小伙伴们,每个星期六晚上,你们都会skr一下吗?
话说,加利福尼亚大学洛杉矶分校(UCLA)出了个人才,他研究如何让人工智能变聪明——
不是他!是他的校友们和老师……
某奇艺的节目就别乱入了,回到UCLA的电气与计算机工程师团队这儿……
他们使用3D打印机创建了一个基于人工智能设备,可以分析大量数据并以实际光速识别物体。
长得贼像楼下包子铺的黑糯米糕
果然UCLA,听起来就很skr~
够了!回到正文!
深度穴习是机器学习领域中发展最快的机器学习方法之一,通常用于医学图像分析、语言翻译、图像分类、语音识别以及解决更具体的任务等等。
一般,深度学习系统被实现为在计算机上执行,以数字化学习数据表示和抽象,并执行与人类性能相当或甚至更好的高级任务。
图像、语言、高级任务……
怎么感觉这是人造人即将诞生的前奏?
然而,由UCLA电气与计算机工程教授,Aydogan Ozcan领导的团队,引入了一种物理机制,使用全光学衍射深度神经网络实现深度学习。
反正我看不懂,你们也将就将就呗
该光学人工神经网络设备直观地模拟大脑如何处理信息。
西部世界!
它使用从对象本身反射的光来在很短的时间内识别该对象,这是计算机简单地“看到”对象所需的时间。
跟数独好像(* ̄︶ ̄*)
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打印机制作了非常薄的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。
在这种情况下,每层由数万个人造神经元组成,是光穿过的微小像素。
密恐患者又倒下了!
一系列像素化层被用作光学网络,并被来自物体的入射光穿过。
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。
噫!右侧莫名初中生理科既视感
然后,研究人员使用计算机对网络进行训练——通过学习每个物体在该物体发出的光线穿过设备时产生的衍射光图案来识别其前面的物体。
模拟大脑、人造神经元……确定不是造人?!
Hold on,hold on!深度学习属于一项人工智能的分支,其中机器通过重复并随着时间的推移学习模式。
Ozcan博士说:“使用逐层制造的无源元件,并通过光衍射将这些层相互连接,创造了一个独特的全光平台,以光速执行机器学习任务。”
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物——这两种都是人工智能研究中常用的测试。它还可以在太赫兹光谱上执行成像镜头的功能。
UCLA的研究人员认为,基于该设备的新技术可用于加速涉及排序和识别物体的数据密集型任务。
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来找出对象是什么。
万一会学习的机器拥有了人形……
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以寻找疾病的迹象。
人脑中的神经元难以修复
人造神经元却能轻易复制
由于其组件可以由3D打印机创建,因此人工神经网络可以用更大和更多的层制作,从而产生具有数亿个人造神经元的设备。
人终有一死,机器人却不会
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,即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。
该研究于7月26日在线发表在“科学”杂志上,并得到了美国国家科学基金会和霍华德休斯医学研究所的支持。
奥兹坎博士说:“这项工作为使用基于人工智能的被动装置即时分析数据、图像和分类物体开辟了新的机会。”
露露倒是觉得,这项工作为你将来的机器女友提供了变得更逼真的机会
閱讀更多 黑科技露透社 的文章