芯東西11月19日消息，視覺記憶是人類認知學(xué)習的核心，但對于人工智能來說，電磁頻譜（可見或不可見）才是它的“眼”。

人工智能系統(tǒng)，要將各個頻段的電磁頻譜轉(zhuǎn)化成自己的視覺記憶，依靠的就是基于內(nèi)置內(nèi)存和信號處理的成像單元，但目前并沒有一個電信號平臺，可以根據(jù)光的變化改變電信號極性，從而賦予AI視覺記憶。

近期，由皇家墨爾本理工大學(xué)（Royal Melbourne Institute of Technology University，下稱RMIT）領(lǐng)導(dǎo)的研究團隊，提出了一項AI技術(shù)，將成像、圖像處理、機器學(xué)習和內(nèi)存集成在單個光驅(qū)動芯片中。該芯片旨在通過模仿人腦處理視覺信息的方式，為機器人、智能穿戴設(shè)備和如人造視網(wǎng)膜等仿生植入物提供更為靈敏、智能的“視力”。

11月17日，該篇論文《基于層狀黑磷的完全光驅(qū)內(nèi)存和神經(jīng)形態(tài)計算（Fully Light‐Controlled Memory and Neuromorphic Computation in Layered Black Phosphorus）》發(fā)表在《advance materials》上。

論文鏈接：

01 。

小身材卻有大功能，串起散落的AI組件

通常來說，人工智能嚴重依賴從數(shù)據(jù)采集到算法模型的一整套技術(shù)邏輯，但在硬件中，受限于技術(shù)或者空間，這些邏輯鏈條中的“塊”可能“散落”在不同的區(qū)域。

RMIT研究團隊的目標就是將這些散落的“邏輯塊”串起來，通過將多個組件和功能集成到一塊芯片中，從根本上提高AI決策的效率和準確性。

▲成像、處理、機器學(xué)習和內(nèi)存集成在一塊的光驅(qū)動芯片。

而這個“串起來”的思路就是來自自然界中最聰明的計算機——人腦。

負責研究團隊中功能材料和微系統(tǒng)、RMIT副教授Sumeet Walia說，“我們的目標就是以視覺為抓手，讓計算機復(fù)刻人腦從視覺識別到判斷決策的全過程，從而在神經(jīng)機器人學(xué)、人機交互技術(shù)和可擴展的仿生系統(tǒng)上有進一步的突破?！?/p>

在談及應(yīng)用層面時，Walia提到了行車記錄儀。如果行車記錄儀里裝上了神經(jīng)啟發(fā)式的硬件，無需連網(wǎng)，它就可以識別燈光、標志、物體并做出即時決策。

02 。

被“光”雕刻的芯片：層狀黑磷的妙用

如果掀開這塊AI芯片“視力驚人”的神秘幕布，那我們就能看到其背后的超薄材料——二維層狀黑磷。

二維層狀黑磷的神奇之處就在于，它可以基于不同波長的光來改變自身的阻值，從而充當AI的“視覺神經(jīng)元”。

RMIT研究團隊表示，采用黑磷的啟發(fā)來自于光遺傳學(xué)。作為生物技術(shù)中的新興工具，光遺傳學(xué)使科學(xué)家以高精度深入研究人體中的電流，并通過光來觀察神經(jīng)元的變化。

基于層狀黑磷和光遺傳學(xué)，RMIT團隊通過向芯片照射不同波長的光，來實現(xiàn)成像、存儲等不同的功能，并創(chuàng)建、修改AI芯片的內(nèi)存。

通過改變和編碼光的波長，AI芯片現(xiàn)在可以自動捕獲并增強圖像，進行像素內(nèi)圖像預(yù)處理，并基于全光學(xué)驅(qū)動的神經(jīng)形態(tài)計算，對圖像進行分類。實驗表明在經(jīng)過訓(xùn)練后，該芯片圖像識別準確率超過90％。

除了能夠“串聯(lián)”組件的優(yōu)勢，該黑磷AI芯片還能與現(xiàn)有的電子技術(shù)和硅技術(shù)兼容，方便將來能再輕松“串”進其他技術(shù)。

該項研究團隊的另一主要負責人Taimur Ahmed博士說，“光驅(qū)動計算比現(xiàn)有技術(shù)更快，更準確且能耗更低。而且當我們把如此多的核心功能整合到一個納米級設(shè)備上，單個芯片上就能進行更大量的機器學(xué)習和AI集成應(yīng)用?！?/p>

03 。

結(jié)語：多領(lǐng)域應(yīng)用，AI芯片的類腦“夢”

RMIT研究團隊表示，除了行車記錄儀、機器人等硬件，光學(xué)AI芯片還在康復(fù)屆也潛力無限，例如，如果將該AI芯片裝進人工視網(wǎng)膜，科學(xué)家就可以提高仿生眼的準確性，加快仿生眼的商業(yè)化。

也正如Ahmed博士所言，AI芯片的終點是永恒不變的：成為一個可以和人腦一樣從環(huán)境中學(xué)習的AI大腦。

責任編輯：PSY