神经拟态芯片取得重大突破，对AI有何意义？
这一周英特尔放出两个重磅消息：其一是3月16日英特尔与康奈尔大学利用英特尔神经拟态芯片Loihi来识别爆炸物等危险化学品气味方面的研究，取得重大的突破。其二是3月19日英特尔用768个Loihi芯片构造了一个新的神经拟态研究系统Pohoiki Springs，这个系统达到了1亿个神经元的规模，而上一次构建的系统Pohoiki Beach是64个芯片800万个神经元，这次扩大了12倍。
在这两个重磅消息的背后释放出许多重要的信号，人类对于除视觉、听觉之外的味觉嗅觉等研究有新突破，带来新想象空间和应用空间，人类对大脑的认知以及类脑芯片、AI芯片又跨上新台阶，未来的芯片发展之路又有可能另辟蹊径。这一切、一切的背后有诸多信息需要解密，3月20日，《中国电子报》记者连线采访英特尔中国研究院院长宋继强。
嗅觉和味觉AI为什么远比视觉和听觉AI要落后？
我们知道人类在视觉、听觉识别方面相对成熟，但在味觉、嗅觉等方面识别仍面临很多挑战。而这次在英特尔与康奈尔合作在气味和爆炸物识别的突破有什么突破意义？关于味觉、嗅觉识别的主要的挑战是什么？通常采用什么样的路径来解决这类问题？
宋继强表示，人类的味觉靠舌头、嗅觉靠鼻子，目前为止，人工智能做得比较好的是视觉、听觉，这两个人类主要感官。之所以在两个领域做的比较好，有几个原因，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，比如2000年开始摄像头普及，更早时候麦克风普及，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进行标注，基于人类的基本认知知识容易实现，容易确定它的正确与否。
“而深度学习之所以能够获得现在的效果是因为几个关键：第一数据量足够，第二有标注好的数据，第三是要保证训练的数据集和未来要处理的问题的测试数据集的分布是一致的，这样训练出来的模型，才能够很好地处理真实的场景。”宋继强表示，这也是为什么我们看到深度神经网络擅长处理视觉数据、语音数据的原因。
