新型光驅動電腦芯片可使 AI 更加智能和緊湊

研究人員已經 開發了一種電子芯片 ，它模擬了人腦處理視覺信息的方式，結合了 AI 算法和捕捉圖像所需的硬件。

美國、中國和澳大利亞的研究人員國際團隊合作開發了一種新的電子芯片，旨在通過結合先進的軟件和硬件在一個小型設備中增強人工智能。該研究由 RMIT 大學領導，最近發表在《高級材料》雜誌上。

研究團隊創建的原型設備是在納米尺度上，並且通過使用改變芯片對光的反應的超材料將 AI 軟件與計算機成像硬件集成在一起。經過進一步的改進，這項技術可以用於創建甚至更小、更智能的設備，以及無人機和機器人。

根據 RMIT 的 Sumeer Walia 副教授說，新的芯片原型實現了類似於大腦的功能，通過將模塊化的組件組合成一個複雜的系統。

“我們的新技術通過將多個組件和功能集成到一個平台上，大大提高了效率和準確性，”Walia 通過 RMIT 新聞說。“這使我們更接近於一個受自然啟發的全功能 AI 設備——人腦。”

根據 Walia 的說法，研究團隊的目標是模擬大腦學習的一種主要方式——視覺信息的編碼為記憶。雖然還有很多工作要做，但研究團隊創建的原型代表了一個重要的步驟，朝著改善人機交互、可擴展的仿生系統和神經生物學邁進。

大多數商業級別的 AI 應用程序依賴於離站軟件和數據處理，利用雲計算。為了使現場應用程序更強大和可靠，原型芯片將智能和硬件集成在一起，體現了邊緣 AI 的特點。像自主車輛和無人機這樣的設備必須能夠處理大量的數據，因此它們是這種新型芯片原型的理想用例。Walia 解釋說，裝載了研究人員開發的神經啟發硬件的車載攝像頭可以識別燈光、其他車輛、標誌、行人、植物等。根據 Walia 的說法，芯片可以在自主和 AI驅動的決策中提供“前所未有的效率和速度”。

原型芯片使用的技術基於 RMIT 研究人員早期開發的芯片。這些早期的原型使用光來構建和修改“記憶”。研究團隊創建的新功能意味著芯片可以自動捕捉圖像、操縱圖像和訓練機器學習模型，以超過 90% 的準確率識別物體。

芯片的設計受到光遺傳技術的影響。光遺傳學指的是使科學家能夠使用光精確操縱神經元的新興生物技術工具。RMIT 團隊開發的 AI 芯片使用 黑磷 ，一種半導體材料。黑磷極薄，當光的波長改變時，其電阻會改變。當不同波長的光照射在材料上時，材料會改變其特性，對於記憶儲存和成像等功能很有用。作為研究的第一作者，RMIT 的 Taimor Ahmed 博士解釋說，基於光的計算系統比傳統的計算方法更節能、更準確、更快。

根據 Ahmed 的說法，將模塊化的系統集成到一個納米尺度的設備中的好處是，AI 系統和機器學習算法可以用於更小的設備。例如，Ahmed 解釋說，科學家可以將他們開發的技術縮小，以增強人工視網膜和提高仿生眼的準確性。

“我們的原型是電子技術的一個重大進步，朝著一個可以像我們一樣從環境中學習的腦芯片邁進，”Ahmed 說。

原型芯片的設計考慮到了與其他技術和現有電子設備的易於集成。