人工智能在氣味識(shí)別方面不斷進(jìn)步 成功的關(guān)鍵是神經(jīng)形態(tài)結(jié)構(gòu)

近日，科學(xué)家們發(fā)現(xiàn)了一種讓人工智能在氣味識(shí)別方面更進(jìn)一步的方法。

3月16日，研究人員在《自然機(jī)器智能》（Nature Machine Intelligence）在線版上發(fā)表報(bào)告稱，與其他人工智能不同，一個(gè)新的人工智能系統(tǒng)可以持續(xù)學(xué)習(xí)新的香味，而不會(huì)忘記其他香味。它還比其它算法更有效、更可靠。

該程序成功的關(guān)鍵是它的神經(jīng)形態(tài)結(jié)構(gòu)，與其他人工智能設(shè)計(jì)相比，它更像哺乳動(dòng)物大腦中的神經(jīng)回路。

這種算法擅長(zhǎng)于檢測(cè)背景噪聲中的微弱信號(hào)，并在工作中不斷學(xué)習(xí)。這種AI有一天可能會(huì)用于空氣質(zhì)量監(jiān)測(cè)、有毒廢物檢測(cè)或醫(yī)療診斷。

研究中使用的新的人工智能是一個(gè)人工神經(jīng)網(wǎng)絡(luò)，由許多模擬神經(jīng)細(xì)胞處理氣味信息的計(jì)算元件組成。人工智能通過從風(fēng)洞里的化學(xué)傳感器獲取電壓讀數(shù)來“嗅探”，這些化學(xué)傳感器暴露在甲烷或氨等不同氣味的煙流中。

當(dāng)人工智能聞到一種新的氣味時(shí)，它的神經(jīng)細(xì)胞或神經(jīng)元就會(huì)發(fā)生一連串的電活動(dòng)，而這些活動(dòng)是系統(tǒng)能夠記住并在未來識(shí)別的。

就像哺乳動(dòng)物大腦中的嗅覺系統(tǒng)一樣，這款人工智能的一些神經(jīng)元被設(shè)計(jì)成通過發(fā)出不同時(shí)間的脈沖來對(duì)化學(xué)傳感器的輸入做出反應(yīng)。其他神經(jīng)元?jiǎng)t學(xué)習(xí)識(shí)別那些構(gòu)成氣味電信號(hào)的點(diǎn)的模式。

比傳統(tǒng)人工智能更優(yōu)秀

這一受到動(dòng)物大腦啟發(fā)的、設(shè)置為神經(jīng)形態(tài)的人工智能學(xué)習(xí)新氣味比傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)更優(yōu)秀。傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)是由相同的白板神經(jīng)元組成的統(tǒng)一網(wǎng)絡(luò)來作為最初設(shè)計(jì)。

如果把普通的神經(jīng)網(wǎng)絡(luò)比作隨機(jī)的新手玩家，那么模擬大腦神經(jīng)形態(tài)的神經(jīng)網(wǎng)絡(luò)就像一個(gè)已經(jīng)給隊(duì)員分配好了位置、告知比賽規(guī)則的競(jìng)技隊(duì)伍。因此，神經(jīng)形態(tài)的AI系統(tǒng)將能夠更快、更靈活地進(jìn)行研究。

就像一個(gè)運(yùn)動(dòng)隊(duì)可能只需要看一次一場(chǎng)比賽，就可以理解策略并在新場(chǎng)景中實(shí)施，神經(jīng)形態(tài)的AI可以在聞到一種新氣味的單一樣本后，就在未來識(shí)別出這種氣味，即使是在其他未知的氣味中。

相比之下，一群新手可能需要看很多遍才能重新編排舞蹈，而且還要努力適應(yīng)未來的游戲場(chǎng)景。同樣，一個(gè)標(biāo)準(zhǔn)的人工智能必須多次研究單一的氣味樣本，但當(dāng)氣味與其他氣味混合時(shí)，仍然可能無法識(shí)別它。

康奈爾大學(xué)的Thomas Cleland和英特爾公司的Nabil Imam在對(duì)10種氣味的嗅覺測(cè)試中，將他們的神經(jīng)形態(tài)人工智能與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)進(jìn)行了對(duì)比。

為模擬真實(shí)世界的情況，測(cè)試的目標(biāo)氣味通常與其他氣味混合在一起。神經(jīng)形態(tài)的人工智能識(shí)別正確氣味的準(zhǔn)確率為92%，標(biāo)準(zhǔn)人工智能的準(zhǔn)確率則只有52%。

神經(jīng)形態(tài)AI的另一個(gè)好處是，如果向網(wǎng)絡(luò)中加入新的神經(jīng)元，人工智能仍可以繼續(xù)學(xué)習(xí)新的氣味，這與大腦中不斷形成新細(xì)胞的方式類似。

這也不會(huì)干擾到其他的神經(jīng)元，而在傳統(tǒng)人工智能中，加入一種新的氣味很容易擾亂現(xiàn)有的聯(lián)系，所以一個(gè)傳統(tǒng)人工智能很難在不忘記其他氣味的情況下學(xué)習(xí)新的氣味，除非從頭開始訓(xùn)練。

新的人工智能的一次性學(xué)習(xí)策略也比傳統(tǒng)的人工智能系統(tǒng)更節(jié)能，而傳統(tǒng)的人工智能系統(tǒng)“往往非常耗電”，耶魯大學(xué)的神經(jīng)形態(tài)工程師Priyadarshini Panda表示。

目前，當(dāng)涉及的氣味較少時(shí)，這種新的神經(jīng)形態(tài)AI系統(tǒng)看起來運(yùn)作得很好。未來，研究人員可以對(duì)其是否適用于更大規(guī)模的學(xué)習(xí)而進(jìn)行進(jìn)一步實(shí)驗(yàn)。

哺乳動(dòng)物的嗅覺更厲害？

在選擇模仿哪種神經(jīng)網(wǎng)絡(luò)上，選擇哺乳動(dòng)物有可能是因?yàn)槠浣咏谌祟?，更方便模擬，也有可能是因?yàn)椴溉閯?dòng)物本身在嗅覺上就表現(xiàn)優(yōu)秀。

一項(xiàng)研究列出了10種擁有最多與嗅覺有關(guān)的基因的動(dòng)物，榜上有名的哺乳動(dòng)物有馬、奶牛、負(fù)鼠、非洲大象和狗等。人類排在第13位，擁有396個(gè)嗅覺感受器（OR）基因，僅次于樹鼩（563）和兔子（768）。

在哺乳動(dòng)物中，大約有2萬個(gè)基因與嗅覺有關(guān)，其中只有近一半的基因用于實(shí)際用途。哺乳動(dòng)物的鼻子里有數(shù)百萬個(gè)嗅覺感受器，用來探測(cè)不同的氣味。一項(xiàng)東京的研究發(fā)現(xiàn)嗅覺感受器是哺乳動(dòng)物中最重要的多基因家族。

嗅覺對(duì)于哺乳動(dòng)物來說和生存密切相關(guān)，在某些情況下比視覺或聽覺更為重要。

氣味在提供方向信息方面不如聲音或地點(diǎn)準(zhǔn)確，但它的優(yōu)勢(shì)是可以隨著時(shí)間的推移傳遞信息。它在黑暗中也同樣有效，而且是無聲的。

一種動(dòng)物用氣味標(biāo)記了它的領(lǐng)地，這是在向另一種動(dòng)物提供關(guān)于它自己的信息，即使它已經(jīng)離開很久了，這種信息仍然可以被接收到。它能夠長(zhǎng)時(shí)間持續(xù)，向不特定種類和數(shù)量的其它動(dòng)物傳遞信息，而不需要任何進(jìn)一步的能量消耗。