靠一种样本学习多种气味 神经拟态芯片拉近AI与人脑距离

 人工智能技术     |      2020-04-08 16:06

导读:除了看和听,他们还能“嗅”。最近,致力于模仿人类五官的人工智能又有了突破。通过神经模拟芯片,人工智能已经掌握了丙酮、氨气和甲烷等10种气味的神经表征,强烈的环境干扰不会影

除了看和听,他们还能“嗅”。最近,致力于模仿人类五官的人工智能又有了突破。通过神经模拟芯片,人工智能已经掌握了丙酮、氨气和甲烷等10种气味的神经表征,强烈的环境干扰不会影响其对气味的准确识别。英特尔研究所和美国康奈尔大学联合参与的研究结果最近发表在《自然机器智能》杂志上。

神经模拟是模拟人脑神经元的工作机制,使计算机具有与人类相同的自然智能特征。英特尔发布的另一项研究显示,通过将768个神经模拟芯片集成到五个标准服务器大小的机箱中而形成的神经模拟系统pohoiki springs相当于一个拥有1亿个神经元的大脑,相当于一个小型哺乳动物的大脑神经元数量。

通过堆叠芯片形成的神经模拟系统似乎让我们看到了“机器可以像人一样聪明”的希望。神经模拟芯片和大规模集成系统的成熟是否意味着具有“强认知和小样本学习”的神经模拟计算具有大规模商业应用的可能性?

神经模拟训练不需要大量样本。

目前,深度学习算法作为实现人工智能的重要技术手段,广泛应用于各种人工智能成果中。对于由深度学习算法支持的人工智能成果来说,数据可以说是研究的血液。数据量越大,数据质量越高,深入学习的性能越好。然而,在许多研究环境中,由于隐私问题和客观限制,很难获得有效的数据。

虽然深度学习已经取得了很大的进步,但它仍然局限于图像和声音的分类和识别英特尔中国研究院院长宋继强表示,人类视觉和语音数据易于获取和注释,符合深入学习的必要条件。研究和应用相对成熟,但对味觉和嗅觉的研究并不乐观。

对于传统的人工智能来说,主流的深度学习方法可能需要设置数亿个参数和训练数十万次来区分猫和狗,更不用说更陌生的气味识别领域了。然而,即使对几岁的婴儿来说,只需要几次就能识别动物和闻到气味。

普通人已经被训练区分300到400种气味,但是现实世界可以区分超过10,000种气味。为了模拟人类嗅觉的大脑运行机制,研究人员使用了一套从人脑嗅觉回路结构和动力学结合中衍生出来的神经算法来训练神经模拟芯片。只需要一个样本,神经模拟芯片就能学会识别10种气味,而不会破坏它对所学气味的记忆。

宋继强说,即使是最先进的深度学习解决方案,也需要3000多次训练样本才能达到与神经模拟芯片相同的分类精度。


  • 共3页:
  • 上一页
  • 1
  • 2
  • 3
  • 下一页