Onderzoekers van Intel Labs en Cornell University hebben het unieke vermogen van Intels neuromorfische onderzoekschip Loihi aangetoond om gevaarlijke chemicaliën te leren en te identificeren. Het onderzoek werd gepubliceerd in het tijdschrift Nature Machine Intelligence en beschrijft hoe een neuraal algoritme vanaf nul werd opgebouwd op basis van de architectuur en dynamiek van de reukcircuits van het menselijk brein.
De chip is gebaseerd op een neuromorfe computerarchitectuur die is geïnspireerd op het huidige begrip van wetenschappers van het menselijk brein en hoe het problemen oplost. Het is een stukje hardware dat tot doel heeft na te bootsen hoe het menselijk brein problemen verwerkt en oplost. Het kan de kennis die het al bezit gebruiken om conclusies te trekken over nieuwe gegevens, waardoor het zijn leerproces in de loop van de tijd exponentieel kan versnellen.
De chip heeft de mogelijkheid om elke chemische stof te identificeren op basis van zijn geur uit slechts een enkel testmonster, zonder het geheugen van eerder geleerde geuren te verstoren. In vergelijking met elk conventioneel herkenningssysteem, zoals een deep learning-systeem dat ongeveer 3.000 keer meer trainingsvoorbeelden vereist om hetzelfde nauwkeurigheidsniveau te bereiken, werkt de chip met een superieure nauwkeurigheid.
Het kan de geur van 10 verschillende gevaarlijke chemicaliën leren en herkennen. Het Intel-team gebruikte een dataset die bestaat uit de activiteit van 72 bekende chemische sensoren in de hersenen en hoe ze reageren op de geur van elke chemische stof. De gegevens werden verder gebruikt om te configureren wat het team "een schakelschema van biologische reukzin" noemt op Loihi. Hiermee kon Loihi de neurale weergave van elke geur herkennen en elke geur identificeren, zelfs met een significante occlusie.
Loihi's olfactorische capaciteiten zouden kunnen worden gebruikt op nieuwe elektronische neussystemen die artsen helpen bij het diagnosticeren van ziekten. Bovendien kan het worden gebruikt om systemen te ontwikkelen voor het detecteren van wapens en explosieven op luchthavens. Het kan ook worden gebruikt om effectieve rook- en koolmonoxidemelders te ontwikkelen. Van sensorische scène-analyse (het begrijpen van de relaties tussen objecten die je observeert) tot abstracte problemen zoals planning en besluitvorming, de onderzoekers plannen verder om deze benadering te generaliseren naar een breder scala aan problemen.