La tecnología de reconocimiento de imágenes que subyace a los autos autónomos y drones aéreos actuales depende de la inteligencia artificial:las computadoras esencialmente se enseñan a sí mismas a reconocer objetos como un perro, un peatón cruzando la calle o un automóvil detenido. El problema es que las computadoras que ejecutan los algoritmos de inteligencia artificial son actualmente demasiado grandes y lentas para aplicaciones futuras como dispositivos médicos portátiles.

Ahora, Los investigadores de la Universidad de Stanford han ideado un nuevo tipo de sistema de cámara artificialmente inteligente que puede clasificar imágenes de forma más rápida y con mayor eficiencia energética. y que algún día podría construirse lo suficientemente pequeño como para integrarse en los propios dispositivos, algo que no es posible hoy. El trabajo fue publicado el 17 de agosto Informes científicos de la naturaleza .

"Ese automóvil autónomo que acaba de pasar tiene un tamaño relativamente grande, relativamente lento, computadora que consume mucha energía en su maletero, "dijo Gordon Wetzstein, profesor asistente de ingeniería eléctrica en Stanford, quien dirigió la investigación. Las aplicaciones futuras necesitarán algo mucho más rápido y más pequeño para procesar el flujo de imágenes. él dijo.

Consumido por computación

Wetzstein y Julie Chang, estudiante de posgrado y primer autor del artículo, dio un paso hacia esa tecnología al unir dos tipos de computadoras en una, creando una computadora híbrida óptico-eléctrica diseñada específicamente para el análisis de imágenes.

La primera capa del prototipo de cámara es un tipo de computadora óptica, que no requiere las matemáticas de la computación digital, que consumen mucha energía. La segunda capa es una computadora electrónica digital tradicional.

La capa de computadora óptica opera preprocesando físicamente los datos de la imagen, filtrarlo de múltiples formas que una computadora electrónica tendría que hacer matemáticamente. Dado que el filtrado ocurre de forma natural a medida que la luz pasa a través de la óptica personalizada, esta capa opera con potencia de entrada cero. Esto le ahorra al sistema híbrido una gran cantidad de tiempo y energía que de otro modo consumiría la computación.

"Hemos subcontratado algunas de las matemáticas de la inteligencia artificial en la óptica, "Dijo Chang.

El resultado es mucho menos cálculos, menos llamadas a la memoria y mucho menos tiempo para completar el proceso. Habiendo superado estos pasos de preprocesamiento, el análisis restante procede a la capa de computadora digital con una ventaja considerable.

"Se eluden millones de cálculos y todo sucede a la velocidad de la luz, "Dijo Wetzstein.

Toma de decisiones rápida

En velocidad y precisión, el prototipo compite con los procesadores informáticos solo electrónicos existentes que están programados para realizar los mismos cálculos, pero con importantes ahorros de costos computacionales.

Mientras que su prototipo actual, dispuesto en una mesa de laboratorio, difícilmente se clasificaría como pequeño, Los investigadores dijeron que su sistema algún día se puede miniaturizar para que quepa en una cámara de video portátil o un dron aéreo.

Tanto en simulaciones como en experimentos del mundo real, el equipo utilizó el sistema para identificar aviones con éxito, automóviles, gatos perros y más dentro de la configuración de imagen natural.

"Alguna versión futura de nuestro sistema sería especialmente útil en aplicaciones de toma de decisiones rápidas, como vehículos autónomos, "Dijo Wetzstein.

Además de encoger el prototipo, Wetzstein, Chang y sus colegas del Laboratorio de Imágenes Computacionales de Stanford ahora están buscando formas de hacer que el componente óptico realice aún más preprocesamiento. Finalmente, su más pequeño, una tecnología más rápida podría reemplazar las computadoras del tamaño de un maletero que ahora ayudan a los automóviles, los drones y otras tecnologías aprenden a reconocer el mundo que los rodea.