美國斯坦福大學(Stanford University)的研究人員表示，一種新的人工智能相機系統可能會大幅降低對自動駕駛汽車運載笨重電腦的需求，從而為使用人工智能驅動的手持設備開闢了可能性。
無人駕駛汽車和無人駕駛飛機的發展面臨的挑戰之一是，它們需要大量的車載計算能力、傳感器和其他系統，所有這些都增加了重量，消耗了稀缺的電池資源。
僅在自動駕駛汽車或高規格無人機上，圖像識別技術就依賴於人工智能(AI)系統，這些系統可以教會自己識別路徑中的物體。在道路上，這些物體可能包括行人、自行車、動物或其他車輛，所有這些都只是數字視覺系統中沒有區別的像素，直到它能夠理解它們所代表的是什麼，以及不同的物體通常是如何表現的。
無人駕駛的車輛需要在瞬間做出決定，以避免碰撞或處理其他意外事件。雖然其中的一些處理可以在瞬間進行，但有時候仍然會出差錯。
例如，今年3月優步(Uber)的致命撞車事故，引發了眾多問題之一，那就是這輛車的車載系統未能識別出一個人正騎著自行車穿越高速公路，直到為時已晚。
另一個挑戰是，許多運行復雜人工智能系統的計算機規模太大，速度太慢，無法用於智能成像和分析技術的未來應用，例如能夠診斷一系列醫療狀況的手持設備。
現在，斯坦福大學的研究人員設計了一種新型的人工智能相機系統，它能夠更快、更有效地對圖像進行分類，將來有一天可以嵌入到這種設備中，但是目前還不可能的。
這項研究發表在8月的“自然科學報告”上。
充滿智慧的機箱
領導這項研究的斯坦福大學電氣工程助理教授戈登·韋茨斯坦說：“現在的自動駕駛汽車的後備箱裡有一臺相對龐大、相對緩慢、耗能較高的計算機。”
他說，未來的應用程序需要更快、更小的東西來處理圖像流。
論文的第一作者、研究生韋茨斯坦和朱莉·張(Julie Chang)已經朝著這項技術創造性地邁出了一步，他們將兩種類型的計算機結合在一起，創造了一種專門為圖像分析設計的混合光電處理器。
根據斯坦福大學的說法，原型相機的第一層是一種新的光學計算機，它不需要數字計算的高耗能數學。第二種是傳統的數字處理器。
該大學表示，光學層的運作方式是“物理預處理圖像數據，以多種方式過濾圖像數據，否則電子計算機就必須進行數學處理”。
研究人員稱，由於這種過濾過程是自然發生的，因為光通過自定義光學，層的輸入功率為零。這為混合系統節省了大量的時間和能量，否則就會被計算所消耗。
朱莉·張解釋說：“我們已經將人工智能的一些數學外包到光學領域。”
“結果是計算量大大減少，內存調用減少，完成這一過程的時間要少得多，”該大學在一份公開發表的聲明中說道。“在跳過了這些預處理步驟之後，剩下的分析就進入了數字計算機層，並取得了相當大的進展。”
“數以百萬計的計算被繞過，這一切都以光速來進行的，”韋茨斯坦補充說。
快速決策
在速度和準確性方面，該大學聲稱，原型可以與現有的處理器相媲美，這些處理器以編程來執行同樣的計算，但節省了大量的計算費用，從而降低了整體的功耗。
根據大學的說法，在模擬和現實世界的實驗中，該團隊成功地使用該系統識別飛機、汽車、貓、狗等，在自然圖像環境下。
然而，研究人員距離這項技術的小型化還有一段路要走，這樣就可以將其部署在手持相機或無人駕駛飛機上。
特別是在無人駕駛汽車中，在車上安裝一個微型的人工智能視覺系統，而不是像笨重的行李箱那樣，這對減輕重量和提升能源效率方面有著積極的意義。
除了縮小原型，朱莉·張和他們在斯坦福計算成像實驗室(Stanford Computational Imaging Lab)的同事們正在研究如何讓光學元件做更多的預處理。
閱讀更多 環球智能家居 的文章
