Pētnieki no Intel Labs un Kornela universitātes ir parādījuši Intel neiromorfās izpētes mikroshēmas Loihi unikālo spēju mācīties un identificēt bīstamās ķīmiskās vielas. Pētījums tika publicēts žurnālā Nature Machine Intelligence, kurā aprakstīts, kā nervu algoritms tika uzbūvēts no nulles, pamatojoties uz cilvēka smadzeņu ožas ķēžu arhitektūru un dinamiku.
Mikroshēma ir balstīta uz neiromorfu skaitļošanas arhitektūru, kuru iedvesmojusi zinātnieku pašreizējā izpratne par cilvēka smadzenēm un to, kā tā risina problēmas. Tas ir mazliet aparatūras, kuras mērķis ir atdarināt to, kā cilvēka smadzenes apstrādā un risina problēmas. Tas var izmantot jau esošās zināšanas, lai izdarītu secinājumus par jauniem datiem, tādējādi laika gaitā strauji paātrinot mācību procesu.
Mikroshēmai ir iespēja identificēt katru ķīmisko vielu, pamatojoties uz tās smaržu, tikai no viena testa parauga, netraucējot atmiņu par iepriekš iemācītajām smaržām. Salīdzinot ar jebkuru parasto atpazīšanas sistēmu, piemēram, dziļas mācīšanās sistēmu, kuras sasniegšanai vajadzīga apmēram 3000 reižu vairāk apmācības paraugu, lai sasniegtu tādu pašu precizitātes līmeni, mikroshēma darbojas ar augstāku precizitāti.
Tas var iemācīties un atpazīt 10 dažādu bīstamu ķīmisko vielu aromātu. Intel komanda izmantoja datu kopu, kas sastāv no 72 zināmu ķīmisko sensoru aktivitātes smadzenēs un kā viņi reaģē uz katras ķīmiskās vielas smaržu. Dati tālāk tika izmantoti, lai konfigurētu to, ko komanda sauc par “bioloģiskās ožas shēmu” Loihi. Ar to Loihi varēja atpazīt katras smakas neironu attēlojumu un identificēt katru, pat ar ievērojamu oklūziju.
Loihi ožas iespējas varētu izmantot jaunās elektroniskajās deguna sistēmās, kas palīdz ārstiem diagnosticēt slimības. Turklāt to var izmantot, lai izstrādātu ieroču un sprāgstvielu atklāšanas sistēmas lidostās. To varētu izmantot arī efektīvu dūmu un oglekļa monoksīda detektoru izstrādei. Sākot no sensoro ainu analīzes (izpratnes par attiecībām starp novērotajiem objektiem) līdz abstraktām problēmām, piemēram, plānošanai un lēmumu pieņemšanai, pētnieki plāno šo pieeju vispārināt plašākam problēmu lokam.