除了會看會聽，還會“聞”。近日，一直致力于模仿人類五感的人工智能又有新突破，通過神經(jīng)擬態(tài)芯片，人工智能已經(jīng)掌握了丙酮、氨和甲烷等10種氣味的神經(jīng)表征，強烈的環(huán)境干擾也不會影響它對氣味的準確識別。這項由英特爾研究院與美國康奈爾大學共同參與的研究成果，日前發(fā)表于《自然·機器智能》雜志上。

神經(jīng)擬態(tài)即通過模擬人腦神經(jīng)元的工作機制，讓計算機具備像人一樣的自然智能特性。英特爾公布的另一項研究顯示，將上述768塊神經(jīng)擬態(tài)芯片集成在5臺標準服務器大小的機箱中形成的神經(jīng)擬態(tài)系統(tǒng)——Pohoiki Springs，已經(jīng)相當于擁有了1億個神經(jīng)元的大腦，而這相當于一個小型哺乳動物的大腦神經(jīng)元數(shù)量。

通過堆疊芯片形成的神經(jīng)擬態(tài)系統(tǒng)似乎讓我們看到了“機器可以和人一樣聰明”的希望，那神經(jīng)擬態(tài)芯片及大規(guī)模集成系統(tǒng)的就緒，是否意味著“強認知、小樣本學習”的神經(jīng)擬態(tài)計算有了規(guī)模商用的可能?

神經(jīng)擬態(tài)訓練無需大量樣本

目前深度學習算法作為實現(xiàn)人工智能的重要技術手段，被廣泛應用于各類人工智能成果中。對于以深度學習算法為支撐的人工智能成果，數(shù)據(jù)可以說是研究的血液。數(shù)據(jù)量越大，數(shù)據(jù)質量越高，深度學習所表現(xiàn)的性能也就越好。但在不少研究環(huán)境中，由于涉及隱私安全以及客觀條件限制，有效數(shù)據(jù)難以獲得。

“深度學習雖然取得了長足進步，但仍局限在圖像和語音等方面的分類和識別中。”英特爾中國研究院院長宋繼強說，人類視覺、語音兩類數(shù)據(jù)容易獲得和標注，滿足了深度學習的必要條件，研究及應用相對成熟，但味覺和嗅覺的研究卻沒那么樂觀。( 劉艷)

標簽： 神經(jīng)擬態(tài)芯片