De geavanceerde technologie die gezichtsherkenning in veel moderne smartphones mogelijk maakt, zou ooit een hightech-upgrade kunnen krijgen die verrassend low-tech klinkt en eruitziet.

Dit venster naar de toekomst is niets anders dan een stuk glas. Ingenieurs van de University of Wisconsin-Madison hebben een methode bedacht om stukjes "slim" glas te maken die afbeeldingen kunnen herkennen zonder dat er sensoren of circuits of stroombronnen nodig zijn.

"We gebruiken optica om de normale opstelling van camera's te condenseren, sensoren en diepe neurale netwerken in een enkel stuk dun glas, ", zegt UW-Madison professor in elektrotechniek en computertechniek Zongfu Yu.

Yu en collega's publiceerden vandaag details van hun proof-of-concept-onderzoek in het tijdschrift Fotonica onderzoek .

Het inbedden van kunstmatige intelligentie in inerte objecten is een concept dat, op het eerste gezicht, lijkt iets uit sciencefiction. Echter, het is een vooruitgang die nieuwe grenzen zou kunnen openen voor elektronica met een laag vermogen.

Nutsvoorzieningen, kunstmatige intelligentie slokt aanzienlijke computerbronnen (en levensduur van de batterij) op elke keer dat u naar uw telefoon kijkt om deze te ontgrendelen met gezichts-ID. In de toekomst, een stuk glas zou je gezicht kunnen herkennen zonder enige kracht te gebruiken.

"Dit is totaal anders dan de typische route naar machine vision, " zegt Yu.

Hij stelt zich stukken glas voor die eruitzien als doorschijnende vierkanten. Kleine strategisch geplaatste bubbels en onzuiverheden ingebed in het glas zouden het licht op specifieke manieren buigen om onderscheid te maken tussen verschillende afbeeldingen. Dat is de kunstmatige intelligentie in actie.

Voor hun proof of concept, de ingenieurs bedachten een methode om stukjes glas te maken die handgeschreven nummers identificeerden. Licht afkomstig van een afbeelding van een getal komt aan het ene uiteinde van het glas binnen, en stelt dan scherp op een van de negen specifieke plekken aan de andere kant, elk corresponderend met individuele cijfers.

Het glas was dynamisch genoeg om te detecteren, live, toen een handgeschreven 3 werd veranderd in een 8.

"Het feit dat we dit complexe gedrag met zo'n eenvoudige structuur konden krijgen, was echt iets, " zegt Erfan Khoram, een afgestudeerde student in Yu's lab.

Het ontwerp van het glas om getallen te herkennen was vergelijkbaar met een trainingsproces voor machine learning, behalve dat de ingenieurs een analoog materiaal "trainden" in plaats van digitale codes. specifiek, de ingenieurs plaatsten luchtbellen van verschillende groottes en vormen, evenals kleine stukjes lichtabsorberende materialen zoals grafeen op specifieke locaties in het glas.

"We zijn gewend aan digitaal computeren, maar dit heeft onze blik verbreed, " zegt Yu. "De golfdynamiek van lichtvoortplanting biedt een nieuwe manier om analoge kunstmatige neurale berekeningen uit te voeren"

Een zo'n voordeel is dat de berekening volledig passief en intrinsiek is aan het materiaal, wat betekent dat één stuk beeldherkenningsglas honderdduizenden keren kan worden gebruikt.

"We zouden het glas mogelijk als biometrisch slot kunnen gebruiken, afgestemd om het gezicht van slechts één persoon te herkennen", zegt Yu. "Eenmaal gebouwd, het zou eeuwig duren zonder stroom of internet, wat betekent dat het zelfs na duizenden jaren iets veilig voor je kan houden."

Aanvullend, het werkt letterlijk met de snelheid van het licht, omdat het glas onderscheid maakt tussen verschillende afbeeldingen door lichtgolven te vervormen.

Hoewel het trainingsproces vooraf tijdrovend en rekenkundig veeleisend kan zijn, het glas zelf is gemakkelijk en goedkoop te vervaardigen.

In de toekomst, de onderzoekers zijn van plan om te bepalen of hun aanpak werkt voor meer complexe taken, zoals gezichtsherkenning.

"De ware kracht van deze technologie ligt in het vermogen om veel complexere classificatietaken direct uit te voeren zonder enig energieverbruik, " zegt Ming Yuan, een medewerker aan het onderzoek en hoogleraar statistiek aan de Columbia University. "Deze taken zijn de sleutel om kunstmatige intelligentie te creëren:auto's zonder bestuurder leren een verkeerslicht te herkennen, om spraakbesturing in consumentenapparaten mogelijk te maken, naast tal van andere voorbeelden."

In tegenstelling tot de menselijke visie, die verbijsterend algemeen is in zijn vermogen om een ​​onnoemelijk aantal verschillende objecten te onderscheiden, het slimme glas kan uitblinken in specifieke toepassingen, bijvoorbeeld een stuk voor nummerherkenning, een ander stuk voor het identificeren van letters, een andere voor gezichten, enzovoort.

"We denken altijd na over hoe we in de toekomst visie voor machines kunnen bieden, en het bedenken van toepassingsspecifieke, missiegedreven technologieën", zegt Yu. "Dit verandert bijna alles aan de manier waarop we machinevisie ontwerpen."