Van alle dingen die onze hersenen kunnen doen, het mechanisme om ons te helpen ruiken is een van de best bestudeerde. Wanneer een geur de reukcellen in onze neus bereikt, sturen ze een signaal naar de overeenkomstige groep hersenneuronen, een reukbol genoemd. Daarna zendt de lamp het signaal naar andere delen van de hersenen, waardoor we kunnen waarderen hoe een grapefruit ruikt of de slechte geur van afval voorkomt.

Reukbollen zijn zoogdierspecifiek, maar andere dieren, zoals insecten, hebben ook vergelijkbare neurale structuren. Dat betekent dat “er waarschijnlijk iets heel fundamenteels en efficiënts in deze configuratie, gezien het feit dat de evolutie is gekomen om het door middel van verschillende paden,” zegt Intel Neuromorphic Computing Lab directeur Mike Davies.

Omdat ze zo efficiënt zijn en zoals we ze zo goed begrijpen, vertegenwoordigen reuksystemen een uitstekend uitgangspunt voor neuromorfe chips, een nieuw type computerhardware dat direct is geïnspireerd door de structuur van de hersenen.

In deze zin, Intel wetenschappers hebben een artikel gepubliceerd in Nature dit jaar dat een nieuwe neuromorfe chip ontwerp dat de structuur en mogelijkheden van de olfactorische lamp bootst stelt. Onderzoekers werkten samen met reukneurofysiologen die de hersenen van dieren bestuderen terwijl ze ruiken. Ze ontwierpen een elektrisch circuit, gebaseerd op de neurale circuits die worden geactiveerd wanneer hun hersenen een geur verwerken, die op een siliciumchip kan worden gegraveerd.

Ze ontwierpen ook een algoritme dat het gedrag van elektrische signalen weerspiegelt die via het circuit worden geactiveerd. Toen ze het algoritme op de chip trainden met behulp van een bestaande 10″geur” dataset, beschreven door hun metingen van 72 verschillende chemische sensoren, was hij in staat om ze nauwkeurig te onderscheiden met veel minder trainingsmonsters dan op een conventionele chip.

Deze chip is nog steeds een relatief eenvoudig prototype, maar bij het ontvouwen van ed kan het een aantal toepassingen bieden, zoals het detecteren van pompen of schadelijke dampen in chemische fabrieken. Het toont ook het potentieel van neuromorfische computing voor de meest data-efficiënte kunstmatige intelligentie.

Vandaag de dag volgen de meest populaire chips voor het uitvoeren van state-of-the-art deep learning-algoritmen de architectuur van Von Neumann, een ontwerpmodel dat de computerrevolutie al decennia lang aanstijft. Maar deze modellen zijn niet zo efficiënt in het leerproces: de algoritmen die erin draaien vereisen grote hoeveelheden trainingsgegevens, in tegenstelling tot onze hersenen, die veel efficiënter zijn.

Daarom proberen neuromorfe chips de structuur van de hersenen zoveel mogelijk te behouden. Het idee is dat een identieke imitatie de efficiëntie van chipleren zou verhogen. In feite, Intel met succes kreeg de chip om te leren van zeer weinig monsters.

In de toekomst, het onderzoeksteam plannen om het ontwerp van uw neuromorfe chip te verbeteren en toe te passen op andere hersenfuncties dan geur. Davies zegt dat het team zich waarschijnlijk zal richten op visie of aanraking, maar heeft langetermijnambities om complexere processen aan te pakken. De onderzoeker concludeert: “Onze detectiemechanismen zijn de natuurlijke plek om te beginnen omdat ze bekend zijn. Maar in zekere zin werken we om onze weg naar de hersenen te vinden, zelfs de hogere denkprocessen die erin voorkomen.”

Leave a comment

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *