英特爾(Intel)實驗室和康乃爾大學的研究人員在《自然機器智慧》(Nature Machine Intelligence)期刊上共同發表的一篇論文中，展示英特爾神經形態研究晶片「Loihi」，該晶片具有在明顯的干擾和阻絕情況下，學習和辨識有害化學物質的能力。Loihi僅透過單一樣本就學會各種氣味，同時不會破壞先前所習得的氣味記憶。與包括深度學習解決方案在內的傳統先進辨識方法相比，Loihi展現出更高的識別準確率，傳統先進辨識方法的解決方案需要增加3,000倍的訓練樣本才能達到相同的分類精準度等級。
英特爾神經形態運算實驗室資深研究科學家Nabil Imam表示，英特爾正在Loihi上開發神經演算法，模仿人們在聞到氣味後的大腦運作模式。這項工作是神經科學和人工智慧交會的當代研究典範，並證明Loihi具備提供重要感測功能的潛力，可望使各個產業受惠。
英特爾和康乃爾大學的研究人員使用一種從大腦嗅覺迴路的架構和動力學所得出的神經演算法，對英特爾Loihi神經形態研究晶片進行訓練，以學習和辨識10種有害化學物質的氣味。
Imam和研究團隊採用了由72個化學感測器的活動所組成的資料集，以對應風洞(wind tunnel)中循環的10種氣態物質(氣味)。感測器對每種氣味的反應會被傳送到Loihi，讓晶片電路模仿以嗅覺為基礎的大腦電路。Loihi晶片可以快速學習10種氣味(包括丙酮、氨和甲烷)中每種氣味的神經表徵，即使在背景受到強烈干擾的情況下也能順利辨識。
目前許多人家中的煙霧和一氧化碳探測器，也使用感測器來檢測氣味，但是它們無法區分不同的氣味；當它們檢測到空氣中的有害分子時會發出蜂鳴聲，但無法以智慧的方式對這些氣味分子進行分類。
Imam表示，化學感測領域多年來一直在尋找聰明、可靠和快速回應的化學感測處理系統，也就是所謂的「電子鼻系統(Electronic Nose Systems)」。他認為配備神經形態晶片的機器人在環境監測和有害物質檢測或工廠品質控制方面極具潛力。它們可用於會散發出特殊氣味之疾病的醫學診斷。另一個例子是配備神經形態晶片的機器人可以更清楚地辨別機場安全線中的有害物質。
研究團隊下一步打算將這種方法應用在更廣泛的問題上，從感官場景分析(了解觀察到的物體之間的關係)到像是計劃和決策等抽象問題。了解大腦的神經迴路如何解決這些複雜的運算問題，將為設計高效而強大的機器智慧提供重要線索。
但Imam也指出，目前在機器嗅覺感測方面，仍存在挑戰。舉例來說，當人們走進雜貨店時，可能會聞到草莓的味道，但其氣味可能類似於藍莓或香蕉的氣味，因為它們在大腦中誘發非常相似的神經活動模式。有時人類甚至很難分辨出一種水果還是多種水果混合的香味。當系統聞到來自義大利的草莓和來自加州的草莓時，有可能會出錯，因為兩者可能具有不同的香氣，但卻需要歸為同一類。
這些是研究團隊正在努力解決的嗅覺信號辨識問題，希望在未來幾年內解決這類挑戰，打造能夠解決實際問題的產品，而不僅是解決在實驗室中演示的實驗性問題。
