通过弯曲光线来进行AI分析,这款机器学习系统与3D打印技术完美融合


    如今机器学习系统到处都是,但它或多或少是隐形的。它隐藏在后台优化音频,或在图像中识别人脸。但这个新系统不仅是可见的,而且是物理的。它不是通过计算数字,而是通过弯曲光线来进行AI型分析。它怪异且独特,但和人们的第一感觉恰恰相反,它反而很好地证明了这些“人工智能”系统是多么的简单。
    机器学习系统,我们常把它称作人工智能的一种形式,其核心是一系列基于数据的计算,每一组数据都是构建于最后一个反馈或循环中。计算本身并不是特别复杂,尽管它们不是你想的那种用钢笔和纸做的数学运算。最终,所有这些简单的数学计算最终会把输入的数据与它“学会”识别的各种模式匹配。
    但问题是,一旦这些“层”最终被“训练”完成,在许多方面,它就会反复地执行相同的计算。通常这意味着它可以优化,从而不会占用太多的空间或CPU资源。但是来自加州大学洛杉矶分校的研究人员表明,它确实可以被固化,这些层本身就是3d打印的透明材料层,它们被复杂的衍射图样印在上面,就像数学运算时要把数字写下来一样。
    如果这有点麻烦的话,想一个机械计算器。如今,这一切都是在计算机逻辑中数字化完成的,但在过去,计算器使用的是实际的机械部件移动,在某种程度上,这种“衍射深层神经网络”和以下情况很像:它使用和操作数字的物理表示,而不是电子表示。
    正如研究人员所说:在给定层上的每个点都可以传输或反射射入的波,它代表一个人工神经元,通过光学衍射与下面层的其他神经元相连。每个“神经元”都可通过改变相位和振幅来调节。
    “我们的全光学深度学习框架,能够以光速完成计算机神经网络可以实现的各种复杂功能。它的功能非常多,而且速度很快,这项技术在世界上也非常先进,”研究人员在描述他们的系统的论文中写道。
    为了证明这一点,他们训练了一个深入的学习模型来识别手写数字。一旦发现它是最终的,他们采取的层次矩阵数学,会将它转换成一系列光学转换。例如,一层可能是通过将两层的光线重新聚焦到下一层的一个区域,并将值相加来实现的——真正的计算要复杂得多,但希望你能理解。
    通过在印版上安排数以百万计的微小变换,进入一边的光线从另一端发出,这样系统就能以超过90%的准确度分辨出它是1 2 3等等。
    你问这有什么用?事实上现在还没有。但是神经网络是一种非常灵活的工具,它完全有可能使系统识别字母而不是数字,使光学字符识别系统完全在硬件上工作,而几乎不需要功耗或计算。为什么不需要基本的人脸或图形识别,不需要CPU?那在你的相机里会有多大用处呢?
    这里真正的限制是制造型的:很难用精确的精度来制造衍射板,并完成一些更苛刻的加工。毕竟,如果你需要计算到小数点后第七位,但是打印出来的版本只精确到第三位,这时你就会遇到麻烦。
    这只是一个概念证明——事实上对于巨型数字识别机器的需求并不迫切——但这是一个非常有趣的机器。这一想法可能会对相机和机器学习技术产生影响,在现实世界而不是数字世界中构造光线和数据。它可能感觉是在倒退,但也许只是钟摆在往相反的方向摆动。