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
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。