دوربینی که تصاویر را بدون برق ۹۹ و چهار دهم درصد سریع تر پردازش می کند
کنکوری: یک دوربین مجهز به هوش مصنوعی قادر می باشد تصاویر را بدون استفاده از برق، 99.4 درصد سریعتر پردازش کند. این پیشرفت از لنزهای فراسطحی برای پیشی گرفتن از هوش مصنوعی سنتی بهره می گیرد که امکان تشخیص تصویر فوق سریع و کم انرژی را فراهم می آورد و هوش ماشینی را بازتعریف می کند.
به گزارش کنکوری به نقل از ایسنا، محققان دانشگاه پرینستون و دانشگاه واشنگتن با ساخت دوربینی به اندازه یک دانه نمک (کمتر از نیم میلی متر) که قادر به ثبت تصاویر بطورکامل باورنکردنی و شفاف و تمام رنگی با جزییات بی سابقه بود، به موفقیت بزرگی رسیدند.
حالا گویی این تیم یک دفعه دیگر با توسعه نوع جدیدی از دوربین فشرده که برای بینش کامپیوتری طراحی شده است، مرزها را جابجا کرده است. بینش کامپیوتری نوعی از هوش مصنوعی است که به کامپیوتر ها کمک می نماید اشیاء را در تصاویر و ویدیوها شناسایی کنند.
به نقل از آی ای، نمونه اولیه این دوربین جدید که رویکرد جدیدی را برای بینش کامپیوتری معرفی می کند، بجای برق به نور متکی است، انرژی بسیار کمتری نسبت به کامپیوتر های سنتی مصرف می کند و اشیاء را با سرعت نور شناسایی می کند.
فلیکس هاید(Felix Heide)، استادیار علوم کامپیوتر در دانشگاه پرینستون و یکی از نویسندگان این مطالعه می گوید: سؤال برای من همیشه این بود که چگونه می توانیم از الگوریتم ها برای درک جهان استفاده کنیم؟
دکتر آرکا مجومدار(Arka Majumdar)، استاد مهندسی برق و کامپیوتر و فیزیک در دانشگاه واشنگتن و نویسنده دوم این مطالعه نیز می گوید: این یک روش بطورکامل جدید در مورد اپتیک است که با اپتیک سنتی بسیار متفاوت می باشد. این طراحی، سرتاسری است، جایی که اپتیک در ارتباط با بلوک محاسباتی طراحی می شود.
وی ادامه داد: در اینجا، ما لنز دوربین را با اپتیک مهندسی شده جایگزین کردیم که به ما امکان می دهد محاسبات زیادی را در اپتیک قرار دهیم.
هاید به یاد می آورد که این ایده زمانی شکل گرفت که او آغاز به کاوش در فراسطح ها کرد که مواد ورقه مانند مصنوعی با خاصیت های زیر طول موج هستند.
مواد فراسطحی به علت هندسه منحصر به فرد خود مانند لنزهای سنتی، نور را بوسیله شیشه یا پلاستیک خم نمی کنند. درعوض، آنها نور را دقیقاً مانند نحوه انتشار نور هنگام عبور از یک شکاف باریک، در اطراف ساختارهای کوچک پراکنده می کنند.
هاید و شاگردانش برای ساخت این دوربین، با کارشناسان لابراتوار نانوساخت واشنگتن که در ساخت دستگاه های کنترل کننده نور بسیار کوچک تخصص دارند، برای مهندسی کردن دوربین و ساخت تراشه متحد شدند.
این تیم بجای استفاده از یک لنز شیشه ای یا پلاستیکی سنتی، ۵۰ متا لنز روی هم، تخت و سبک وزن را ادغام کردند که از نانوساختارهای میکروسکوپی برای دستکاری نور استفاده می نمایند.
این متا لنزها به عنوان یک شبکه عصبی نوری و یک سیستم هوش مصنوعی الهام گرفته از مغز عمل می کنند و چندین مزیت کلیدی را به این رویکرد می دهند.
بدین ترتیب با وجود سرعت فوق العاده، شناسایی و طبقه بندی تصاویر بالاتر از ۲۰۰ برابر سریع تر از شبکه های عصبی معمولی صورت می گیرد. ضمن این که از نظر مصرف انرژی نیز بسیار کارآمد است و برای کار بجای برق به نور ورودی متکی است.
هاید و تیمش در کاوش این فناوری، شگفت زده شدند، چونکه متوجه شدند نوری که از آرایه های ستون بیرون می آید، اصلاً نیاز به شباهت به تصویر اصلی ندارد. در عوض، ستون ها به عنوان فیلترهای تخصصی عمل می کردند و داده های نوری را به دسته هایی مانند لبه ها، مناطق روشن و تاریک یا حتی خاصیت هایی فراتر از درک انسان مرتب می کردند، بدین سبب اطلاعات از پیش پردازش شده و ساختار یافته را برای کامپیوتر ها فراهم می کردند.
هاید می گوید: ما متوجه شدیم که نیاز به ثبت یک تصویر کامل نداریم، بلکه ما فقط می توانیم خاصیت های خاصی را ثبت نماییم که سپس می توانیم آنها را برای انجام کارهایی مانند طبقه بندی جمع بندی نماییم.
این تیم خیلی زود، سیستمی را توسعه داد که با لنزهای فراسطحی که ۹۹.۴ از حجم کار را مدیریت می کنند، قادر به شناسایی اشیاء در تصاویر با استفاده از کمتر از یک درصد از توان محاسباتی مورد نیاز روش های مرسوم بود.
این سیستم یک پارادایم جدید را معرفی می کند که صدها میلیون محاسبه(FLOPS) را بصورت آنی انجام می دهد. در صورتیکه شبکه های عصبی سنتی از فیلترهای ریاضی(هسته ها) برای استخراج داده ها استفاده می نمایند که نیاز به محاسبات گوناگون حتی برای چند پیکسل دارد، این شبکه بطور طبیعی فیلتر پیچیده ای را با عبور نور انجام می دهد و چند فیلتر بزرگ را قادر می سازد تا کل تصویر را در لحظه تحلیل و بررسی کنند.
ستون های کوچک درون هر عدسی فراسطحی، نور را بدون برق یا کنترل فعال سازماندهی و انتزاعی می کنند. هاید و اتان تسنگ(Ethan Tseng)، دانشجوی دکترا تحت هدایت او مطمئن هستند که موفقیت طراحی به استفاده از هسته های نوری بزرگ کمتر و یکپارچه سازی سخت افزار و نرم افزار متکی است.
تسنگ با ذکر نمونه هایی مانند میگوی آخوندک، سنجاقک و سپیداج که قطبش نور را تشخیص می دهند، می گوید: دید حیوانی چیزی بین سخت افزار نوری و پردازش های پشتیبان عصبی مشترک است. حیواناتی هستند که بینایی عجیب تری نسبت به آن چه ما داریم، دارند و ما گمان می نماییم که سخت افزار چشم هایشان با مغزشان برای انجام کارهای مختلف کار می کند.
هاید در بیانیه مطبوعاتی خود اضافه کرد: این بطور بالقوه می تواند فراتر از پردازش تصویر باشد و اینجاست که ما فقط نوک کوه یخ را می بینیم.
مجومدار نیز می گوید: هم اکنون، این سیستم محاسباتی نوری یک نمونه اولیه تحقیقاتی است و برای یک برنامه خاص کار می کند.
وی ادامه داد: ما پتانسیل آنرا برای متحول کردن چندین فناوری می بینیم. البته در اینجا ما نخستین قدم را برداشته ایم و این یک گام بزرگ رو به جلو در مقایسه با سایر پیاده سازی های نوری موجود در شبکه های عصبی است.
این پژوهش در مجله Science Advances انتشار یافته است.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان کنکوری در مورد این مطلب
نظر شما در مورد این مطلب کنکوری
نام:
ایمیل:
نظر:
سوال:
= ۱ بعلاوه ۱