北京
果蝇的智力水平向来不被人高看——你大概不止一次在露台的酒杯里淹死过它们。但就是这种大脑比罂粟籽还小、只有约14万个神经元的小虫子，能在零点几秒内分辨出大量气味，并且把这种记忆长期保存下来。
这一点，恰恰是当前“电子鼻”们做不到的。市面上最先进的电子鼻，要么贵得离谱，要么能检测的气味范围窄得可怜，更麻烦的是——它们学到一个新气味后，很快就会把旧气味忘得一干二净。
既然硬件堆不过，为什么不直接抄果蝇的作业？冲绳科学技术研究所的Kevin Max和Yang Shen就是这么想的。他们开发的新算法Spi-Fly，论文刚刚发表在《Neuromorphic Computing and Engineering》期刊上。
果蝇的嗅觉策略，跟电子鼻完全不是一个路子
电子鼻的困境在于“顾此失彼”。传统方案为了识别新气味，往往需要覆盖大量传感器，成本上去了，识别范围却依然有限。更致命的是记忆问题——学新忘旧，这在需要长期监测气味的场景里几乎是致命的。
果蝇的解法完全不同。它不靠堆硬件，而是靠一套精巧的神经编码机制，用极少的神经元完成高效的气味分类和长期记忆存储。Spi-Fly算法正是模拟了这套机制，把果蝇大脑的运作逻辑搬进了代码里。
模仿果蝇，能解决什么实际问题？
如果Spi-Fly的效果能稳定复现，电子鼻的痛点至少有三个方向可以被击中：
- 成本：不再需要昂贵的传感器阵列，算法层面的优化可能大幅降低硬件门槛；
- 识别范围：果蝇能分辨的气味种类远超当前电子鼻，算法有望继承这种广度；
- 记忆持久性：学新不忘旧，这是目前所有电子鼻的硬伤，也是Spi-Fly最值得关注的点。
当然，论文只是第一步。从算法到真正可用的电子鼻产品，中间还隔着工程化、场景适配这些老问题。但至少，这个思路提醒了一件事：当我们在硬件上卷不动的时候，回头看看几亿年前就进化出高效方案的小生物，可能比堆参数更管用。
毕竟，果蝇用14万个神经元做到的事，我们用了上亿个参数的模型还没搞定。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
