bet开户:味觉和嗅觉的研究却没那么乐观

目前深度学习算法作为实现人工智能的重要技术手段,被广泛应用于各类人工智能成果中。对于以深度学习算法为支撑的人工智能成果,数据可以说是研究的血液。数据量越大,数据质量越高,深度学习所表现的性能也就越好。但在不少研究环境中,由于涉及隐私安全以及客观条件限制,有效数据难以获得。

"深度学习虽然取得了长足进步,但仍局限在图像和语音等方面的分类和识别中" .英特尔中国研究院院长宋继强说,人类视觉、语音两类数据容易获得和标注,满足了深度学习的必要条件,研究及应用相对成熟,但味觉和嗅觉的研究却没那么乐观。

对于传统的人工智能来说,主流的深度学习方法,可能需要设置上亿个参数,训练数十万次,才能辨别出猫和狗的区别,更不用说更为陌生的气味识别领域。但是,即便对于一个几岁的婴孩来说,他们辨认动物、识别气味只需要几次就够了。

普通人经过训练能区分三四百种到数千种气味,但现实世界可以区分的气味超过万种。为模拟人类嗅到气味的大脑运行机制,研究人员采用了一套源自人类大脑嗅觉回路结构和动力学相结合的神经算法训练神经拟态芯片,仅需单一样本,神经拟态芯片便可学会识别10种气味,且不会破坏它对已学气味的记忆。

宋继强表示,即便是此前最先进的深度学习解决方案,要达到与神经拟态芯片相同的分类准确率,也需要3000倍以上的训练样本。