La Intel e la Cornell University hanno pubblicato oggi un documento congiunto che dimostra la capacità del chip neuromorfo di Intel, di apprendere e riconoscere 10 materiali pericolosi dall’odore, anche in presenza di “significativi” rumori di dati e occlusione. 

Nello studio, pubblicato questa settimana sulla rivista Nature Machine Intelligence , i ricercatori affiliati a Intel e Cornell descrivono “insegnando” gli odori di Loihi configurando lo schema circuitale dell’olfatto biologico, attingendo da un set di dati costituito dall’attività di 72 sensori chimici in risposta a vari odori. Dicono che la loro tecnica non ha disturbato la memoria del chip dei profumi e che ha raggiunto una precisione di riconoscimento “superiore” rispetto ai metodi convenzionali all’avanguardia, inclusa una soluzione di apprendimento automatico che ha richiesto 3.000 volte più campioni di addestramento per classe per raggiungere lo stesso livello di precisione della classificazione.

Nabil Imam, uno scienziato ricercatore senior del laboratorio di informatica neuromorfica di Intel, ritiene che la ricerca spianerà la strada a sistemi neuromorfi in grado di diagnosticare malattie, rilevare armi ed esplosivi, trovare narcotici e individuare segni di fumo e monossido di carbonio.

“Stiamo sviluppando algoritmi neurali su Loihi che imitano ciò che accade nel tuo cervello quando senti l’odore di qualcosa”, ha detto in una nota. “Questo lavoro è un ottimo esempio di ricerca contemporanea al crocevia di neuroscienze e intelligenza artificiale e dimostra il potenziale di Loihi nel fornire importanti capacità di rilevamento che potrebbero avvantaggiare vari settori”.

L’ingegneria neuromorfa, nota anche come calcolo neuromorfo, descrive l’uso di circuiti che imitano le architetture neurogenee del sistema nervoso. I ricercatori di Intel, IBM, HP, MIT, Purdue, Stanford e altri sperano di sfruttarlo per sviluppare un supercomputer mille volte più potente di qualsiasi altro oggi.

Il chip Loihi da 14 nanometri di Intel ha una dimensione dello stampo di 60 millimetri e contiene oltre 2 miliardi di transistor, 130.000 neuroni artificiali e 130 milioni di sinapsi, oltre a tre core Lakemont per l’orchestrazione. In modo univoco, Loihi è dotato di un motore di microcodice programmabile per l’addestramento su chip di reti neurali a spionaggio asincrono (SNN) o modelli AI che incorporano il tempo nel loro modello operativo in modo che i componenti del modello non elaborino i dati di input contemporaneamente. Intel afferma che questo verrà utilizzato per l’implementazione di calcoli paralleli adattivi auto-modificanti, guidati da eventi e a grana fine “con alta efficienza”.

Secondo Intel, Loihi elabora le informazioni fino a 1.000 volte più velocemente e 10.000 in modo più efficiente rispetto ai processori tradizionali, e può risolvere alcuni tipi di problemi di ottimizzazione con oltre tre ordini di grandezza in termini di velocità ed efficienza energetica. Inoltre, Loihi mantiene i risultati delle prestazioni in tempo reale e consuma solo il 30% in più di energia quando viene ridimensionato 50 volte (mentre l’hardware tradizionale consuma il 500% in più di energia) e consuma circa 100 volte meno energia rispetto alla posizione e alla mappatura simultanee della CPU ampiamente utilizzate metodi.

Oltre al regno dell’informatica neuromorfa, i ricercatori di Google, il Canadian Institute for Advanced Research, il Vector Institute for Artificial Intelligence, l’Università di Toronto, l’Arizona State University e altri hanno studiato approcci di intelligenza artificiale ai problemi di identificazione delle molecole e previsione degli odori. Google ha recentemente dimostrato un modello che supera gli approcci all’avanguardia e il modello più performante della DREAM Olfaction Prediction Challenge, una competizione per mappare le proprietà chimiche degli odori.

Separatamente, IBM ha sviluppato Hypertaste , una “lingua artificiale” progettata per l’impronta digitale di bevande e altri liquidi “meno adatti all’ingestione”.