دوربینی که تصاویر را بدون برق 99 و چهار دهم درصد سریع تر پردازش می کند
به گزارش بازار مقاله، یک دوربین مجهز به هوش مصنوعی می تواند تصاویر را بدون استفاده از برق، ۹۹.۴ درصد سریعتر پردازش کند. این پیشرفت از لنزهای فراسطحی برای پیشی گرفتن از هوش مصنوعی سنتی استفاده می نماید که امکان تشخیص تصویر فوق سریع و کم انرژی را فراهم می آورد و هوش ماشینی را بازتعریف می کند.
به گزارش بازار مقاله 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 کاملا باورنکردنی و شفاف و تمام رنگی با جزئیات بی سابقه بود، به موفقیت بزرگی دست پیدا کردند.
حالا گویی این تیم یک مرتبه 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، به جای 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 هم می گوید: این یک روش کاملا 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 خصوصیت های زیر طول موج هستند.
مواد فراسطحی به علت هندسه منحصر به فرد خود مانند لنزهای سنتی، نور را از راه شیشه یا پلاستیک خم نمی کنند. درعوض، آنها نور را دقیقا 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 دستگاههای کنترل کننده نور بسیار کوچک تخصص دارند، برای مهندسی کردن دوربین و ساخت تراشه متحد شدند.
این تیم به جای 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 بعنوان 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 بیشتر از ۲۰۰ برابر سریع تر از شبکه های عصبی معمولی صورت می گیرد. ضمن این که از نظر مصرف انرژی هم بسیار کارآمد است و برای کار به جای برق به نور ورودی متکی است.
هاید و تیمش در کاوش این فناوری، شگفت زده شدند، چون که متوجه شدند نوری که از آرایه های ستون بیرون می آید، اصلاً احتیاجی به شباهت به تصویر اصلی ندارد. در عوض، ستون ها بعنوان فیلترهای تخصصی عمل می کردند و داده های نوری را به دسته هایی مانند لبه ها، مناطق روشن و تاریک یا حتی خصوصیت هایی فراتر از درک انسان مرتب می کردند، ازاین رو اطلاعات از پیش پردازش شده و ساختار یافته را برای کامپیوتر ها فراهم می کردند.
هاید می گوید: ما متوجه شدیم که احتیاجی به ثبت یک تصویر کامل نداریم، بلکه ما فقط می توانیم خصوصیت 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 به شکل آنی انجام می دهد. در حالیکه شبکه های عصبی سنتی از فیلترهای ریاضی(هسته ها) برای استخراج داده ها استفاده می نمایند که احتیاج به محاسبات مختلف حتی برای چند پیکسل دارد، این شبکه به صورت 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 افزود: این به صورت بالقوه می تواند فراتر از پردازش تصویر باشد و اینجاست که ما فقط نوک کوه یخ را می بینیم.
مجومدار هم 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.
منبع: بازار مقاله
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان بازارمقاله در مورد این مطلب