Jauna AI mikroshēma var veikt attēla atpazīšanas uzdevumus nanosekundēs

Kategorija: Mākslīgais intelekts Ievietots 04. marts

Ziņas: UZ jauna veida mākslīgā acs , kas izgatavots, apvienojot gaismas sensoru elektroniku ar neironu tīklu vienā mazā mikroshēmā, var saprast to, ko tas redz tikai dažās nanosekundēs, daudz ātrāk nekā esošie attēla sensori.

Kāpēc tas ir svarīgi: Datorredze ir neatņemama daudzu AI lietojumu sastāvdaļa — no bezvadītāja automašīnām līdz rūpnieciskiem robotiem līdz viediem sensoriem, kas darbojas kā mūsu acis attālās vietās, un mašīnas ir kļuvušas ļoti labas, reaģējot uz redzēto. Taču lielākajai daļai attēlu atpazīšanas ir nepieciešama liela skaitļošanas jauda. Daļa no problēmas ir sašaurinājums tradicionālo sensoru centrā, kas uztver milzīgu daudzumu vizuālo datu neatkarīgi no tā, vai tie ir noderīgi attēla klasificēšanai. Visu šo datu sasmalcināšana palēnina darbību.

Sensors, kas tver un apstrādā attēlu vienlaikus, nepārveidojot un neapsūtot datus, padara attēla atpazīšanu daudz ātrāku, izmantojot daudz mazāk enerģijas. Dizains, ko šodien žurnālā Nature publicēja Vīnes Fotonikas institūta pētnieki Austrijā, atdarina veidu, kā dzīvnieku acis apstrādā vizuālo informāciju pirms tās nodošanas smadzenēm.

Kā tas strādā: Komanda izveidoja mikroshēmu no tikai dažus atomus biezas volframa diselenīda loksnes, kas bija iegravēta ar gaismas sensora diodēm. Pēc tam viņi savienoja diodes, lai izveidotu neironu tīklu. Materiāls, ko izmanto mikroshēmas izgatavošanai, piešķir tai unikālas elektriskās īpašības, lai diožu — tīkla mezglu — fotosensitivitāti varētu pielāgot ārēji. Tas nozīmēja, ka tīklu var apmācīt klasificēt vizuālo informāciju, pielāgojot diožu jutību, līdz tas sniedz pareizās atbildes. Tādā veidā viedā mikroshēma tika apmācīta atpazīt stilizētas, pikseļu veidotas burtu n, v un z versijas.

Ierobežota redze: Šis jaunais sensors ir vēl viens aizraujošs solis ceļā uz vairāk AI iekļaušanu aparatūrā, padarot to ātrāku un efektīvāku. Bet vēl tāls ceļš ejams. Sākumā acs sastāv tikai no 27 detektoriem, un tā nevar tikt galā ar daudz vairāk kā bloķētiem 3x3 attēliem. Tomēr, lai cik maza tā ir, mikroshēma var veikt vairākus standarta uzraudzītus un neuzraudzītus mašīnmācības uzdevumus, tostarp burtu klasificēšanu un kodēšanu. Pētnieki apgalvo, ka neironu tīkla mērogošana līdz daudz lielākam izmēram būtu vienkārša.