Forskare från Intel Labs och Cornell University har visat den unika förmågan hos Intels neuromorfa forskningschip Loihi att lära sig och identifiera farliga kemikalier. Forskningen publicerades i tidskriften Nature Machine Intelligence som beskriver hur en neuralalgoritm byggdes från grunden baserat på arkitekturen och dynamiken i den mänskliga hjärnans luktkretsar.
Chipet är baserat på en neuromorf datorarkitektur som är inspirerad av forskarnas nuvarande förståelse för den mänskliga hjärnan och hur den löser problem. Det är lite hårdvara som syftar till att efterlikna hur den mänskliga hjärnan bearbetar och löser problem. Det kan utnyttja den kunskap som det redan har för att göra slutsatser om nya data och därigenom hjälpa till att påskynda sin inlärningsprocess exponentiellt över tiden.
Chipet har förmågan att identifiera varje kemikalie baserat på dess lukt från bara ett enda testprov också utan att störa dess minne av tidigare inlärda dofter. Jämfört med alla konventionella igenkänningssystem som ett djupinlärningssystem som kräver cirka 3 000 gånger fler träningsprover för att nå samma noggrannhet, fungerar chipet med överlägsen noggrannhet.
Det kan lära sig och känna igen doften av tio olika farliga kemikalier. Intel-teamet använde en dataset som består av aktiviteten hos 72 kända kemiska sensorer i hjärnan och hur de svarar på lukten av varje kemikalie. Uppgifterna användes vidare för att konfigurera det som teamet kallar ”ett kretsschema för biologisk lukt” på Loihi. Med detta kunde Loihi känna igen den neurala framställningen av varje lukt och identifiera var och en, även med betydande ocklusion.
Loihis doftförmåga kan användas på nya elektroniska nässystem som hjälper läkare att diagnostisera sjukdomar. Dessutom kan den användas för att utveckla system för att upptäcka vapen och sprängämnen på flygplatser. Det kan också användas för att utveckla effektiva rök- och kolmonoxiddetektorer. Från sensorisk scenanalys (förståelse av förhållandet mellan objekt du observerar) till abstrakta problem som planering och beslutsfattande planerar forskarna vidare att generalisera detta tillvägagångssätt till ett bredare spektrum av problem.