@量子的海市蜃楼,和机器学习的嗅觉( 三 )


但是 , 嗅觉信息却与视觉完全不同 , 它是由不同成分和不同浓度构成的混合信息 , 是非结构化的 。 由于不具备明显的界限 , 很难对它们进行直接的分类 , 因此在识别的时候 , 很难确定应该去关注哪些特征 。 这种迥然相异的特征迫使科学家们去寻找一种全新的算法结构 。
以‘仿’为开端
基于嗅觉的神经网络算法 , 固然提供了一个完全不同于主流算法的研究向度 。 但是 , 面对这样一个全新的方向该如何着手 , 又成为了一个难题 。 于是 , 人们又把目光投向了大自然现有的馈赠上来 。 于是以‘仿生’为目的的神经网络算法也就自然而然地将‘仿’作为了开端 。
2017年 , 尼日利亚有研究人员称 , 通过对小鼠的神经元进行改造 , 创造出了神经形态芯片Koniku Kore , 它是世界首个具有嗅觉并可以识别爆炸物等气味的芯片 。 研究人员介绍 , 该芯片是活体神经和硅的混合物 , 它使用了小鼠的神经元进行构建 。 他们预测技术前景时称 , 在未来 , 该芯片通过气味训练将可以用来检测挥发性化学物质、爆炸物甚至是癌症等疾病的气味 , 使机器人替代执行安检、排爆等工作 。
@量子的海市蜃楼,和机器学习的嗅觉
本文插图
芯片Koniku Kore创造者Oshiorenoya Agabi
在另一项研究中 , 索尔克生物研究所的计算机科学家Saket Navlakha , 开发出了一种基于飞蝇的嗅觉回路算法 , 并它能希望改善机器学习技术在相似搜索与新型检测任务中的表现 。 飞蝇趋近成熟水果的味道 , 而远离醋酸等刺激性气味的来源 。 但它所处的环境却是复杂而充满干扰因素的 , 因此遇到的气味不可能完全相同 。 但飞蝇一遇到新的气味 , 便会据此回忆起其此前遇到过的最相似的气味 , 从而做出反应 。 Navlakha与其团队受到启发 , 决心从中找出一种以嗅觉激发尔3的相似性搜索方式 。
神经形态芯片正在模糊芯片和生物系统之间的界限 。 而这在发轫之始的嗅觉算法领域表现得尤为明显 。 目前IMB、HRL实验室、高通等科技巨头都投入了相当大的精力在神经形态芯片方面 , 相信其发展速度也会极其可观 。


推荐阅读