在所有感官中，训练AI分辨气味是一件特别困难的事情，但这并不能阻止研究人员尝试。

3月16日，英国《自然-机器智能》（Nature Machine Intelligence）杂志发表了一项人工智能研究，英特尔神经形态计算实验室和康奈尔大学的联合团队报告称，他们实现了一种设计用来模拟生物嗅觉的神经算法。这项成果意味着一种强大方法的出现，在此基础上，未来可开发出超越当前人工智能趋势的新算法。

可在干扰环境下嗅出10种有害物质

神经形态计算能够大幅提升数据处理能力和机器学习能力，能耗和体积都非常理想，被认为是高性能计算的下一发展阶段。而神经形态芯片的设计，是使用受大脑启发而形成的计算机器，即通过创造由人工神经元和突触组成的网络来实现。但是，目前仍不明确的是，如何利用这种机器解决现实问题。这主要是因为我们对在生物神经回路层面实现的算法了解还不够透彻。

此次，英特尔神经形态计算实验室科学家纳比尔·伊姆艾姆（Nabil Imam）和康奈尔大学心理学系计算生理学实验室研究人员托马斯·克莱兰德（ Thomas A. Cleland），在英特尔“Loihi”神经拟态芯片系统上，描述了一种基于哺乳动物嗅觉系统的神经算法，可以学习并鉴别气味样本

研究团队之后在一个神经形态系统中，实现该神经算法，并利用甲苯、氨、丙酮、一氧化碳和甲烷等10种有害化学物质，对其进行气味训练，最后在风洞中通过传感器的数据对神经拟态芯片Loihi进行了测试。

根据英特尔的说法，即使存在其他强烈气味，该芯片也可以识别这些有害物质。将来这项技术可能使“电子鼻”和机器人能够检测武器、爆炸物、麻醉品甚至疾玻。

英特尔神经拟态芯片Loihi（图自：intel Labs）

比CPU快10000倍，比GPU功耗低100倍

说起Loihi，2017年9月《电子工程专辑》曾报道，为了让计算机通信和学习方式更接近人类大脑，英特尔实验室推出的脱离传统硅芯片的冯诺依曼计算模型、模仿大脑基本机制的自学习神经拟态芯片。它能更快更高效地执行机器学习计算任务，同时大幅降低对功耗的需求。

根据官方资料，Loihi芯片采用14nm工艺，管芯尺寸60毫米，包含超过20亿个晶体管、13万个人工神经元和1.3亿个突触。Loihi异步电路，不需要全局时钟信号，而是采用可编程微代码引擎，用异步脉冲神经网络（SNN）或AI模型行进片上训练，该模型将时间整合到其操作模型中，因此模型的组件不会同时处理输入数据。

据悉，用英特尔Loihi芯片来处理稀疏编码、图形搜索、约束满足问题等特殊应用，速度比传统CPU快1000倍，效率比传统CPU高10000倍，它还能将某些优化方案的速度和能效提高了超过三个数量级。英特尔表示，这将用于“高效”地实施自适应学习、事件驱动和细粒度并行计算。

（图自：intel）

2019年7月，《电子工程专辑》持续报道了英特尔在神经拟态方面的进展。他们宣布了代号“Pohoiki Beach”的全新神经拟态系统，包含多达64颗Loihi芯片，集成了1320亿个晶体管，总面积3840平方毫米，拥有800万个神经元、80亿个突触。

3个月投8家芯片厂，小米“国产替代”布局下的“如意算盘”

小米开启了新的生态布局。 最近，小米开始密集投资芯片及制造相关企业。 据股权变更或融资披露的时间显示，从1月份开始，小米集团通过旗下的湖北小米长江产业基金合伙企业（小米长江产业基金）已经密集投资了10家底层配件厂，其中除了围绕手机散热材料和工业

“我们在实时深度学习基准测试中，证明使用Loihi芯片的功耗比GPU低109倍，比专用IoT推理芯片低5倍。”Applied Brain Research首席执行官、滑铁卢大学教授Chris Eliasmith表示，“随着我们将网络扩展50倍，Loihi保持实时性能结果，仅使用30％的功率，而IoT硬件不能保证实时，还要消耗500％的功率。”

罗格斯大学教授Konstantinos Michmizos也介绍说，相比用CPU运行SLAM方法，Loihi的能耗低了大约100倍。

值得一提的是，Loihi仅用一个样本就可以了解每种气味。研究人员表示，这令人感到震惊，因为其他深度学习技术可能需要3000倍以上的训练样本才能达到相同的准确性水平。Imam表示，他们的工作是“神经科学和人工智能跨领域交叉研究的最好的例子”。

Nabil Imam在位于美国加州圣克拉拉的神经拟态计算实验室中手持一块Loihi神经拟态测试芯片（图自：intel Lab

下一步挑战：超越人类嗅觉

当我们闻东西时，分子会刺激鼻子中的嗅觉细胞。比如你拿一个榴莲闻一闻，水果分子就会刺激鼻腔嗅觉细胞，细胞向大脑嗅觉系统发送信号，一组相互连接的神经元中的电脉冲就会在这个嗅觉系统中产生嗅觉，然后你就闻到这个物体的气味了。

Imam也提到，嗅觉领域存在着一些挑战。

当你走进一家杂货店时，可能会闻到草莓的气味，它的气味可能跟蓝莓或香蕉很像。有时候，人尚且难分辨出究竟是一种水果气味，还是多种香味的混合。让系统来辨认极其相似的气味，同样是难题。

“这些是目前我们在研究嗅觉信号识别时面临的挑战，”Imam表示：“我们期待在未来几年内解决这些问题，这样的产品才能解决现实世界的问题，而不仅仅是解决在实验室演示的实验性问题。”

Imam表示，了解大脑的神经回路如何解决这些复杂的计算问题，将为设计高效、强大的机器智能提供重要的参考依据，换句话说，如果我们能更透彻的了解大脑识别气味的原理，那么可能会从根本上改变我们设计人工智能的方式。

从理论上讲，Loihi可以扩展到最多16384颗芯片互连，那就是超过20亿个神经元——人类大脑有大约860亿个神经元。

英特尔和康奈尔大学当然不是唯一一个致力于训练AI以检测气味的团队。Google Brain小组正在与调香师合作，将气味分子与感知到的气味联系起来。俄罗斯研究人员正在使用AI来嗅出致命的气体混合物，并且研究人员试图通过机器学习重现灭绝花朵的气味。

除了英特尔外，IBM、惠普、麻省理工学院、普渡大学、斯坦福大学等机构都在推进类脑计算的相关研究，希望借助它来开发出更强大的计算系统。