研究人員已經(jīng)開(kāi)發(fā)了人工智能技術(shù)，該技術(shù)將成像，處理，機(jī)器學(xué)習(xí)和內(nèi)存集成在一個(gè)由光驅(qū)動(dòng)的電子芯片中。
該原型通過(guò)模仿人腦處理視覺(jué)信息的方式來(lái)縮小人工智能技術(shù)。
納米級(jí)的進(jìn)步在單個(gè)電子設(shè)備中結(jié)合了驅(qū)動(dòng)人工智能所需的核心軟件和圖像捕獲硬件。
隨著進(jìn)一步的發(fā)展，這種光驅(qū)動(dòng)的原型可以實(shí)現(xiàn)更智能，更小型的自主技術(shù)，例如無(wú)人機(jī)和機(jī)器人技術(shù)，以及智能可穿戴設(shè)備和仿生植入物，例如人造視網(wǎng)膜。
這項(xiàng)研究由 RMIT 大學(xué)領(lǐng)導(dǎo)的澳大利亞，美國(guó)和中國(guó)研究人員組成的國(guó)際團(tuán)隊(duì)發(fā)表在《先進(jìn)材料》雜志上。
來(lái)自 RMIT 的首席研究員 Sumeet Walia 副教授說(shuō)，該原型在一種功能強(qiáng)大的設(shè)備中提供了類似于大腦的功能。
“我們的新技術(shù)通過(guò)將多個(gè)組件和功能整合到一個(gè)平臺(tái)中，從根本上提高了效率和準(zhǔn)確性，”同時(shí)擔(dān)任功能材料和微系統(tǒng)研究小組聯(lián)合負(fù)責(zé)人的 Walia 說(shuō)。
“這使我們更接近于受到自然界最偉大的計(jì)算創(chuàng)新 - 人腦啟發(fā)的多功能人工智能設(shè)備。
“我們的目標(biāo)是通過(guò)將視覺(jué)作為記憶來(lái)復(fù)制大腦學(xué)習(xí)的核心特征。
“我們開(kāi)發(fā)的原型是朝著神經(jīng)機(jī)器人學(xué)，更好的人機(jī)交互技術(shù)和可擴(kuò)展的仿生系統(tǒng)發(fā)展的重大飛躍?！?/FONT>
整體結(jié)構(gòu): 推進(jìn)人工智能
通常，人工智能?chē)?yán)重依賴軟件和異地?cái)?shù)據(jù)處理。
新的原型旨在將電子硬件和智能集成在一起，以進(jìn)行快速的現(xiàn)場(chǎng)決策。
“想象一下汽車(chē)中的行車(chē)記錄儀，它集成了這種受神經(jīng)啟發(fā)的硬件–它可以識(shí)別燈光，信號(hào)，物體并做出即時(shí)決策，而無(wú)需連接到互聯(lián)網(wǎng)，” Walia 說(shuō)。
“通過(guò)將所有功能整合到一個(gè)芯片中，我們可以在自主和AI驅(qū)動(dòng)的決策中提供前所未有的效率和速度?！?/FONT>
該技術(shù)基于 RMIT 團(tuán)隊(duì)的早期原型芯片，該原型芯片使用光來(lái)創(chuàng)建和修改內(nèi)存。
新的內(nèi)置功能意味著該芯片現(xiàn)在可以捕獲并自動(dòng)增強(qiáng)圖像，對(duì)數(shù)字進(jìn)行分類，并經(jīng)過(guò)培訓(xùn)可以識(shí)別圖案和圖像，其準(zhǔn)確率超過(guò) 90%。
該設(shè)備還易于與現(xiàn)有的電子技術(shù)和硅技術(shù)兼容，以便將來(lái)輕松集成。
發(fā)現(xiàn)了光：技術(shù)如何運(yùn)作
該原型受到光遺傳學(xué)的啟發(fā)，光遺傳學(xué)是生物技術(shù)中的新興工具，它使科學(xué)家能夠以極高的精度深入研究人體的電氣系統(tǒng)，并利用光來(lái)操縱神經(jīng)元。
AI芯片基于超薄材料 - 黑色磷 - 可響應(yīng)不同波長(zhǎng)的光而改變電阻。
諸如成像或存儲(chǔ)器存儲(chǔ)之類的不同功能是通過(guò)在芯片上照射不同顏色的光來(lái)實(shí)現(xiàn)的。
研究的主要作者，來(lái)自 RMIT 的 Taimur Ahmed 博士說(shuō)，基于光的計(jì)算比現(xiàn)有技術(shù)更快，更準(zhǔn)確并且所需的能源更少。
“通過(guò)將如此多的核心功能打包到一個(gè)緊湊的納米級(jí)設(shè)備中，我們可以拓寬機(jī)器學(xué)習(xí)和AI集成到較小應(yīng)用程序中的視野，” Ahmed 說(shuō)。
“例如，將我們的芯片與人工視網(wǎng)膜一起使用，將使科學(xué)家能夠使這一新興技術(shù)小型化并提高仿生眼的準(zhǔn)確性。
“我們的原型是朝著電子學(xué)的終極方向邁進(jìn)的重要一步：就像我們一樣，可以從周?chē)h(huán)境中學(xué)習(xí)的片上大腦?！?/FONT>
這項(xiàng)工作是在 RMIT 的微納米研究設(shè)施(MNRF)中部分完成的，并得到了 RMIT 顯微鏡和微分析研究設(shè)施(RMMF)，澳大利亞國(guó)家計(jì)算基礎(chǔ)設(shè)施(NCI)，澳大利亞多模式科學(xué)成像和可視化環(huán)境(MASSIVE)的支持和 Pawsey 超級(jí)計(jì)算設(shè)施。
來(lái)自科羅拉多州立大學(xué)，東北師范大學(xué)和加利福尼亞大學(xué)伯克利分校的合作者發(fā)表了“分層黑磷中的完全光控記憶和神經(jīng)形態(tài)計(jì)算”一書(shū)，發(fā)表在《先進(jìn)材料》(DOI：10.1002 / adma.202004207)中。
人工智能芯片
AI 芯片圖
Sumeet-Walia-Taimur-Ahmed
（轉(zhuǎn)載）
