Forscher von Intel Labs und der Cornell University haben die einzigartige Fähigkeit von Intels neuromorphem Forschungschip namens Loihi demonstriert, gefährliche Chemikalien zu lernen und zu identifizieren. Die Forschung wurde in der Zeitschrift Nature Machine Intelligence veröffentlicht und beschreibt, wie ein neuronaler Algorithmus basierend auf der Architektur und Dynamik der Riechkreise des menschlichen Gehirns von Grund auf neu erstellt wurde.
Der Chip basiert auf einer neuromorphen Computerarchitektur, die vom aktuellen Verständnis der Wissenschaftler über das menschliche Gehirn und dessen Lösung inspiriert ist. Es ist ein Stück Hardware, das nachahmen soll, wie das menschliche Gehirn Probleme verarbeitet und löst. Es kann das bereits vorhandene Wissen nutzen, um Rückschlüsse auf neue Daten zu ziehen, und so den Lernprozess im Laufe der Zeit exponentiell beschleunigen.
Der Chip kann jede Chemikalie anhand ihres Geruchs anhand einer einzigen Testprobe identifizieren, ohne das Gedächtnis zuvor erlernter Gerüche zu stören. Im Vergleich zu jedem herkömmlichen Erkennungssystem wie einem Deep-Learning-System, das etwa 3.000-mal mehr Trainingsmuster benötigt, um die gleiche Genauigkeit zu erreichen, arbeitet der Chip mit überlegener Genauigkeit.
Es kann den Geruch von 10 verschiedenen gefährlichen Chemikalien lernen und erkennen. Das Intel-Team verwendete einen Datensatz, der aus der Aktivität von 72 bekannten chemischen Sensoren im Gehirn und ihrer Reaktion auf den Geruch jeder Chemikalie besteht. Die Daten wurden weiter verwendet, um das zu konfigurieren, was das Team "einen Schaltplan der biologischen Geruchsbildung" auf Loihi nennt. Damit konnte Loihi die neuronale Repräsentation jedes Geruchs erkennen und jeden identifizieren, selbst bei signifikanter Okklusion.
Die olfaktorischen Fähigkeiten von Loihi könnten bei neuen elektronischen Nasensystemen eingesetzt werden, die Ärzten bei der Diagnose von Krankheiten helfen. Darüber hinaus können damit Systeme zur Erkennung von Waffen und Sprengstoffen auf Flughäfen entwickelt werden. Es könnte auch verwendet werden, um wirksame Rauch- und Kohlenmonoxiddetektoren zu entwickeln. Von der Analyse sensorischer Szenen (Verständnis der Beziehungen zwischen Objekten, die Sie beobachten) bis hin zu abstrakten Problemen wie Planung und Entscheidungsfindung planen die Forscher, diesen Ansatz auf ein breiteres Spektrum von Problemen zu verallgemeinern.