Naukowcy opracowują optyczny czujnik, który naśladuje ludzkie oko

Naukowcy z Oregon State University wykazali potencjał sztucznej inteligencji w naśladowaniu ludzi za pomocą nowego czujnika optycznego. Ten czujnik optyczny jest lepszy w naśladowaniu zdolności ludzkiego oka do postrzegania zmian w polu widzenia.

Ten rozwój ma duże implikacje dla dziedzin takich jak rozpoznawanie obrazów, robotyka i sztuczna inteligencja.

Badanie, które było prowadzone przez Johna Labrama, badacza z OSU College of Engineering, i studentkę Cinthya Trujillo Herrera, zostało opublikowane w tym miesiącu w Applied Physics Letters. 

Poprzednie urządzenia naśladujące ludzkie oko 

Naukowcy wcześniej próbowali opracować rodzaje urządzeń naśladujących ludzkie oko, również nazywanych czujnikami retinomorficznymi, i często używali oprogramowania lub złożonego sprzętu. Jednakże, to nowe urządzenie używa ultracienkich warstw półprzewodników perowskitowych, które w przeszłości przyciągały uwagę ze względu na ich potencjał dla energetyki słonecznej. Gdy są one narażone na światło, te ultracienkie warstwy zmieniają się z silnych izolatorów elektrycznych w silne przewodniki.

Labram jest asystentem profesora inżynierii elektrycznej i informatyki, i prowadzi badania z wsparciem Narodowego Funduszu Nauki.

“Można to porównać do jednego piksela, który robi coś, co obecnie wymagałoby mikroprocesora”, powiedział Labram.

Następna generacja sztucznej inteligencji ma być napędzana przez komputery neuromorficzne, szczególnie w aplikacjach takich jak pojazdy autonomiczne, robotyka i zaawansowane rozpoznawanie obrazów. Komputery neuromorficzne naśladują równoległe sieci w ludzkim mózgu, podczas gdy tradycyjne komputery przetwarzają informacje sekwencyjnie.

“Ludzie próbowali odtworzyć to w sprzęcie i byli dość skuteczni”, powiedział Labram. “Jednakże, nawet jeśli algorytmy i architektura zaprojektowane do przetwarzania informacji stają się coraz bardziej podobne do ludzkiego mózgu, informacje, które te systemy otrzymują, nadal są zdecydowanie zaprojektowane dla tradycyjnych komputerów”.

Wszystko to oznacza, że komputer potrzebuje czujnika obrazu, który działa jak ludzkie oko, które składa się z około 100 milionów fotoreceptorów. Pomimo tej ogromnej liczby, nerw wzrokowy zawiera tylko 1 milion połączeń z mózgiem, co oznacza, że siatkówka doświadcza dużej ilości przetwarzania i kompresji dynamicznej przed wysłaniem obrazu.

Czujnik retinomorficzny

Czujnik retinomorficzny opracowany przez naukowców nie reaguje silnie w warunkach statycznych, ale rejestruje krótkie i ostre sygnały, gdy występuje zmiana w oświetleniu. Następnie szybko wraca do stanu początkowego, co jest spowodowane perowskitami.

“Sposób, w jaki testujemy to, polega na tym, że pozostawiamy je w ciemności przez sekundę, a następnie włączamy światło i po prostu je pozostawiamy”, powiedział Labram. “Gdy światło się włącza, otrzymujesz ten duży sygnał napięciowy, a następnie napięcie szybko maleje, nawet jeśli intensywność światła jest stała. I to jest to, czego chcemy”.

Zespół symulował różne czujniki retinomorficzne, co pozwoliło im przewidzieć, jak czujnik retinomorficzny w kamerze wideo zareaguje na bodźce.

“Możemy przekonwertować wideo na zestaw intensywności światła, a następnie wprowadzić je do naszej symulacji”, powiedział Labram. “Obszary, w których przewiduje się wyższe napięcie wyjściowe z czujnika, są oświetlone, podczas gdy obszary o niższym napięciu pozostają ciemne. Jeśli kamera jest względnie statyczna, można wyraźnie zobaczyć wszystkie rzeczy, które się poruszają i reagują silnie. To pozostaje racjonalnie zgodne z paradygmatem optycznego postrzegania u ssaków”.

“Dobrą rzeczą jest to, że z tą symulacją możemy wprowadzić dowolne wideo do jednego z tych tablic i przetworzyć te informacje w zasadzie tak samo, jak ludzkie oko”, kontynuował Labram. “Na przykład, możesz wyobrazić sobie, że te czujniki są używane przez robota śledzącego ruch obiektów. Cokolwiek jest statyczne w jego polu widzenia nie wywoła reakcji, jednak poruszający się obiekt zarejestruje wysokie napięcie. To powie robotowi natychmiast, gdzie jest obiekt, bez żadnego skomplikowanego przetwarzania obrazu”.