โมเดลและแพลตฟอร์ม AI

ฮาร์ดแวร์ประสาทและระบบการรู้จำภาพ

Alex McFarland
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญTU Wien เซ็นเซอร์ภาพประสาทรู้จำวัตถุในระดับนาโนวินาทีด้วยการผสาน AI…
ดูเพิ่มเติม
  • TU Wien เซ็นเซอร์ภาพประสาทรู้จำวัตถุในระดับนาโนวินาทีด้วยการผสาน AI เข้าสู่ฮาร์ดแวร์โดยตรง
  • ชิปใช้โฟโตดีเทกเตอร์ทังสเตนไดเซเลไนด์ที่มีความไวปรับได้สำหรับแต่ละพิกเซล
  • หลังจากฝึกอบรม โครงข่ายประสาทเทียมทำงานได้อย่างอิสระโดยไม่ต้องใช้คอมพิวเตอร์ โดยแสดงผลลัพธ์ใน 50 นาโนวินาที

ปัญญาประดิษฐ์ (AI) มักจะขึ้นอยู่กับซอฟต์แวร์ แต่นักวิจัยจากมหาวิทยาลัยเทคโนโลยีเวียนนาได้สร้างฮาร์ดแวร์ที่ฉลาดและเร็วขึ้น ชิปใหม่ที่พัฒนาขึ้นสามารถวิเคราะห์ภาพและให้ผลลัพธ์ที่ถูกต้องภายในเวลาไม่กี่นาโนวินาที

ในโลกปัจจุบัน การรู้จำภาพอัตโนมัติใช้ในการใช้งานต่างๆ และโปรแกรมคอมพิวเตอร์บางตัวสามารถวินิจฉัยปัญหาสุขภาพ เช่น มะเร็งผิวหนัง นำทางรถยนต์ไร้คนขับ และควบคุมหุ่นยนต์ ซึ่งทำได้โดยการประเมินข้อมูลภาพที่ส่งมาจากกล้อง แต่ข้อเสียคือใช้เวลานาน เมื่อมีจำนวนภาพที่บันทึกต่อวินาทีสูง ปริมาณข้อมูลที่เกิดมักจะไม่สามารถจัดการได้

วัสดุ 2 มิติพิเศษ

นักวิทยาศาสตร์ที่ TU Wien ตัดสินใจใช้วัสดุ 2 มิติพิเศษ พวกเขาได้พัฒนาเซ็นเซอร์ภาพที่สามารถรู้จำวัตถุผ่านการฝึกอบรม ชิปนี้ใช้เครือข่ายประสาทเทียมและสามารถให้ข้อมูลเกี่ยวกับสิ่งที่เห็นภายในเวลาไม่กี่นาโนวินาที

การวิจัยนี้ได้รับการนำเสนอในสมการวิทยาศาสตร์ Nature

เครือข่ายประสาทเทียมซึ่งเป็นระบบเทียมสามารถแสดงถึงเซลล์ประสาทที่เชื่อมต่อกับเซลล์ประสาทอื่นๆ ในสมองของเรา เซลล์หนึ่งสามารถส่งผลกระทบต่อเซลล์อื่นๆ ได้ และการเรียนรู้แบบเทียมบนคอมพิวเตอร์ทำงานในลักษณะเดียวกัน

“โดยปกติ ข้อมูลภาพจะถูกอ่านออกมาเป็นพิกเซลต่อพิกเซล然后ประมวลผลบนคอมพิวเตอร์” Thomas Mueller กล่าว “แต่เราสอดคล้องกับเครือข่ายประสาทเทียมและปัญญาประดิษฐ์แบบเทียมโดยตรงเข้ากับฮาร์ดแวร์ของเซ็นเซอร์ภาพ ทำให้การรู้จำวัตถุเร็วขึ้นหลายอันดับของขนาด”

ชิปที่พัฒนาขึ้นและผลิตที่ TU Vienna ใช้โฟโต้เดเทคเตอร์ที่ทำจากทังสเตนไดเซเลนัม ทังสเตนไดเซเลนัมเป็นวัสดุบางมากที่ประกอบด้วยเพียงสามชั้นของอะตอม แต่ละโฟโต้เดเทคเตอร์หรือ “พิกเซล” ของกล้องถูกเชื่อมต่อกับองค์ประกอบเอาต์พุต ซึ่งให้ผลลัพธ์ของการรู้จำวัตถุ

“ในชิปของเรา เราสามารถปรับเซ็นซิทิวิตี้ของแต่ละองค์ประกอบเดเทคเตอร์ได้ — ในอีกคำหนึ่ง เราสามารถควบคุมวิธีสัญญาณที่รับจากเดเทคเตอร์หนึ่งๆ ส่งผลต่อสัญญาณเอาต์พุต” Lukas Mennel ผู้เขียนหลักของการเผยแพร่กล่าว “ทั้งหมดที่เราต้องทำคือปรับฟิลด์ไฟฟ้าเฉพาะที่โฟโต้เดเทคเตอร์”

พวกเขาปรับเปลี่ยนการปรับเปลี่ยนนี้จากภายนอกและผ่านการใช้โปรแกรมคอมพิวเตอร์ เซ็นเซอร์นี้สามารถใช้เพื่อบันทึกตัวอักษรต่างๆ และปรับเซ็นซิทิวิตี้ของพิกเซลแต่ละตัว จะมีสัญญาณเอาต์พุตที่สอดคล้องกันเสมอ

เครือข่ายประสาทเทียมเข้าควบคุม

หลังจากการเรียนรู้เสร็จสิ้น คอมพิวเตอร์ไม่จำเป็นต้องใช้แล้ว เครือข่ายประสาทเทียมสามารถทำงานได้ด้วยตัวเองและสามารถสร้างสัญญาณเอาต์พุตภายใน 50 นาโนวินาที

“ชิปทดสอบของเรายังคเล็กในขณะนี้ แต่คุณสามารถขยายเทคโนโลยีนี้ได้ตามความต้องการที่คุณต้องการแก้ไข” Thomas Mueller กล่าว “โดยหลักการ ชิปนี้สามารถฝึกให้แยกแยะระหว่างแอปเปิ้ลและกล้วย แต่เรามองเห็นการใช้งานในด้านการทดลองทางวิทยาศาสตร์หรือการประยุกต์ใช้เฉพาะด้านอื่นๆ มากกว่า”

เทคโนโลยีนี้จะมีประโยชน์มากที่สุดในพื้นที่ที่ต้องการความเร็วสูงมาก เช่น กลศาสตร์ความเสียหายและการตรวจจับอนุภาค

Alex เป็นผู้นำการดำเนินงานข่าวที่ใช้ AI ของ Unite.AI โดยผสานงานวารสารศาสตร์ การวิจัย และระบบอัตโนมัติ เพื่อสนับสนุนการรายงานข่าวด้านปัญญาประดิษฐ์อย่างทันท่วงทีและรองรับการขยายงาน งานของเขาช่วยให้ความก้าวหน้าใหม่ ๆ ด้าน AI ได้รับการนำเสนออย่างมีประสิทธิภาพ พร้อมรักษามาตรฐานบรรณาธิการของสำนักพิมพ์