Ερευνητές Ανάπτυξαν Οπτικό Αισθητήρα για Μίμηση του Ανθρώπινου Ματιού

Ερευνητές στο Πανεπιστήμιο του Όρεγκον έχουν επιδείξει το δυναμικό της τεχνητής νοημοσύνης για μίμηση των ανθρώπων με einen νέο οπτικό αισθητήρα. Αυτός ο οπτικός αισθητήρας είναι καλύτερος στην μίμηση της ικανότητας του ανθρώπινου ματιού να αντιλαμβάνεται αλλαγές στο οπτικό του πεδίο.

Η ανάπτυξη έχει μεγάλες επιπτώσεις για τομείς όπως η αναγνώριση εικόνων, η ρομποτική και η τεχνητή νοημοσύνη.

Η έρευνα, η οποία πραγματοποιήθηκε από τον ερευνητή του Κολλεγίου Μηχανικής του Πανεπιστημίου του Όρεγκον, Τζον Λάμπραμ, και την μεταπτυχιακή φοιτήτρια Σίνθυα Τρουχίλο Ερρέρα, δημοσιεύθηκε νωρίτερα αυτόν τον μήνα στο Applied Physics Letters. 

Προηγούμενες Συσκευές Ανθρώπινου Ματιού 

Οι ερευνητές έχουν προηγουμένως προσπαθήσει να αναπτύξουν τύπους συσκευών ανθρώπινου ματιού, επίσης γνωστές ως αισθητήρες μορφής ρέτινας, και συχνά χρησιμοποιούσαν λογισμικό ή σύνθετο υλικό. Ωστόσο, αυτή η νέα συσκευή χρησιμοποιεί υπερλεπτά στρώματα ημιαγωγών περιοβσκίτη, τα οποία έχουν προσελκύσει την προσοχή στο παρελθόν λόγω του δυναμικού τους για χρήση σε ηλιακή ενέργεια. Όταν εκτεθούν στο φως, αυτά τα υπερλεπτά στρώματα αλλάζουν από ισχυρά ηλεκτρικά μονωτικά σε ισχυρά αγωγά.

Ο Λάμπραμ είναι βοηθός καθηγητής ηλεκτρολογικής μηχανικής και επιστήμης υπολογιστών, και ηγείται της έρευνας με την υποστήριξη του Εθνικού Ιδρύματος Επιστημών.

«Μπορείτε να το σκεφτείτε ως ένα singled pixel που κάνει κάτι που θα απαιτούσε σήμερα έναν μικροεπεξεργαστή», είπε ο Λάμπραμ.

Η επόμενη γενιά της τεχνητής νοημοσύνης αναμένεται να τροφοδοτείται από νευρομορφικούς υπολογιστές, ιδιαίτερα σε εφαρμογές όπως τα αυτόνομα οχήματα, η ρομποτική και η προηγμένη αναγνώριση εικόνων. Οι νευρομορφικοί υπολογιστές μιμούνται τα παράλληλα δίκτυα του ανθρώπινου εγκεφάλου, ενώ οι παραδοσιακοί υπολογιστές επεξεργάζονται τις πληροφορίες σειριακά.

«Οι άνθρωποι έχουν προσπαθήσει να αναπαράγουν αυτό το υλικό και έχουν αποτυχία», είπε ο Λάμπραμ. «Ωστόσο, ακόμη και τα αλγόριθμοι και η αρχιτεκτονική που σχεδιάζονται για την επεξεργασία πληροφοριών γίνονται όλο και περισσότερο σαν τον ανθρώπινο εγκέφαλο, οι πληροφορίες που λαμβάνουν αυτά τα συστήματα εξακολουθούν να σχεδιάζονται για παραδοσιακούς υπολογιστές».

Όλα αυτά σημαίνουν ότι ένας υπολογιστής χρειάζεται έναν αισθητήρα εικόνας για να fungσει ως το ανθρώπινο μάτι, το οποίο αποτελείται από περίπου 100 εκατομμύρια φωτοϋποδοχείς.尽管 αυτό το τεράστιο αριθμό, ο οπτικός νεύρος περιέχει μόνο 1 εκατομμύριο συνδέσεις με τον εγκέφαλο, που σημαίνει ότι η ρέτινα μαρτυρεί πολλή προεπεξεργασία και δυναμική συμπίεση πριν από την μετάδοση μιας εικόνας.

Αισθητήρας Μορφής Ρέτινας

Ο αισθητήρας μορφής ρέτινας που αναπτύχθηκε από τους ερευνητές δεν αντιδρά έντονα υπό στατικές συνθήκες, αλλά καταγράφει σύντομες και οξείς σημάδια όταν υπάρχει αλλαγή στην φωτεινότητα. Στη συνέχεια, γρήγορα επιστρέφει στην βασική του κατάσταση, που οφείλεται όλα αυτά στα περιοβσκίτα.

«Ο τρόπος που το δοκιμάζουμε είναι, βασικά, αφήνουμε το στο σκότος για ένα δευτερόλεπτο, και στη συνέχεια ανάβουμε τα φώτα και τα αφήνουμε αναμμένα», είπε ο Λάμπραμ. «Από τη στιγμή που αναβοσβήνει το φως, παίρνουμε αυτό το μεγάλο σπίκι τάσης, και στη συνέχεια η τάση γρήγορα μειώνεται, ακόμη και αν η ένταση του φωτός είναι σταθερή. Και αυτό είναι αυτό που θέλουμε».

Η ομάδα προσομοίωσε διάφορους αισθητήρες μορφής ρέτινας, που τους επέτρεψε να προβλέψουν πώς θα αντιδράσει μια κάμερα αισθητήρα μορφής ρέτινας σε ερεθίσματα εισόδου.

«Μπορούμε να μετατρέψουμε βίντεο σε ένα σύνολο φωτεινών εντάσεων και στη συνέχεια να τα βάλουμε στην προσομοίωση», είπε ο Λάμπραμ. «Οι περιοχές όπου προβλέπεται υψηλότερη τάση εξόδου από τον αισθητήρα φωτός φωτίζονται, ενώ οι περιοχές με χαμηλότερη τάση παραμένουν σκούρες. Αν η κάμερα είναι σχετικά στατική, μπορείτε να δείτε σαφώς όλα τα αντικείμενα που κινούνται να ανταποκρίνουν έντονα. Αυτό παραμένει αρκετά πιστό στο парадείγμα της οπτικής ανίχνευσης στους θηλαστικούς».

«Το καλό είναι ότι, με αυτήν την προσομοίωση, μπορούμε να εισάγουμε οποιοδήποτε βίντεο σε ένα από αυτά τα πίνακα και να επεξεργαστούμε τις πληροφορίες ουσιαστικά με τον ίδιο τρόπο που θα έκανε το ανθρώπινο μάτι», συνέχισε ο Λάμπραμ. «Για παράδειγμα, μπορείτε να φανταστείτε αυτούς τους αισθητήρες να χρησιμοποιούνται από einen ρομποτικό που παρακολουθεί την κίνηση των αντικειμένων. Οτιδήποτε στατικό στο οπτικό του πεδίο δεν θα προκαλούσε ανταπόκριση, ωστόσο ένα κινούμενο αντικείμενο θα καταγράφει υψηλή τάση. Αυτό θα έλεγε αμέσως στο ρομπότ πού ήταν το αντικείμενο, χωρίς καμία σύνθετη επεξεργασία εικόνας».