关于“电子舌头”和“电子鼻子”,你需要领会的都在这里了

在更靠近于人类的种种“感受”上,人工智能(AI)科学家们一直在探索,好比视觉和听觉方面已取得相当丰硕成果,然则对于人的味觉和嗅觉AI探索希望似乎并不大。

不外,最近有了突破。3月16日,英特尔与康奈尔大学在《自然-机械智能》杂志上团结揭晓论文,宣布其行使英特尔神经拟态芯片Loihi可以识别10种有害气体。而在2019年7月,IBM研究院的科学家宣布其研发的“电子舌头”能在1分钟内识别多种液体,可以用于食物安全、工厂质检、疾病诊断、环保检测等。

为什么AI识别嗅觉味觉的脚步要远远慢于识别视觉听觉?味觉和嗅觉的解题为什么难?嗅觉和味觉的解题背后有什么样的商业价值呢?

识别气息与味道的挑战

“人类的味觉是几千年进化的效果。它让我们享受愉快的食物和饮料,并忠告我们不要摄入有害物质。另一方面,人造传感器还没有靠近味蕾识别物质的容易水平。这是一个重大的手艺差距,由于有许多物质,我们想‘品尝’而没有真正敢把它们放进我们的嘴里。”

Patrick Ruch是IBM苏黎世研究院的研究员,他在去年7月5日的IBM研究院博客上,以这样开篇来讲述IBM要做Hypertaste缘故原由。

360截图20200330210019352.jpg

IBM苏黎世研究院的研究员Patrick Ruch关于Hypertaste的博客截图

在识别有毒有害的气体与液体上,人类有许多种解题的方式,人造传感器是其中之一,但人造传感器并不十分给力,通常人造传感器只能识别某一种液体。固然对气体的判断也可以用警犬,不外训练警犬需要很长的时间成本。人类对于解题方式的优与劣通常有几个衡量尺度:效率、成本、方便性。由于前面的设施有局限性,于是科学家们想到了人工智能

然则这些年将AI用于味觉与嗅觉的识别,其希望其远远落后于视觉和听觉。

为什么视觉和听觉的希望更快?“其一是视觉、听觉两类数据相对容易获得而且数据量大。在此前的信息化时代,好比2000年最先摄像头普及,更早时刻麦克风普及,让我们积累了大量图片数据、语音数据。其二是这两类数据的标注相对容易。人类基于捕捉下来的照片或是录制的音频举行标注,基于人类的基本认知知识容易实现,容易确定它的准确与否。”英特尔中国研究院院长宋继强在接受《中国电子报》记者采访时示意。

这些年我们看深度学习能够做的比较好的领域都具备了这样的特征:第一,数据量足够,第二,有标注好的数据,第三,有训练的数据池和未来要处置这个问题的真正测试聚集,这样训练出来的模子,才能够很好地处置真实的场景。这也是为什么深度神经网络善于处置视觉数据、语音数据的缘故原由。

然则嗅觉和味觉的数据量很少,而且不容易标注。

“行使信息手艺识别气息与味道的挑战主要来自两方面:一是人类对嗅觉和味觉的机理研究和领会还远远不够,既不充实知道它们自身的机理,也不领会人类是若何对它们感知的;二是还完全没有一套系统和方式能对嗅觉和味觉举行数字化的建模和剖析处置。”IBM全球副总裁、中国研究院院长、大中华区首席手艺官谢东在接受《中国电子报》记者采访时示意,对比下视觉和听觉,在视觉领域,我们知道光对人类视觉的作用机理,我们不仅知道若何检测剖析物体的颜色、形状和空间位置,还能合成出可以让人类准确感知的图像。对于听觉领域,也是类似的。

“而对味觉和嗅觉就领会太少了。我们知道气息和味道跟物体的分子结构和组成有关,但还不知道它们之间的对应关系,在理论和实验上,我们都不能通过一个物体的分子结构和组成准确的判断它的气息和味道。”谢东说。

“电子舌头”和“电子鼻子”

不需要高端实验室,不需要庞大装备,低成本、快速轻松完成,就像是我们自己的舌头一样。这是苏黎世IBM研究院研究员Patrick Ruch以及其团队的想法,在2014年IBM的“未来5年5大手艺”(IBM研究院每年会提出5项影响未来5年的五大手艺,简称“five in five”)项目里,有这样的形貌:“未来传感器将无处不在,传感器可能会泛起在手机中、泛起在车里。”以是Hypertaste的研究,应该是从2014年或者更早最先的。

据领会,“电子舌头”使用电化学传感器,每个电极通过电压信号对分子组合的存在作出响应,电压信号易于丈量。“其中的要害是电化学传感器中覆盖了每个电极的聚合物涂层。这些涂层被设计用来捕捉一系列化学信息,并允许高度微型化。” Patrick Ruch和其团队在苏黎世的实验室合成了这些涂层。

360截图20200330210057071.jpg

IBM “电子舌头”Hypertaste

而事实上,电化学传感器并非今天才有,在上世纪50年代就最先泛起,但现在许多手持式电化学传感器都只能检测一种液体身分,而 “电子舌头”则不相同。它真的就像人类的舌头一样,通过组合检测,识别出多种差别类型的液体,而且无需专门针对这种液体对装备举行重新的调整。

谢东以为,“电子舌头”的创新事情主要有两部分:一是快捷的液体分子组成检测装备和方式;二是用人工智能的方式展望具有这种分子组成的液体最可能的气息和味道。“电子舌头”从测试上传到获得谜底不跨越一分钟,它的实现路径是,除了带有特殊涂层的电化学传感器,还行使了AI与云。

而这次康奈尔大学与英特尔公司互助的项目,是行使英特尔神经拟态芯片Loihi来识别爆炸物和毒品,它的灵感来人脑对于气息识别历程的启发。“人是通过鼻腔让空气吸进来,若是想甄别味道更快,可能要快速呼吸几下,让它的浓度、流动的速率都加速起来,可以接触到更多气息。是让空气流动和鼻子里的传感细胞接触。”宋继强说。

英特尔与康奈尔的“电子鼻”是组织出一个类似于人的鼻腔通道,内里放了化学传感器、有机物传感器,通过感知气体流过时的分子接触传感细胞的时间、空间的序列,形成一个时间上的脉冲序列,它有空间上的漫衍。再对这些数据举行模子匹配,通过这一测试能把它的模式很好地记录下来,记录下来之后再碰着这样一个气息就能够发生最高响应。宋继强进一步注释。

在英特尔与康奈尔的“电子鼻”项目中,焦点要害是传感器+算法+神经拟态芯片,而神经拟态芯片的运用使得,解决了若何可以在低成本、数据量很少、功耗很低的靠山下来解决闻味的问题。由于在一个Loihi芯片上组织这样的系统,它的功耗异常低,功耗只是毫瓦级别,无论是是训练照样识别都不需要花太多电,以是可以把它做成类似于“电子鼻”的小装备。而且它可以扩展去识别许多种类的气体。

360截图20200330210117680.jpg

英特尔“电子鼻”

无论是IBM照样英特尔与康奈尔,其电子舌头和电子鼻解决方案,都有一个配合的特征:高效率、识别多样性、低成本、具备易用性。这是我们磨练一个创新区别于此前创新的焦点要害。

全球的科学家以及科技公司在嗅觉和味觉AI的探索上各显神通,事实上在闻味AI和嗅觉AI的上的探索并不仅仅是英特尔、IBM等公司。去年5月,有媒体报道了微软公司与酿酒厂及科技公司三方互助,推出了全球上第一款由AI制造出来的威士忌。这款威士忌依赖大数据调制,被形容为带点果味、橡木味及少许咸味的佳酿。凭据微软的说法,由微软Azure云端及Azure认知服务提供Mackmyra酒厂的机械学习模子,并接纳了现有的配方、销售数据以及客户喜欢,让AI透过这大数据从跨越7000万个方式及口胃中挑选出来制作。

与此同时,日本NEC公司与三重大学也曾行使传感器向食物发射差别波长的红外线,连系反射数据来勾勒出食物的“指纹”,然后将其与数据库资料对比,可以辨别出数十种实物的味道和名称。而美国的NotCo公司创始人开发了一款机械学习软件,可以发现差别动物和植物蛋白之间的联系,通过形貌食物和配料的分子数据,食物和配料的光谱图像,以及一系列网络的数据,来辅助NotCo公司推出香肠、肉沫、冰淇淋等高热量食物的纯素植物替代品。

而在中国,中国轻工业团结会在去年4 月提交的一份讲述显示,自 2015 年以来,有跨越 10 家传统中国食物制造商介入了政府支持的“AI 试味”项目,在生产历程中通过AI验证测试食物味道是否相符尺度,保证食物安全。

AI识别味觉嗅觉的未来探索

回望这些项目,我们可以归纳出其中几个要害词:新型传感器、新型算法、类脑盘算、云盘算。味觉、嗅觉AI的突破需要交互感知、质料学、动力学、分子化学、生物信息学等多种手艺集成协作,通过感知差别的质料、感知差别电流的转变,而获得信息,连系AI算法、模子以及更适配的盘算力,与数据库数据配对,获得效果。总结这些味觉与嗅觉AI这些项目,给我们的未来创新有更多的启示。

其一,当我们希望突破更难的“问题”,多学科手艺集成协作成为必要手段。事实上在IBM的“电子舌头”项目中,神秘武器之一是“聚合物涂层”,这些聚合涂层捕捉一系列化学信息,并允许高度微型化,它是复合质料领域的突破。

实在,IBM研究院许多项目突破都基于其深挚的多学科融合基础。好比今年1月IBM宣布将基于海水研发电池,而这款新型电池在多个方面的显示均逾越锂离子电池,包罗更低的成本、更快的充电时间、更高的电量和能量密度、更强的能源效率,以及更低的易燃性。而IBM研究院电池实验室连系了质料学、分子化学、电气工程、先进电池试验装备与AI盘算机模拟等海量新型手艺。

在多学科融合的解题中,“盘算机科学并不仅仅是‘工具’,更是方式论、理念、定律。”中国科学院院士李国杰示意,盘算机科学家与其他领域的科学家密切互助,已成为现代科学研究的特点。盘算机科学手艺不仅仅是其他领域的“工具”,而是熟悉未知天下的知识源泉之一。其他领域的学者运用普遍盛行的算法和软件也可能会解决一些局部性的问题,获得一些渐进性的改善,但要获得算法上的根本性突破,需要与真正懂算法的盘算机科学家深度互助。

其二,对于盘算力的选择已经进入“好马配好鞍”的时代。有人说,这一轮人工智能的浪潮大肆进入各个领域,是得益于算法模子的成熟,但实在它是数据丰盈、算力汹涌、算法成熟三者交汇的效果。这一次康奈尔大学与英特尔团结的“电子鼻”项目中,神经拟态芯片Loihi是一个要害。为什么解题嗅觉、味觉要接纳类脑盘算,而不是诸如量子盘算或是传统盘算?

360截图20200330210143672.jpg

英特尔神经元芯片Loihi

宋继强给出的谜底,第一神经拟态盘算不需要依赖于大量的数据。神经拟态盘算从一个样本的训练中就可以到达比较高的准确率,百分之九十几,这和已往人们专门去定制一些规格特征来识别的效果异常相似。第二是低功耗,这样可以在很小的装备上就可以做成电子鼻子。第三是可扩展,能够做更多种类的气体识别。

“固然也可以用传统盘算机来解题,但若是是传统盘算机就需要组织更精巧的算法,在传统的CPU上固然可以模拟林林总总的盘算场景,然则执行效率一定不如在Loihi上这么直接、这么低功耗。而量子盘算是适合做大规模有并行选项同时验证的事情,并不是适合做嗅觉识别,由于嗅觉识别需要针对只有少量的、有时间序列的数据,举行快速判别。”宋继强说。

类脑盘算跟量子盘算是完全差别的理论基础和手艺门路。谢东示意,“类脑盘算是要模拟人脑神经元的模式举行“盘算”,是神经科学、人工智能、超级盘算引领下的前沿偏向。从算力上看,它不仅专注于超强的算力,还希望通过模拟人脑的结构模式实现超低功耗的盘算。而量子盘算则是基于量子物理现象和历程实现的信息表达和盘算。类脑盘算和量子能解决的问题会有交织,但在大范围上是差别的。至于说哪个更适合解决嗅觉味觉的问题,二选一的话,我选类脑盘算。”

类脑盘算、量子盘算、传统盘算各有各的优势场景,用差别的需求适配差别的盘算已经成为盛行趋势。

其三,学术机构+创业公司+大企业的“社区化”运作,让生态快速天生。英特尔的Loihi芯片在3月16日、3月19日三天内延续爆出两大突破,一是识别了十种有毒有害气息,二是英特尔用Loihi组织了一个跨越1亿个神经元的新神经拟态研究系统Pohoiki Springs,突破了历史规模。谈及英特尔神经元芯片为什么可以那么快速取得延续性突破,宋继强透露了其中要害是建立了Loihi社区(英特尔神经拟态社区INRC),社区中不仅有神经拟态盘算研究的学术机构,也吸纳了异常多差别种类的创业公司、全球五百强企业,希望人人一起来看神经拟态盘算能够很好地解决哪些类型应用领域问题,由此来驱动神经拟态盘算的生长。

360截图20200330210204052.jpg

IBM量子盘算系统IBM Q System One

这种针对前沿领域的多触点、多样态的“社区化”运作模式,不仅仅是英特尔,IBM也同样善于此道。事实上IBM在量子盘算领域就组建了这样的社区, IBM的量子盘算社区里同样是“学术机构、创业公司、500强企业”的“设置”。由于这样的多触点、多样态的社区化模式,能够为未来手艺的找到典型应用场景以及更好的手艺生长路径和手艺业态。中国的量子盘算创业公司本源量子公司副总裁张辉曾对《中国电子报》记者示意,本源量子公司在研发量子盘算推动生态同盟时,就学习了IBM的量子盘算社区模式。

这是一个充满机遇、充满探索的时代,巨头们关于味觉、嗅觉AI的探索将给我们带来更多的启示,让创新灵感萌生、发芽、破土、生长。

声明: 本文由入驻基智地平台的作者撰写,观点仅代表作者本人,不代表基智地立场;基智地发布此信息的目的在于传播更多信息,与本站立场无关。