Исследователи разработали оптический датчик, имитирующий человеческий глаз

Исследователи в Университете штата Орегон продемонстрировали потенциал искусственного интеллекта для имитации человека с помощью нового оптического датчика. Этот оптический датчик лучше имитирует способность человеческого глаза воспринимать изменения в его поле зрения.

Разработка имеет большое значение для областей, таких как распознавание изображений, робототехника и ИИ.

Исследование, которое возглавили исследователь Колледжа инженерии Университета штата Орегон Джон Лабрам и аспирант Синтия Трухильо Эррера, было опубликовано ранее в этом месяце в Applied Physics Letters.

Предыдущие устройства, имитирующие человеческий глаз

Исследователи ранее пытались разработать типы устройств, имитирующих человеческий глаз, также называемых ретиноморфными датчиками, и они часто использовали программное обеспечение или сложное оборудование. Однако это новое устройство использует сверхтонкие слои перовскитных полупроводников, которые ранее привлекали внимание из-за их потенциала для использования в солнечной энергетике. Когда они подвергаются воздействию света, эти сверхтонкие слои меняются от сильных электрических изоляторов до сильных проводников.

Лабрам – ассистент профессора электротехники и компьютерных наук, и он ведет исследование с поддержкой Национального научного фонда.

“Вы можете думать об этом как о одном пикселе, который делает что-то, что сейчас требует микропроцессора”, – сказал Лабрам.

Следующее поколение ИИ, как ожидается, будет работать на нейроморфных компьютерах, в частности, в таких приложениях, как автономные транспортные средства, робототехника и продвинутое распознавание изображений. Нейроморфные компьютеры имитируют параллельные сети в человеческом мозге, тогда как традиционные компьютеры обрабатывают информацию последовательно.

“Люди пытались воспроизвести это в оборудовании и были достаточно успешными”, – сказал Лабрам. “Однако, даже хотя алгоритмы и архитектура, предназначенные для обработки информации, становятся все более и более похожими на человеческий мозг, информация, которую эти системы получают, все еще определенно предназначена для традиционных компьютеров.”

Все это означает, что компьютеру нужен датчик изображения, чтобы действовать как человеческий глаз, который состоит из примерно 100 миллионов фоточувствительных элементов. Несмотря на это огромное количество, зрительный нерв содержит только 1 миллион соединений с мозгом, что означает, что сетчатка подвергается значительной предварительной обработке и динамической сжатии до того, как изображение будет передано.

Ретиноморфный датчик

Ретиноморфный датчик, разработанный исследователями, не реагирует сильно в статических условиях, но он регистрирует короткие и резкие сигналы, когда происходит изменение освещения. Затем он быстро возвращается к базовому уровню, что обусловлено перовскитами.

“Способ, которым мы тестируем его, по сути, заключается в том, что мы оставляем его в темноте на секунду, затем включаем свет и просто оставляем его включенным”, – сказал Лабрам. “Как только свет включается, вы получаете этот большой всплеск напряжения, затем напряжение быстро уменьшается, даже если интенсивность света постоянна. И это то, что мы хотим.”

Команда смоделировала различные ретиноморфные датчики, что позволило им предсказать, как ретиноморфная видеокамера отреагирует на входной стимул.

“Мы можем преобразовать видео в набор интенсивностей света и затем ввести это в нашу симуляцию”, – сказал Лабрам. “Области, где предсказывается более высокое напряжение от датчика, светятся, а области с более низким напряжением остаются темными. Если камера относительно статична, вы можете четко увидеть все движущиеся объекты, которые реагируют сильно. Это остается достаточно верным парадигме оптического восприятия у млекопитающих.”

“Хорошо то, что, с помощью этой симуляции, мы можем ввести любое видео в один из этих массивов и обработать эту информацию практически так же, как человеческий глаз”, – продолжил Лабрам. “Например, вы можете представить, что эти датчики используются роботом для отслеживания движения объектов. Все, что статично в его поле зрения, не вызовет реакции, однако движущийся объект будет регистрировать высокое напряжение. Это сразу же скажет роботу, где находится объект, без какой-либо сложной обработки изображений.”