Исследователи MIT создали инновационный искусственный глаз путем объединения светочувствительной электроники с нейронной сетью на одном крошечном чипе. Этот умный чип может понять, что он видит. Для такой задачи ему требуется всего несколько наносекунд - это гораздо быстрее, чем могут существующие датчики изображения.

В чем важность разработки?

Компьютерное зрение является неотъемлемой частью многих устройств с ИИ - от беспилотных автомобилей до промышленных роботов и интеллектуальных датчиков. Подобно человеческим глазам, они очень хорошо реагируют на увиденное. Но для распознавания большинства изображений нужна большая вычислительная мощность. Часть проблемы - сбор огромного количества визуальных данных, независимо от того, полезно ли это для классификации картинки. Сокращение всех этих данных замедляет работу. Датчик, который захватывает и обрабатывает изображения одновременно, без преобразования или передачи данных, распознает информацию значительно быстрее и энергоэффективнее.

Как работает умный чип?

Команда создала умный чип из листа диселенида вольфрама (его толщина всего несколько атомов) и подключили к нему диоды для формирования нейронной сети. Используемый материал придает чипу уникальные электрические свойства, благодаря которым светочувствительность диодов - узлов в сети - может быть изменена извне. А значит, сеть можно научить классифицировать визуальную информацию, регулируя чувствительность диодов, пока она не даст правильный ответ. Таким образом интеллектуальный чип «обучили» распознавать стилизованные пиксельные версии букв n, v и z.

Новый датчик - это еще один захватывающий шаг на пути к увеличению доли искусственного интеллекта в аппаратном обеспечении. Разработка обещает сделать будущие умные устройства более быстрыми и эффективными. Но впереди долгий путь: на данный момент глаз состоит лишь из 27 детекторов и может иметь дело с блочными изображениями 3х3. Тем не менее, микросхема может выполнять несколько стандартных контролируемых и неконтролируемых задач машинного обучения, включая классификацию и кодирование букв. Исследователи утверждают, что масштабирование нейронной сети к гораздо большим размерам не является большой проблемой.

Понравилась эта новость? Подпишись на нас в соцсетях!