前言：人类除视觉、听力之外，在嗅觉研究下有新的突破，带给新的想象空间和应用于空间，人类对大脑的理解以及类脑芯片、AI芯片又跨上新台阶，未来的芯片发展之路又有可能另辟蹊径。类似于人类大脑的神经拟态芯片神经拟态计算出来仍然被寄予厚望。

就算摩尔定律落幕，它仍能之后率领信息时代向前。神经拟态计算出来可以大幅提高数据处理能力和机器学习能力，更加最重要的是，神经拟态芯片比传统芯片的能耗要较低得多。神经拟态计算出来是英特尔为应付计算出来领域非结构化、有噪声数据日益减少等挑战而研发的新的计算机架构。

应用于神经科学的近期看法，来建构起到方式更加类似于人脑的芯片而非传统计算机的芯片。神经拟态系统在硬件层面上拷贝了神经元的组织、通信和自学方式。只不过神经拟态计算出来的经常出现，就是要解决问题那些现在机器学习都做不了的事情，而这些事情通过类脑芯片需要获得很好的解决问题。Intel“Loihi”的问世Intel“Loihi”神经拟态芯片问世于2017年9月，瓦解传统硅芯片的冯诺依曼计算出来模型，而是仿效人脑原理的神经拟态计算出来方式，并且是异步电路，不必须全局时钟信号，而是用于异步脉冲神经网络（SNN），在特定应用于中要比传统CPU速度快最少1000倍，能效低最多10000倍。

2019年7月，Intel又宣告了代号“PohoikiBeach”的全新神经拟态系统，包括多达64颗Loihi芯片，构建了1320亿个晶体管，总面积3840平方毫米，享有800万个神经元、80亿个神经元。从理论上谈，Loihi可以扩展到最少16384颗芯片点对点，那就是多达20亿个神经元——人类大脑有约860亿个神经元。Loihi阻碍环境下可嗅出10种有害物质而此次在英特尔“Loihi”神经形态系统上，叙述了一种基于哺乳动物嗅觉系统的神经算法，可以自学并辨别气味样本。

通过测量动物气味气味时的脑电波活动，然后Intel根据这些电路图与电脉冲，给定一套算法，并将其配备在神经拟态芯片上。Loihi只必须单一样本，就可以学会辨识每一种气味，而且会毁坏它对先前所学气味的记忆，展现了极为出众的辨识准确率。而如果用于传统方法，即便伟大的深度自学方案，要超过与Loihi完全相同的气味分类准确率，自学每一种气味都必须3000倍以上的训练样本。

仿真生物嗅觉的神经算法并非非常简单的观测气味，这与传统烟雾和一氧化碳观测报警器不一样，虽然上述仪器可以观测出有空气中危害的分子而启动时报警，但却无法区分各种气味。而此次仿真生物嗅觉的神经算法，利用甲苯、氨、丙酮、一氧化碳和甲烷等等10种危害化学物质气体对其展开气味训练，最后在风洞中通过传感器的数据展开测试。即使不存在其他反感气味，该芯片也可以辨识这些有害物质。

未来的应用于——“电子鼻系统”化学传感领域多年来仍然在找寻智能的、可信的和较慢号召的化学传感处置系统，或者称作“电子鼻系统”。配备了神经拟态芯片的机器人在环境监测、危险性物质检测以及在工厂质量掌控方面的应用于潜力。该系统还可应用于医疗临床，因为患上某些疾病不会散发出特定的气味。也可以配备神经拟态芯片的机器人可应用于机场安全检查区域，需要更加高效地辨识危险性物质。

在未来重新加入更加多感官，将这种方法推展到更加普遍的应用领域，还包括从感官场景分析到规划和决策等抽象化问题。解读大脑的神经网络如何解决问题这些简单的计算出来问题，将为设计高效、强劲的机器智能获取最重要救赎。Loihi未来的挑战嗅觉领域不存在着一些挑战，当你走出一家杂货店时，可能会气味草莓的气味，但其气味有可能类似于蓝莓或香蕉的气味，它们不会在大脑中引起十分相近的神经活动模式。

有时候，人类甚至很难辨别出有到底是一种水果气味还是多种香味的混合。当系统气味来自意大利的草莓和来自加利福尼亚的草莓时可能会错误，这两种草莓有可能有有所不同的香味，但必须不属于一类。这些是目前在研究嗅觉信号辨识时面对的挑战，期望在未来几年内解决问题这些问题，这样的产品才能解决问题现实的问题，而某种程度是解决问题在实验室展示的实验性问题。

结尾：如今研发了一种仿真生物嗅觉的神经算法，它可以自学和辨别气味样本也代表了一种可以研发出有打破当前人工智能趋势算法的新方法。每一个有可能的突破，都会让科研人员离用于一种新的能力更加将近一步。

本文来源：米乐|米乐·M6-www.zjymacc.net