Моделі та платформи ШІ

Дослідники розробили оптичний сенсор, який імітує людське око

mm
Додайте Unite.AI до бажаних джерел у Google

Дослідники університету штату Орегон продемонстрували потенціал штучного інтелекту для імітування людини за допомогою нового оптичного сенсора. Цей оптичний сенсор кращий у імітуванні здатності людського ока сприймати зміни у своєму візуальному полі.

Ця розробка має великі наслідки для таких галузей, як розпізнавання зображень, робототехніка та штучний інтелект.

Дослідження, яке очолювали дослідник коледжу інженерії університету штату Орегон Джон Лабрам та аспірантка Сінтія Трухільйо Еррера, було опубліковане на початку цього місяця в Applied Physics Letters

Попередні пристрої, подібні до людського ока 

Дослідники раніше намагалися розробити пристрої, подібні до людського ока, також звані ретиноморфними сенсорами, і часто використовували програмне забезпечення або складну апаратуру. Однак цей новий пристрій використовує надтонкі шари перовскітових напівпровідників, які раніше привертали увагу через свій потенціал для використання в сонячній енергетики. Коли ці надтонкі шари піддаються дії світла, вони змінюються від сильних електричних ізоляторів до сильних провідників.

Лабрам є асистентом професора електротехніки та комп’ютерних наук, і він очолює дослідження за підтримки Національного наукового фонду.

«Ви можете подумати про це як про один піксель, який робить щось, що зараз потребує мікропроцесора», – сказав Лабрам.

Наступне покоління штучного інтелекту, як очікується, буде працювати на основі нейроморфних комп’ютерів, особливо в таких застосуваннях, як автономні транспортні засоби, робототехніка та розширений розпізнавання зображень. Нейроморфні комп’ютери імітують паралельні мережі в людському мозку, тоді як традиційні комп’ютери обробляють інформацію послідовно.

«Люди намагалися відтворити це в апаратурі та були досить успішними», – сказав Лабрам. «Однак, навіть якщо алгоритми та архітектура, розроблені для обробки інформації, стають все більш подібними до людського мозку, інформація, яку ці системи отримують, все ще явно розроблена для традиційних комп’ютерів».

Все це означає, що комп’ютер需要 сенсор зображення, який буде діяти як людське око, яке складається з близько 100 мільйонів фоторецепторів. Навіть попри цю величезну кількість, зоровий нерв містить лише 1 мільйон з’єднань з мозком, що означає, що сітківка піддається великому попередньому обробленню та динамічному стисненню, перш ніж зображення буде передано.

Ретиноморфний сенсор

Ретиноморфний сенсор, розроблений дослідниками, не реагує сильно під статичними умовами, але реєструє короткі та різкі сигнали, коли відбувається зміна освітлення. Потім він швидко повертається до базового рівня, що відбувається завдяки перовскітам.

«Ми тестиємо його так: ми залишаємо його у темряві на секунду, потім ми включаємо світло і просто залишаємо його включеним», – сказав Лабрам. «Як тільки світло включиться, ви отримуєте цей великий вольтний сплеск, потім напруга швидко спадає, навіть якщо інтенсивність світла залишається постійною. І це те, чого ми хочемо».

Команда змоделювала різні ретиноморфні сенсори, що дозволило їм передбачити, як ретиноморфна відеокамера реагуватиме на стимул.

«Ми можемо перетворити відео на набір інтенсивностей світла, а потім ввести це в нашу модель», – сказав Лабрам. «Регіони, де передбачається вищий вольтний вихід від сенсора, освітлюються, тоді як регіони з нижчою напругою залишаються темними. Якщо камера відносно статична, ви можете чітко побачити всі рухомі об’єкти, які реагують сильно. Це залишається досить вірним парадигмі оптичного відчуття у ссавців».

«Добре те, що з цією моделлю ми можемо ввести будь-яке відео в один з цих масивів і обробити цю інформацію практично так само, як і людське око», – продовжив Лабрам. «Наприклад, ви можете уявити ці сенсори, використовувані роботом для відстеження руху об’єктів. Все статичне в полі зору не викличе реакції, однак рухомий об’єкт реєструватиме високий вольт. Це одразу повідомить роботові, де знаходиться об’єкт, без будь-якої складної обробки зображення».

Alex очолює новинні операції Unite.AI, що працюють на базі ШІ, поєднуючи журналістику, дослідження та автоматизацію, щоб підтримувати своєчасне та масштабоване висвітлення штучного інтелекту. Його робота допомагає забезпечити ефективне виявлення нових розробок у сфері ШІ, зберігаючи редакційні стандарти видання.