چیپ جدید هوش مصنوعی که در کسری از ثانیه تشخیص چهره انجام می‌دهد

اعتمادآنلاین| بینایی کامپیوتری را نمی‌توان از بسیاری از کاربردهای هوش مصنوعی جدا دانست- از خودران‌ها (اتومبیل‌های بدون راننده) گرفته تا روبات‌های صنعتی و حسگرهای هوشمندی که مانند چشمان ما عمل می‌کنند. اما بسیاری از عملیات تشخیص چهره به قدرت پردازش کامپیوتری بسیار بالایی نیاز دارد. بخشی از مشکل، گلوگاهی است که در حسگرهای فعلی وجود دارد؛ بدین معنا که این حسگرها حجم زیادی از داده‌های تصویری را ضبط می‌کنند، بی‌توجه به اینکه این داده‌ها برای طبقه‌بندی یک تصویر مفید هستند یا خیر. به همین سبب، خرد کردن داده‌ها باعث کند شدن عملیات پردازش می‌شود.

به گزارش اعتمادآنلاین ، به نقل از سایت MIT Technology Review، حسگری که می‌تواند بدون تبدیل یا انتقال داده‌ها تصویری را ضبط و همزمان پردازش کند، پردازش تصویر را با سرعتی بسیار بالاتر و مصرف قدرت بسیار پایین‌تر انجام می‌دهد. چیپ جدید، که محققان موسسه «فوتونیکس» در وین اتریش به تازگی طرح آن را در مجله Nature چاپ کرده‌اند، تقلید روشی است که طی آن چشمان حیوانات قبل از ارسال داده‌های تصویری به مغز، آنها را پیش‌پردازش می‌کند.

تیم محققان با استفاده از تنگستن دیزلنید این چیپ بسیار نازک را ساخته‌اند و روی آن را با دیودهای حسگر نور آغشته کرده‌اند. آنها سپس این دیودها را به هم متصل کرده‌اند تا یک شبکه عصبی بیافرینند. ماده استفاده‌شده برای ساخت چیپ ویژگی‌های منحصربه‌فرد الکتریکی دارد، به طوری که حساسیت تصویر دیودها- گره‌ها در شبکه- از بیرون قابلیت ارتقا خواهند داشت. این یعنی شبکه عصبی تولیدشده را می‌توان به گونه‌ای طراحی کرد که با تنظیم حساسیت دیودها برای دریافت واکنش‌های متناسب، داده‌های تصویری را طبقه‌بندی کند. با این روش، چیپ هوشمند طوری طراحی شد که امکان تشخیص انواع حروف پیکسلی N،V و Z‌ را داشت.

نسخه محدود

این حسگر جدید گام هیجان‌‌انگیز دیگری در مسیر افزودن هوش مصنوعی به سخت‌‌افزار و افزایش سرعت و کارآمدی آن است. اما راه طولانی‌ای در پیش است. از جمله می‌توان گفت، این چشم از 27 تشخیص‌دهنده تشکیل شده و نمی‌تواند با چیزی فراتر از تصاویر 3x3‌ کار کند. با وجود این، چیپ جدید تولیدشده می‌تواند وظایف استاندارد متعددی را در حوزه یادگیری ماشین بر عهده گیرد که از جمله آنها طبقه‌بندی و کدگذاری حروف قابل اشاره است.

محققان می‌گویند گسترش این شبکه عصبی در مقیاس‌های بزرگ‌تر به سادگی امکان‌پذیر است.