Intel Labs ve Cornell Üniversitesi'nden araştırmacılar, Intel'in Loihi adlı nöromorfik araştırma çipinin tehlikeli kimyasalları öğrenme ve tanımlama konusundaki benzersiz yeteneğini gösterdiler. Araştırma Nature Machine Intelligence dergisinde yayınlandı ve insan beyninin koku alma devrelerinin mimarisine ve dinamiklerine dayanarak bir sinir algoritmasının nasıl sıfırdan inşa edildiğini açıkladı.
Çip, bilim adamlarının insan beyni hakkındaki mevcut anlayışından ve problemleri nasıl çözdüğünden ilham alan nöromorfik bir bilgi işlem mimarisine dayanıyor. İnsan beyninin problemleri nasıl işlediğini ve çözdüğünü taklit etmeyi amaçlayan bir donanımdır. Halihazırda sahip olduğu bilgileri yeni veriler hakkında çıkarımlar yapmak için kullanabilir, böylece öğrenme sürecini zaman içinde katlanarak hızlandırmaya yardımcı olabilir.
Çip, her bir kimyasalı, daha önce öğrenilen kokuların hafızasını bozmadan, tek bir test örneğinden kokusuna dayalı olarak tanımlama yeteneğine sahiptir. Aynı doğruluk düzeyine ulaşmak için yaklaşık 3.000 kat daha fazla eğitim örneği gerektiren bir derin öğrenme sistemi gibi herhangi bir geleneksel tanıma sistemi ile karşılaştırıldığında, çip üstün doğrulukta çalışır.
10 farklı tehlikeli kimyasalın kokusunu öğrenip tanıyabilir. Intel ekibi, beyindeki bilinen 72 kimyasal sensörün aktivitesinden ve her bir kimyasalın kokusuna nasıl tepki verdiklerinden oluşan bir veri seti kullandı. Veriler ayrıca ekibin Loihi'de “biyolojik koku alma devre şeması” dediği şeyi yapılandırmak için kullanıldı. Bununla Loihi, her bir kokunun sinirsel temsilini tanıyabilir ve önemli bir tıkanma olsa bile her birini tanımlayabilir.
Loihi'nin koku alma yetenekleri, doktorların hastalıkları teşhis etmesine yardımcı olan yeni elektronik burun sistemlerinde kullanılabilir. Ayrıca, havalimanlarında silah ve patlayıcıları tespit etmek için sistemler geliştirmek için kullanılabilir. Aynı zamanda etkili duman ve karbon monoksit dedektörleri geliştirmek için de kullanılabilir. Duyusal sahne analizinden (gözlemlediğiniz nesneler arasındaki ilişkileri anlamak) planlama ve karar verme gibi soyut problemlere kadar, araştırmacılar bu yaklaşımı daha geniş bir problem yelpazesine genellemeyi planlıyor.