英特尔实验室和康奈尔大学的研究人员展示了英特尔神经形态研究芯片Loihi独特的能力:仅根据气味就能识别多种有害化学物质。
研究人员说,Loihi可以根据测试样品的气味识别出每种化学物质,而不会颠覆此前学习到的气味记忆。不仅如此,与任何传统的识别系统(包括深度学习系统)相比,Loihi芯片还显示出更高的准确性,而深度学习系统则需要大约3000倍的训练样本,才能达到相同的准确性。
英特尔实验室高级研究科学家Nabil Imam说:“我们正在基于Loihi开发神经算法,以模仿人类闻到气味后大脑的反应。这项工作是在神经科学和人工智能交叉领域进行当代研究的一个典范,证明了Loihi具有重要的传感潜力,可以让各行各业从中受益。”
Loihi芯片是一种旨在模仿人脑处理和解决问题方式的硬件。该芯片于2017年9月首次发布,当时英特尔称,Loihi具有“令人难以置信的”学习速度。Loihi芯片的独特之处在于,它可以利用已有知识来推断新数据,从而随着时间的推移,以指数速度加快学习过程。
Loihi芯片基于“神经形态计算”架构,该架构的灵感来自科学家对人脑及人脑解决问题的最新理解。
今天发表在《自然机器智能》杂志上的这项最新研究,描述了英特尔实验室和康奈尔大学研究团队如何基于人脑嗅觉回路的结构和动力学,从零开始开发神经算法。Loihi芯片可以学习并识别10种不同危险化学品的气味。
要了解Loihi是如何做到这一点的,将进一步有助于了解人脑如何感知不同气味。例如,当一个人拿起葡萄柚闻气味的时候,水果中的分子会刺激鼻子的嗅觉细胞,由嗅觉细胞发送给大脑。然后,在相互连接的神经元组中的电脉冲产生对该气味的独特感知。
英特尔研究人员解释说:“无论你闻的是葡萄柚、玫瑰还是有害的气体,大脑中的神经元网络都会产生该物体特定的感觉。类似地,你的视觉和听觉、记忆、情绪、决策都有各自的神经网络,以特定的方式进行计算。”
英特尔团队在最新研究中采用的数据集中,包含了大脑对72种已知化学物质的感官活动以及响应每种化学物质气味的方式。这些数据被用于配置英特尔研究团队开发Loihi芯片的“生物嗅觉电路图”。这样一来,Loihi芯片就可以识别每种气味的神经表示,并识别每种气味。
Moor Insights&Strategy分析师Patrick Moorhead表示,英特尔的这项研究表明,确定各种有害化学物质的气味,是神经形态计算的一个很好的用例。
Moorhead称:“神经运动计算就像人类大脑一样进行训练和推断,因此,很高兴看到英特尔在这一研究领域开辟了一条道路。”
Imam在博客文章中表示,可以将Loihi的嗅觉能力作为帮助医生诊断疾病的新型“电子鼻系统”,其他用途还包括开发更高效的烟雾和一氧化碳探测器,或者是在机场探测武器和爆炸物。
“下一步是将这种方法推广到解决更广泛的问题,从感官场景分析(理解你观察到的物体之间的关系)到抽象问题,例如计划和决策。了解大脑神经回路如何解决这些复杂的计算问题,将为设计高效而强大的机器智能提供重要的线索。”
好文章,需要你的鼓励
随着5G流量快速增长和新用例不断涌现,网络运营商需要在最小化环境影响的同时管理密集网络使用。Orange法国与爱立信合作开展创新试验,测试FDD大规模MIMO天线集成无线电,优化高流量区域频谱使用。双方还探索Cloud RAN和Open RAN架构,通过虚拟化RAN功能实现灵活的软件中心网络。合作重点关注利用AI驱动的自动化和意图驱动技术提升能源效率,在不影响性能的前提下动态调整网络资源以降低能耗。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
微软正在将Windows 11改造为"智能代理操作系统",在任务栏中集成AI代理功能。新功能允许AI代理在后台执行任务,用户可通过任务栏图标查看进度状态。微软还在文件资源管理器中集成Copilot,提供文档摘要、文件问答等功能。此外,Click to Do功能得到改进,可将网页表格转换为Excel文档。这些AI功能采用本地AI和云端AI混合模式,为用户提供更智能的操作体验。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。