Onderzoekers ontwikkelen optische sensor om het menselijk oog na te bootsen

Onderzoekers aan de Oregon State University hebben het potentieel van kunstmatige intelligentie aangetoond om mensen na te bootsen met een nieuwe optische sensor. Deze optische sensor is beter in het nabootsen van het vermogen van het menselijk oog om veranderingen in zijn visuele veld waar te nemen.

De ontwikkeling heeft grote implicaties voor gebieden zoals beeldherkenning, robotica en kunstmatige intelligentie.

Het onderzoek, dat werd geleid door OSU College of Engineering-onderzoeker John Labram en doctoraal student Cinthya Trujillo Herrera, werd eerder deze maand gepubliceerd in Applied Physics Letters. 

Vorige menselijk-oog-apparaten 

Onderzoekers hebben eerder geprobeerd om soorten menselijk-oog-apparaten te ontwikkelen, ook wel retinomorfische sensoren genoemd, en ze gebruikten vaak software of complexe hardware. Echter, dit nieuwe apparaat gebruikt ultradunne lagen van perovskiet-halfgeleiders, die in het verleden aandacht hebben getrokken vanwege hun potentieel voor zonne-energiegebruik. Wanneer ze aan licht worden blootgesteld, veranderen deze ultradunne lagen van sterke elektrische isolatoren in sterke geleiders.

Labram is een assistent-professor in elektrotechniek en informatica, en hij leidt het onderzoek met steun van de National Science Foundation.

“Je kunt het zien als een enkel pixel dat iets doet wat momenteel een microprocessor zou vereisen,” zei Labram.

De volgende generatie kunstmatige intelligentie zal naar verwachting worden aangedreven door neuromorfische computers, met name in toepassingen zoals autonome voertuigen, robotica en geavanceerde beeldherkenning. Neuromorfische computers bootsen de parallelle netwerken in de menselijke hersenen na, terwijl traditionele computers informatie sequentieel verwerken.

“Mensen hebben geprobeerd dit na te bootsen in hardware en zijn redelijk succesvol geweest,” zei Labram. “Echter, zelfs als de algoritmes en architectuur die zijn ontworpen om informatie te verwerken, steeds meer op een menselijke hersenen lijken, is de informatie die deze systemen ontvangen, nog steeds duidelijk ontworpen voor traditionele computers.”

Alles bij elkaar betekent dit dat een computer een beeldsensor nodig heeft om als het menselijk oog te fungeren, dat bestaat uit ongeveer 100 miljoen foto-receptoren. Ondanks dit enorme aantal, bevat de oogzenuw slechts 1 miljoen verbindingen met de hersenen, wat betekent dat de retina veel voorverwerking en dynamische compressie ondergaat voordat een beeld ooit wordt overgedragen.

Retinomorfische sensor

De retinomorfische sensor die door de onderzoekers is ontwikkeld, reageert niet sterk onder statische omstandigheden, maar registreert korte en scherpe signalen wanneer er een verandering in verlichting is. Vervolgens keert het snel terug naar de basislijn, wat allemaal te wijten is aan de perovskieten.

“De manier waarop we het testen is, eigenlijk, we laten het in het donker voor een seconde, dan zetten we het licht aan en laten we het gewoon aan,” zei Labram. “Zodra het licht aan gaat, krijg je deze grote spanningsspike, dan daalt de spanning snel, zelfs als de intensiteit van het licht constant is. En dat is wat we willen.”

Het team simuleerde verschillende retinomorfische sensoren, wat hen in staat stelde om te voorspellen hoe een retinomorfische videocamera zou reageren op invoerstimuli.

“We kunnen video omzetten in een reeks lichtintensiteiten en die vervolgens in onze simulatie stoppen,” zei Labram. “Gebieden waar een hogere spanninguitvoer wordt voorspeld van de sensor, lichten op, terwijl de lagere-spanningsgebieden donker blijven. Als de camera relatief statisch is, kun je duidelijk zien dat alle dingen die bewegen, sterk reageren. Dit blijft redelijk waarheidsgetrouw aan het paradigma van optische detectie bij zoogdieren.”

“Het goede is dat, met deze simulatie, we elke video in een van deze arrays kunnen invoeren en die informatie op dezelfde manier verwerken als het menselijk oog zou doen,” zei Labram verder. “Bijvoorbeeld, je kunt je voorstellen dat deze sensoren worden gebruikt door een robot die de beweging van objecten volgt. Alles wat statisch is in zijn gezichtsveld, zou geen reactie veroorzaken, maar een bewegend object zou een hoge spanning registreren. Dit zou de robot onmiddellijk vertellen waar het object was, zonder enige complexe beeldverwerking.”