AI设备以光速识别物体

加州大学洛杉矶分校的电气和计算机工程师团队创建了一个物理人工神经网络 - 一个模拟人类大脑工作原理的设备 - 可以分析大量数据并以实际光速识别物体。该设备是使用加州大学洛杉矶分校Samueli工程学院的3D打印机创建的。

今天日常生活中的众多设备使用计算机化摄像头识别物体 - 想想可以在存入支票时“读取”手写金额的自动柜员机，或者可以快速将照片与其数据库中的其他类似图像匹配的互联网搜索引擎。但是这些系统依靠一台设备对物体进行成像，首先是用相机或光学传感器“观察”它，然后将它看到的数据处理成数据，最后使用计算程序来弄清楚它是什么。

加州大学洛杉矶分校开发的设备领先一步。它被称为“衍射深度神经网络”，它使用从物体本身反射的光来识别该物体的时间与计算机只需“看到”物体所需的时间相同。UCLA设备不需要高级计算程序来处理对象的图像并且在其光学传感器拾取之后决定对象是什么。并且没有能量消耗来运行该设备，因为它仅使用光的衍射。

基于该设备的新技术可用于加速涉及排序和识别对象的数据密集型任务。例如，使用该技术的无人驾驶汽车可以立即做出反应 - 甚至比使用现有技术更快 - 对停车标志做出反应。使用基于UCLA系统的设备，一旦来自标志的光击中它，汽车将“读取”标志，而不是必须“等待”汽车的相机对物体成像然后使用其计算机找出对象是什么。

基于本发明的技术还可以用于显微成像和医学，例如，用于分选数百万个细胞的疾病迹象。

该研究于7月26日在线发表在“ 科学”杂志上。

“这项工作为使用基于人工智能的被动设备提供了根本性的新机会，可以即时分析数据，图像并对物体进行分类，”该研究的首席研究员，加州大学洛杉矶分校校长电气和计算机工程教授Aydogan Ozcan说。“这种光学人工神经网络设备直观地模拟了大脑如何处理信息。它可以扩大规模，以实现新的相机设计和独特的光学组件，在医疗技术，机器人，安全或任何图像和视频数据应用中被动地工作。必要。”

创建人工神经网络的过程始于计算机模拟设计。然后，研究人员使用3D打印机制作非常薄的8厘米见方的聚合物晶圆。每个晶片具有不平坦的表面，这有助于在不同方向上衍射来自物体的光。这些层看起来对眼睛是不透明的，但实验中使用的亚毫米波长太赫兹频率的光可以穿过它们。每层由数万个人造神经元组成 - 在这种情况下，是光穿过的微小像素。

一系列像素化层一起用作“光学网络”，其形成来自物体的入射光如何穿过它们。网络识别对象，因为来自对象的光主要被衍射到分配给该类型对象的单个像素。

然后，研究人员使用计算机训练网络，通过学习每个物体产生的衍射光图案来识别其前面的物体，因为来自该物体的光线穿过设备。“训练”使用了一种称为深度学习的人工智能分支，其中机器通过重复和随着时间的推移“学习”模式出现。

“这很像一个非常复杂的玻璃和镜子迷宫，”奥兹坎说。“光进入衍射网络并在迷宫周围反弹直到它退出。系统确定物体的大部分光线最终会离开的位置。”

在他们的实验中，研究人员证明该装置可以准确识别手写的数字和衣服 - 这两种都是人工智能研究中常用的测试。为此，他们将图像放在太赫兹光源前面，让设备通过光学衍射“看到”这些图像。

他们还训练设备充当镜头，将放置在光学网络前面的物体的图像投射到它的另一侧 - 就像典型的相机镜头的工作方式，但使用人工智能而不是物理。

由于其组件可以由3D打印机创建，因此可以使用更大和更多的层来制作人工神经网络，从而产生具有数亿个人造神经元的设备。那些更大的设备可以同时识别更多的对象或执行更复杂的数据分析。并且组件可以廉价制作 - 由加州大学洛杉矶分校团队创建的设备可以低于50美元复制。

虽然该研究使用了太赫兹频率的光，但奥兹坎说，也可以创建使用可见光，红外光或其他频率光的神经网络。他说，网络也可以使用光刻技术或其他印刷技术制造。