出了第一款自主學習的神經擬態晶片Loihi；到2019年，英特爾推出了包含64塊Loihi的Pohoiki Beach系統，到2020年，英特爾最新推出的Pohoiki Springs包含768塊Loihi晶片，擁有1億個神經元。
  • 英特爾披露集成光電、神經擬態計算、量子計算等五大前沿創新進展
    相比傳統計算機架構，神經擬態架構完全模糊了內存和處理之間的界限。和大腦一樣，它利用的是數據連接、數據編碼和電路活動中所有形式的稀疏（sparsity）。處理就發生在信息到達時，二者同步進行。計算是數百萬個簡單處理單元之間動態交互的發展結果，就像大腦中的神經元一樣。這種新型計算機架構旨在將能效、實時數據處理速度、學習數據的效率等提升多個數量級。
  • AI四小龍排隊上市,AI嗅覺為何還沒有獨角獸?
    研究團隊發現，由於神經層級較少且標籤各自獨立，不同於以往需要依靠大量數據來學習的算法，這種「自然的方法」只需極少數的樣本，就能實現神經網絡的快速學習，這是仿生嗅覺系統最大的優勢
  • 1000倍提升!未來晶片、計算、編程將這樣發展
    需要注意的是，雖然英特爾在明碼數字上標註的是追求1000倍提升，但實際上神經擬態計算早已超過千倍提升，機器編程的提升更是從0到無窮大。本次展示新技術既是一種布局，也是一種互補，將與現行的異構計算相輔相成，最終實現新技術架構和傳統架構依據不同應用實施。
  • 深扒全球仿生晶片計劃!15+公司已入局,人造大腦通往未來計算之門
    特別的是，這一研究由英特爾神經擬態晶片Loihi提供動力。Loihi晶片在2017年首次亮相，包含128個內核、13萬神經元、1.3億突觸，每個內核模擬多個邏輯神經元，具有支持多種學習模式的可擴展片上學習能力。神經擬態晶片既可以以比傳統處理器更低的功耗，跑傳統深度神經網絡（DNN），也可以搭配充分考慮時間序列差異的脈衝神經網絡（SNN）。
  • 能「聞出」10種有害物質的神經形態晶片是什麼樣的?
    他們說，他們的技術不會破壞晶片的氣味記憶；與以往最先進的傳統方法相比，它具有「優異的」識別精度，其中包括的機器學習解決方案，需要每級的訓練樣本數量多3000倍才能達到相同級別的分類精度。英特爾神經形態計算實驗室高級研究科學家Nabil Imam認為，這項研究將為神經形態系統鋪平道路，該系統可以診斷疾病，檢測武器和爆炸物，發現毒品以及發現煙霧和一氧化碳的跡象。
  • 性能提升5倍,能耗降低30倍!Intel要用自旋電子技術復活摩爾定律
    神經元計算晶片Loihi早在去年9月底的時候，英特爾就公布了其首款神經擬態計算（類腦）晶片Loihi，這是全球首款具有自我學習能力的晶片。與其他典型的脈衝神經網絡相比，在解決MNIST數字識別問題時，以實現一定準確率所需要的總操作數來看，Loihi晶片學習速度提高了100萬倍。
  • 科技風向標:英特爾公布最大規模神經擬態計算系統 通用汽車高層...
    「智東西」晚報第1437期2020.3.19 周四#今日要聞#1、英特爾公布最大規模神經擬態計算系統3月19日消息，今天，英特爾公布其迄今為止最大規模神經擬態計算系統Pohoiki Springs，包含1億個神經元，堪比小型哺乳動物的大腦容量。
  • 類腦架構顛覆傳統!清華天機晶片登上《自然》封面
    傳統晶片均基於馮諾依曼架構，清華天機則是一種類似人類大腦機制的非傳統結構，類似Intel正在研究的神經擬態晶片Loihi。其實早在2015年，清華團隊就完成了第一代「天機」晶片，2017年進化為第二代，速度更快，性能更高，功耗更低，相比於當前世界先進的IBM TrueNorth，也具備功能更全、靈活性、擴展更好的優點，密度高出20%，速度高出至少10倍，帶寬高出至少100倍。