小夥伴們，每個星期六晚上，你們都會skr一下嗎？
話說，加利福尼亞大學洛杉磯分校（UCLA）出了個人才，他研究如何讓人工智能變聰明——
不是他！是他的校友們和老師……
某奇藝的節目就別亂入了，回到UCLA的電氣與計算機工程師團隊這兒……
他們使用3D打印機創建了一個基於人工智能設備，可以分析大量數據並以實際光速識別物體。
長得賊像樓下包子鋪的黑糯米糕
果然UCLA，聽起來就很skr~
夠了！回到正文！
深度穴習是機器學習領域中發展最快的機器學習方法之一，通常用於醫學圖像分析、語言翻譯、圖像分類、語音識別以及解決更具體的任務等等。
一般，深度學習系統被實現為在計算機上執行，以數字化學習數據表示和抽象，並執行與人類性能相當或甚至更好的高級任務。
圖像、語言、高級任務……
怎麼感覺這是人造人即將誕生的前奏？
然而，由UCLA電氣與計算機工程教授，Aydogan Ozcan領導的團隊，引入了一種物理機制，使用全光學衍射深度神經網絡實現深度學習。
反正我看不懂，你們也將就將就唄
該光學人工神經網絡設備直觀地模擬大腦如何處理信息。
西部世界！
它使用從對象本身反射的光來在很短的時間內識別該對象，這是計算機簡單地“看到”對象所需的時間。
跟數獨好像(*￣︶￣*)
創建人工神經網絡的過程始於計算機模擬設計。然後，研究人員使用3D打印機制作了非常薄的8釐米見方的聚合物晶圓。
每個晶片具有不平坦的表面，這有助於在不同方向上衍射來自物體的光。
這些層看起來對眼睛是不透明的，但實驗中使用的亞毫米波長太赫茲頻率的光可以穿過它們。
在這種情況下，每層由數萬個人造神經元組成，是光穿過的微小像素。
密恐患者又倒下了！
一系列像素化層被用作光學網絡，並被來自物體的入射光穿過。
網絡識別對象，因為來自對象的光主要被衍射到分配給該類型對象的單個像素。
噫！右側莫名初中生理科既視感
然後，研究人員使用計算機對網絡進行訓練——通過學習每個物體在該物體發出的光線穿過設備時產生的衍射光圖案來識別其前面的物體。
模擬大腦、人造神經元……確定不是造人？！
Hold on，hold on！深度學習屬於一項人工智能的分支，其中機器通過重複並隨著時間的推移學習模式。
Ozcan博士說：“使用逐層製造的無源元件，並通過光衍射將這些層相互連接，創造了一個獨特的全光平臺，以光速執行機器學習任務。”
實驗中，研究人員證明該裝置可以準確識別手寫的數字和衣物——這兩種都是人工智能研究中常用的測試。它還可以在太赫茲光譜上執行成像鏡頭的功能。
UCLA的研究人員認為，基於該設備的新技術可用於加速涉及排序和識別物體的數據密集型任務。
例如，使用該技術的無人駕駛汽車可以立即做出反應 - 甚至比使用現有技術更快 - 對停車標誌做出反應。
使用基於UCLA系統的設備，一旦來自標誌的光擊中它，汽車將“讀取”標誌，而不是必須“等待”汽車的相機對物體成像然後使用其計算機來找出對象是什麼。
萬一會學習的機器擁有了人形……
基於本發明的技術還可以用於顯微成像和醫學，例如，用於分選數百萬個細胞以尋找疾病的跡象。
人腦中的神經元難以修復
人造神經元卻能輕易複製
由於其組件可以由3D打印機創建，因此人工神經網絡可以用更大和更多的層製作，從而產生具有數億個人造神經元的設備。
人終有一死，機器人卻不會
那些更大的設備可以同時識別更多的對象或執行更復雜的數據分析。
並且組件可以廉價製作，即由加州大學洛杉磯分校團隊創建的設備可以低於50美元複製。
該研究於7月26日在線發表在“科學”雜誌上，並得到了美國國家科學基金會和霍華德休斯醫學研究所的支持。
奧茲坎博士說：“這項工作為使用基於人工智能的被動裝置即時分析數據、圖像和分類物體開闢了新的機會。”
露露倒是覺得，這項工作為你將來的機器女友提供了變得更逼真的機會
閱讀更多 黑科技露透社 的文章
關鍵字: 學習 打印機 加利福尼亞大學洛杉磯分校
