O IA care imită felul în care mirosul mamiferelor recunoaște mirosurile mai bine decât alte IA

Când vine vorba de identificarea mirosurilor, o inteligență artificială „neuromorfă” bate alte IA cu mai mult decât un nas.

Noua IA învață să recunoască mirosurile mai eficient și mai fiabil decât alți algoritmi. Și, spre deosebire de alte IA, acest sistem poate continua să învețe noi arome fără a le uita pe altele, raportează cercetătorii online, 16 martie, în Nature Machine Intelligence. Cheia succesului programului este structura sa neuromorfă, care seamănă cu circuitele neuronale din creierul mamiferelor mai mult decât alte modele AI.

Acest tip de algoritm, care excelează la detectarea semnalelor slabe în mijlocul zgomotului de fond și la învățare continuă la locul de muncă, ar putea fi folosit într-o zi pentru monitorizarea calității aerului, detectarea deșeurilor toxice sau diagnostice medicale.

Noua IA este o rețea neuronală artificială, compusă din multe elemente de calcul care imită celulele nervoase pentru a procesa informații despre miros (SN: 5/2/19). Inteligența artificială „adulmecă” prin preluarea citirilor de tensiune electrică de la senzorii chimici dintr-un tunel de vânt care au fost expuși la penele cu diferite mirosuri, cum ar fi metanul sau amoniacul. Când IA emană un nou miros, acesta declanșează o cascadă de activitate electrică printre celulele sale nervoase, sau neuroni, pe care sistemul își amintește și le poate recunoaște în viitor.

La fel ca sistemul olfactiv din creierul mamiferelor, unii dintre neuronii AI sunt proiectați să reacționeze la intrările senzorilor chimici prin emiterea de impulsuri cu sincronizare diferită. Alți neuroni învață să recunoască modele în acele blips care alcătuiesc semnătura electrică a mirosului.

Această configurație inspirată de creier stimulează inteligența artificială neuromorfă pentru a învăța mirosuri noi mai mult decât o rețea neuronală artificială tradițională, care începe ca o rețea uniformă de neuroni identici, gol. Dacă o rețea neuronală neuromorfă este ca o echipă sportivă ai cărei jucători i-au atribuit poziții și cunosc regulile jocului, o rețea neuronală obișnuită este inițial ca o grămadă de începători la întâmplare.

Ca urmare, sistemul neuromorf este un studiu mai rapid și mai agil. Așa cum o echipă de sport poate avea nevoie să urmărească o piesă o singură dată pentru a înțelege strategia și a o implementa în situații noi, IA neuromorfă poate adulmeca o singură mostră dintr-un nou miros pentru a recunoaște mirosul în viitor, chiar și în mijlocul altor mirosuri necunoscute.

În schimb, o grămadă de începători ar putea avea nevoie să urmărească o piesă de teatru de multe ori pentru a recrea coregrafia – și totuși se luptă să o adapteze la scenariile viitoare de joc. De asemenea, o IA standard trebuie să studieze un singur eșantion de miros de mai multe ori și tot s-ar putea să nu-l recunoască atunci când mirosul este amestecat cu alte mirosuri.

Thomas Cleland de la Universitatea Cornell și Nabil Imam de la Intel din San Francisco și-au comparat inteligența artificială neuromorfă cu o rețea neuronală tradițională într-un test de miros de 10 mirosuri. Pentru a se antrena, sistemul neuromorf a adulmecat o singură mostră din fiecare miros. Inteligența artificială tradițională a suferit sute de încercări de antrenament pentru a învăța fiecare miros. În timpul testului, fiecare IA a adulmecat mostre în care un miros învățat a reprezentat doar 20 până la 80 la sută din mirosul general – imitând condițiile din lumea reală în care mirosurile țintă sunt adesea amestecate cu alte arome. AI neuromorfă a identificat mirosul potrivit în 92 la sută din timp. AI standard a atins o precizie de 52%.

Priyadarshini Panda, inginer neuromorf la Universitatea Yale, este impresionat de simțul acut al mirosului al IA neuromorfă în probele încurcate. Noua strategie de învățare unică și gata a AI este, de asemenea, mai eficientă din punct de vedere energetic decât sistemele tradiționale de AI, care „ tind să fie foarte înfometate de putere”, spune ea (SN: 9/26/18).

Un alt avantaj al configurației neuromorfe este că AI poate continua să învețe noi mirosuri după antrenamentul inițial, dacă noi neuroni sunt adăugați în rețea, similar modului în care noi celule se formează continuu în creier.

Pe măsură ce noi neuroni sunt adăugați la AI, aceștia se pot adapta la noile arome fără a perturba ceilalți neuroni. Este o poveste diferită pentru IA tradițională, în care conexiunile neuronale implicate în recunoașterea unui anumit miros, sau a unui set de mirosuri, sunt distribuite mai larg în rețea. Adăugarea unui nou miros la amestec poate perturba acele conexiuni existente, așa că o IA tipică se luptă să învețe arome noi fără a le uita pe altele – cu excepția cazului în care este reeducată de la zero, folosind atât mostrele originale, cât și cele noi.

Pentru a demonstra acest lucru, Cleland și Imam și-au antrenat IA neuromorfă și o IA standard pentru a se specializa în recunoașterea toluenului, care este folosit pentru a face vopsele și lac de unghii. Apoi, cercetătorii au încercat să învețe rețelele neuronale să recunoască acetona, un ingredient al agentului de îndepărtare a lacului de unghii. AI neuromorfă a adăugat pur și simplu acetonă în repertoriul său de recunoaștere a mirosului, dar IA standard nu a putut învăța acetona fără a uita mirosul de toluen. Aceste tipuri de pierderi de memorie sunt o limitare majoră a actualei AI (SN: 5/14/19).

Învățarea continuă pare să funcționeze bine pentru sistemul neuromorf atunci când sunt puține arome implicate, spune Panda. „Dar dacă îl faci pe scară largă?” În viitor, cercetătorii ar putea testa dacă acest sistem neuromorf poate învăța o gamă mult mai largă de arome. Dar „acesta este un început bun”, spune ea.