Naukowcy z Intel Labs i Cornell University zademonstrowali wyjątkową zdolność neuromorficznego chipa badawczego Intela o nazwie Loihi do uczenia się i identyfikowania niebezpiecznych chemikaliów. Badania zostały opublikowane w czasopiśmie Nature Machine Intelligence, w których opisano, w jaki sposób od podstaw zbudowano algorytm neuronowy w oparciu o architekturę i dynamikę obwodów węchowych ludzkiego mózgu.
Czip jest oparty na architekturze obliczeń neuromorficznych, która jest inspirowana obecną wiedzą naukowców na temat ludzkiego mózgu i sposobu rozwiązywania problemów. Jest to sprzęt, który ma naśladować sposób, w jaki ludzki mózg przetwarza i rozwiązuje problemy. Może wykorzystać wiedzę, którą już posiada, do wyciągania wniosków na temat nowych danych, pomagając w ten sposób w wykładniczym przyspieszeniu procesu uczenia się w czasie.
Chip ma zdolność identyfikacji każdej substancji chemicznej na podstawie jej zapachu na podstawie pojedynczej próbki testowej, co również bez zakłócania pamięci wcześniej wyuczonych zapachów. W porównaniu z jakimkolwiek konwencjonalnym systemem rozpoznawania, takim jak system głębokiego uczenia, który wymaga około 3000 razy więcej próbek treningowych, aby osiągnąć ten sam poziom dokładności, chip działa z najwyższą dokładnością.
Potrafi nauczyć się i rozpoznać zapach 10 różnych niebezpiecznych chemikaliów. Zespół Intela wykorzystał zbiór danych, który obejmuje aktywność 72 znanych czujników chemicznych w mózgu i ich reakcję na zapach każdej substancji chemicznej. Dane zostały następnie wykorzystane do skonfigurowania czegoś, co zespół nazywa „schematem obwodu węchu biologicznego” na Loihi. Dzięki temu Loihi mógł rozpoznać neuronową reprezentację każdego zapachu i zidentyfikować każdy z nich, nawet przy znacznej okluzji.
Zdolności węchowe Loihi można by wykorzystać w nowych elektronicznych systemach nosa, które pomagają lekarzom w diagnozowaniu chorób. Ponadto może posłużyć do opracowania systemów wykrywania broni i materiałów wybuchowych na lotniskach. Można by go również wykorzystać do opracowania skutecznych detektorów dymu i tlenku węgla. Od analizy scen sensorycznych (rozumienie relacji między obserwowanymi obiektami) po abstrakcyjne problemy, takie jak planowanie i podejmowanie decyzji, naukowcy planują dalej uogólnić to podejście do szerszego zakresu problemów.