新智元推荐
来源:健谈HealthWow全球医健科技随笔
作者:健哥健谈HealthWow
编辑:张佳
美国HBO电视台的科幻神剧《西部世界,第三季》(West World III),已经火热上演。
情节依然脑洞大开,热门程度一如既往。
不知道你是否想过:
剧中跟人类几乎一模一样的机器人,在今后的某一天会不会变成现实?
他们会和我们一样:能说,能吃,能听,能思考,能判断,能感知。。。
这个月(2020年3月),英特尔公司和康奈尔大学把这个科幻与现实的距离,又大大的拉近了一步。
具有人类真实知觉,甚至具备人类思考和判断能力的机器人,
已经在路上。
AI嗅觉黑科技,横空出世
3月15日,英特尔公司和康奈尔大学共同宣布:
他们基于人工智能芯片和传感器,开发出了具有类似人类嗅觉能力的新方案。
这个类人类嗅觉的方案,能够从上十种有毒的化学气味中,准确的分析出来其中的任何一种。
研究成果刚刚发表在了世界顶级的医学人工智能期刊《自然智能医学》(Nature Medicine Intelligience)上。
英特尔和康奈尔大学发表在《自然智能医学》上的论文
简单的说,这个人工嗅觉方案用到了英特尔公司一款正在研发中的人工智能芯片(称为Loihi芯片,发音类似“嗨“),同时研究人员给这个Loihi芯片配上了72种不同的化学传感器(chemical sensors)。
LoihiоƬ
Loihi芯片是英特尔公司在2017年开始立项研究的一种特殊的人工智能芯片–神经拟态研究芯片(neuromorphic chip),也可以理解为是一种类大脑芯片。
英特尔实验室的Loihi 测试版神经芯片
化学传感器
化学传感器的基本功能,是能够对不同的化学分子有所反应:它们可以把检测到的特定气体分子信号,转变成可以准确定量的电信号。
化学分子浓度越高,相应的电信号也越强。
常见的化学气体传感器
人工嗅觉方案=Loihi芯片+化学传感器
在这个人工嗅觉“黑科技”方案中,化学传感器对各种气味的反应首先被转变成电信号,然后被传送给 Loihi芯片,之后再由Loihi芯片的电路对人类嗅觉背后的大脑电路进行模拟。
模拟真实的人类嗅觉
人类的大脑内有专门负责嗅觉的部位,称为嗅球(olfactory bulb,下图中的方框部位)。嗅球里面最重要的就是神经元细胞。
英特尔公司和康奈尔大学的研究人员就是训练Loihi芯片,让它去像人类嗅球的神经元细胞一样,学习对不同的气味分子产生的不同反应。
英特尔在这次研究中用到的气体主要来自丙酮、氨、甲烷、乙烯、一氧化碳、苯、二甲苯等常见有强烈气味的化学物质。
人体嗅觉发生的主要部位–大脑的嗅球和神经元
这个“训练”的过程,比较像人类婴儿用鼻子去感受学习不同气味的过程:
香的气味、酸的气味和臭的气味,都会引起婴儿鼻腔内感受细胞的不同反应,这些反应最终会把信号传递到婴儿大脑的嗅球处处理,从而留下记忆。以后再碰到类似的气味,婴儿鼻腔内的感受细胞马上就可以调动之前的记忆,识别出来这个味道是熟悉的,还是陌生的。
这样的“训练”过程,在婴儿的大脑中留下的是气味的记忆;在人工智能芯片上如Loihi芯片上,留下的是所谓的人工智能模型(AI Model)。
经过气味训练的人工智能芯片(Loihi芯片),就能用学习到的人工智能模型,去鉴别新的气体分子。
如果它真的能够像人类的鼻子一样具备类人类嗅觉,就能迅速识别出来面前的是什么气味。
Loihi 芯片本身具有神经元细胞的学习能力(又被称为神经拟态芯片),所以仅仅需要单一的样本,就可以学会识别每一种气味,而且也不会破坏它对先前所学气味的记忆。
在这项突破性的工作中,英特尔Loihi芯片经过训练后,迅速掌握了 10 种气味各自的神经表征,其中包括丙酮、氨和甲烷等。
与传统的最先进方法相比,Loihi芯片展现出了极其出色的识别准确率。
即使在有强烈的环境干扰下,Loihi芯片依然能够识别出这些气味。
Loihi芯片学习嗅觉的这个过程,体现了人工智能的最主要理论和工具之一:机器学习(Machine Learning)。
这项工作的意义其实是不同寻常的。
理论上,在未来我们就可以利用这样的“电子鼻子”,去鉴别各种不同有害或者特殊的物质。
比如有这样一个典型的应用场景:一些特殊的疾病如帕金森病(Parkinson's),会让病人散发出奇怪的气味。而且对于帕金森病这种很难治愈的慢性疾病,最关键的就是做到早发现和早治疗。
在Loihi芯片基础上开发的“人工鼻子”就可以帮助医生、社区甚至家庭,在疾病早期就能够及时发现帕金森病人,给予治疗。
类脑芯片立奇功
英特尔公司开发Loihi芯片的出发点,是想让芯片模仿人类真实的神经行为,像人的大脑一样做出分析和判断。
基于这个出发点,这个人工智能芯片(Loihi芯片)被设计成具有13万个“神经元”(Neuron)。这些神经元之间,又被多达1亿3千万个“神经突触”(Synapse)互相连接。
所谓神经突触,本来是一个生物学名词,可以简单的理解为神经元结构上长长的尾巴状的部分。突触主要是用来在神经元之间互相联系、接触和通讯的部位。
一个神经元本身会有很多的神经突触,所以大脑内突触的数量要远远大于神经元的数量。同样的逻辑,一个像Loihi芯片这样的类脑芯片上,突触数量也是远远大于神经元的数量的。
2019年,英特尔对这个类脑芯片进行了设计上的升级:把神经元的数目提高到了8百万个,突触的数目更是提高到了10亿个!同时英特尔还把Loihi芯片互相之间做了连接:用64个芯片互相连接做成了一个超大的芯片组合,用来支持更复杂的人工智能计算。
2020年3月,英特尔创纪录的对Loihi芯片做了进一步的“巨无霸”升级,打造了一个由768个Loihi芯片拼装成,具有1亿个神经元的“超级大脑”(英特尔称其为“神经拟态计算系统”)。
1亿神经元的总数量,已经超过了小鼠脑部神经元(7000万个)的总数!
可以说,Loihi芯片的这种“巨无霸”组合,已经具备了超越小鼠大脑的潜力。
低功耗小数据=真正的人工嗅觉
人类是这个世界最伟大的奇迹。
某种意义上来说,人类是设计得最精良、效率最高的超级计算机,每天只需要消耗极低的能量,就能完成各种复杂的体力活动和脑力活动。
人脑又是人体上最神奇的器官。
人的大脑大概有1000亿个神经元,1000万亿个突触,能够处理复杂的视觉、听觉、嗅觉、味觉,具有强大的语言能力、理解能力、认知能力、情感控制、人体复杂机构控制、复杂心理和生理控制能力。
而所有这些复杂的大脑功能,加在一起的功耗只有10~20瓦。
“鬼斧天工”一样的存在。
人类发展人工智能的终极目标是模拟人脑,让机器来帮助我们完成各种人脑的分析、判断和决策功能,具备人的各种感知世界的能力。
过去几十年,人工智能的大部分发展都集中在视觉(机器视觉)和听觉(语音识别)上,而且大多数情况下已经可以达到95%以上的准确率。这背后的原因,跟这两个领域的数据比较丰富、相对规范和容易获得有关。
而嗅觉这一领域,正在成为新的人工智能攻坚阵地。
虽然该领域受制于嗅觉数据量比较孝标注不容易标准化等因素,过去进展乏善可陈,但最近随着类脑计算技术的发展,也正在取得令人振奋的进展。
在人工嗅觉这个领域,有一个根本的问题需要回答:
用人工智能来模拟人类的嗅觉,最佳的方式应该是什么样子的?
虽然之前曾经有过类似的嗅觉仿生产品,比如机场海关经常用到的手持爆炸物检测仪器,能够直接检测到爆炸物释放出来的微粒或者气味分子,但是本质上只是化学传感器,并没有模仿人类大脑的嗅觉机制。
另外在此项英特尔和康奈尔大学的研究之前,也有一些利用人工智能和深度学习来进行人工嗅觉研究的报道,但是它们普遍都需要用到大量的数据(是英特尔Loihi芯片训练样本数量的3000倍以上)来进行训练,同时也要消耗极高的计算资源和很长的时间来完成。另外,它们的人工智能模型经常会在遇到全新的类型目标时出现识别失败。
可以说,这些人工嗅觉方面传统的人工智能研究工作,并不吻合人脑嗅觉运行的本质,所以不应该被视为真正的类脑嗅觉计算。
说到这里,一个越来越被业界接受的共识,呼之欲出:
用人工智能来实现人类的嗅觉功能,必须就要像人类的嗅球神经元一样工作,而且用极低的能量消耗和极小的数据就能完成。
英特尔和康奈尔大学合作的这项工作,是真正尝试去模仿人类嗅觉系统对气味的感知,会如何诱导大脑产生出相应的学习和识别机制,意义与之前的人工嗅觉研究完全不一样。
英特尔开发的神经拟态芯片(Loihi芯片),真正回答了如何在低成本、数据量很少、功耗很低的背景下来解决气味辨识的问题。
在一个Loihi芯片上构造了这样复杂的系统,它的功耗却非常低,只是毫瓦级别,所以无论是进行训练还是识别都不需要消耗太多电力。这种低功耗的绝佳特点大有用武之地:我们可以把它做成类似于“电子鼻”的小物件,也可以把它扩展后去识别很多种类的气体。
英特尔 Loihi 芯片架构与传统的CPU、GPU甚至深度学习芯片TPU相比,都更加接近于大脑的工作机制。这种新形式的芯片有潜力完成目前的AI系统无法完成的任务,或者同样的任务可以实现更快的速度和更低的功耗。
这一突破,今后应该有潜力广泛的应用在反恐、缉毒和医学检测等各种场合。
只有理解了人的大脑回路如何用计算的方式解决嗅觉这样的问题,才有助于设计出真正有效的“类脑智能”。
也许,离我们创造出具有完全人类视觉、听觉、嗅觉、味觉、触觉等各种感知能力的AI机器人。。。
这一天不远了。
你,准备好拥抱真正的“西部世界”了吗?
参考来源:
https://newsroom.intel.com/news/how-computer-chip-smell-without-nose/#gs.1by0ym
https://www.pcworld.com/article/3532499/intel-teaches-its-loihi-pain-chip-to-smell.html
https://spectrum.ieee.org/tech-talk/artificial-intelligence/machine-learning/intels-neuromorphic-nose-learns-scents-in-just-one-sniff
本文经授权转载自“健谈HealthWow全球医健科技随笔”