De beeldherkenningstechnologie die ten grondslag ligt aan de hedendaagse autonome auto's en drones in de lucht, is afhankelijk van kunstmatige intelligentie:de computers leren zichzelf in wezen objecten te herkennen zoals een hond, een voetganger die de straat oversteekt of een stilstaande auto. Het probleem is dat de computers waarop de kunstmatige-intelligentie-algoritmen draaien momenteel te groot en traag zijn voor toekomstige toepassingen zoals draagbare medische apparaten.

Nutsvoorzieningen, onderzoekers van Stanford University hebben een nieuw type kunstmatig intelligent camerasysteem bedacht dat beelden sneller en energiezuiniger kan classificeren, en dat zou ooit klein genoeg kunnen worden gebouwd om in de apparaten zelf te worden ingebouwd, iets wat tegenwoordig niet mogelijk is. Het werk werd gepubliceerd in de 17 augustus Natuurwetenschappelijke rapporten .

"Die zelfrijdende auto die je net passeerde heeft een relatief grote, relatief langzaam, energie-intensieve computer in de kofferbak, " zei Gordon Wetzstein, een assistent-professor elektrotechniek aan Stanford, die het onderzoek leidde. Toekomstige toepassingen zullen iets veel snellers en kleiners nodig hebben om de stroom afbeeldingen te verwerken, hij zei.

Verbruikt door berekening

Wetzstein en Julie Chang, een afgestudeerde student en eerste auteur op het papier, een stap gezet in de richting van die technologie door twee soorten computers te combineren tot één, het creëren van een hybride optisch-elektrische computer die speciaal is ontworpen voor beeldanalyse.

De eerste laag van de prototypecamera is een soort optische computer, waarvoor niet de energie-intensieve wiskunde van digitaal computergebruik vereist is. De tweede laag is een traditionele digitale elektronische computer.

De optische computerlaag werkt door beeldgegevens fysiek voor te verwerken, filteren op meerdere manieren die een elektronische computer anders wiskundig zou moeten doen. Aangezien de filtering op natuurlijke wijze gebeurt als het licht door de aangepaste optica gaat, deze laag werkt met nul ingangsvermogen. Dit bespaart het hybride systeem veel tijd en energie die anders door de berekening zou worden verbruikt.

"We hebben een deel van de wiskunde van kunstmatige intelligentie uitbesteed aan de optica, ' zei Chang.

Het resultaat is aanzienlijk minder berekeningen, minder oproepen naar het geheugen en veel minder tijd om het proces te voltooien. Nadat we deze voorbewerkingsstappen hebben overgeslagen, de overige analyse gaat met een flinke voorsprong naar de digitale computerlaag.

"Miljoenen berekeningen worden omzeild en het gebeurt allemaal met de snelheid van het licht, ' zei Wetzstein.

Snelle besluitvorming

In snelheid en nauwkeurigheid, het prototype concurreert met bestaande elektronische computerprocessors die zijn geprogrammeerd om dezelfde berekeningen uit te voeren, maar met aanzienlijke besparingen op de rekenkosten.

Terwijl hun huidige prototype, gerangschikt op een laboratoriumbank, zou nauwelijks als klein worden geclassificeerd, de onderzoekers zeiden dat hun systeem op een dag kan worden geminiaturiseerd om in een draagbare videocamera of een luchtdrone te passen.

Zowel in simulaties als in praktijkexperimenten, het team gebruikte het systeem om met succes vliegtuigen te identificeren, auto's, katten, honden en meer binnen natuurlijke beeldinstellingen.

"Een toekomstige versie van ons systeem zou vooral nuttig zijn in toepassingen voor snelle besluitvorming, zoals autonome voertuigen, ' zei Wetzstein.

Naast het verkleinen van het prototype, Wetzstein, Chang en collega's van het Stanford Computational Imaging Lab zoeken nu naar manieren om de optische component nog meer van de voorbewerking te laten doen. Eventueel, hun kleinere, snellere technologie zou de computers ter grootte van een koffer kunnen vervangen die nu auto's helpen, drones en andere technologieën leren de wereld om hen heen te herkennen.