新的AI芯片允許人造眼睛在納秒中完成分析圖像

• [信息圖]企業中的AI和機器學習
• 什麼是機器學習？什麼是深度學習？ AI，機器學習和深度學習之間的區別

在過去的幾年中，機器視覺技術取得了許多突破，並已成為整合人工智能的系統的組成部分，例如工作機器人或自動駕駛汽車。

通常，將進入相機的圖像形式的信息將轉換為數字形式，該算法將負責處理它們。數據輸入的量通常非常大（其中大多數是冗餘數據），當經過一系列更改以將數據從一種形式更改為另一種形式時，最終結果將具有幀速率。低調，但數據處理過程非常消耗。但是，我們有個好消息。

奧地利維也納光量子研究所的研究人員創造了一種新型的人造眼，將光傳感器組件與神經晶格結合在一起，以適合小芯片。他們只能在幾納秒內處理圖像，比任何圖像傳感器科學所擁有的快。

剛剛發表在《自然》雜誌上的新技術設計表明，該團隊已將自然的魔力應用於技術：他們試圖模仿動物眼的圖像處理過程 - 眼睛可以在向大腦發送信號之前可以處理輸入數據。

科學家團隊從二氧化碳板（WSE2，鎢和硒的化合物）中製作了芯片，其在WSE2板上的幾個原子的厚度是幾個原子的厚度，是一系列光傳感器二極管。然後，他們將此芯片附加到神經網上。

WSE2使芯片具有特殊的電氣特性，使科學家可以輕鬆調整二極管的光靈敏度。這意味著神經網可以通過調整二極管的光靈敏度，不斷調整直到給出準確的結果來學習確定輸入圖像信息的一系列方法。

這樣，芯片可以快速識別風格化的N，V和Z字母。

新的傳感器允許機器視覺技術更快，更有效地“看到”，但還有很長的路要走：這隻眼睛只能容納27個光傳感器，只能看到圖像。 3x3尺寸。

仍然有一些特徵使這項技術比以前更好，足以讓研究人員相信擴大系統不會太複雜。具體而言，芯片可以在不進行科學家的干預的情況下單獨執行機器學習任務，例如識別和編碼字符。

如果可以“讓”人工智能過程本身處理圖像以逐步學習，我們將減少監視它們的時間。

你應該閱讀

• 7機器學習的實際應用
• 7個最佳網站，以幫助孩子學習AI和機器學習
• Winnow使用計算機視覺來幫助減少食物處理中的廢物
• AI，機器學習和深度學習之間的區別
• 機器學習和數據科學的最佳Python工具
• Google遊戲AI研究人員，以提高增強的學習能力
• 深層稿：AI可以翻譯數千年的古代文本
• 在Google網站上有關AI和機器學習的免費在線學習

可能有興趣