+11 голос |
Разработанная в 1986 г. методология глубокого обучения всё шире используется в задачах распознавания лица и речи, при обработке естественного языка, фильтрации контента соцсетей, анализе медицинских изображений.
Заставить нейтронную сеть глубокого обучения работать в буквальном смысле со скоростью света, может новая, полностью оптическая архитектура Diffractive Deep Neural Network (D2NN), созданная группой Калифорнийского университета в Лос-Анджелесе (UCLA).
Исследователи под руководством профессора Айдогана Озкана (Aydogan Ozcan) изготовили на 3D-принтере полупрозрачные пластины, поверхность каждой из которых покрыта тысячами выступов-пикселей, направляющих свет внутрь пластин для выполнения поставленной задачи.
В отличие от традиционной энергоёмкой реализации сетей глубокого обучения на электронном компьютере, энергия в D2NN расходуется только на генерацию входящего светового луча.
«Использование пассивных компонентов, изготавливаемых послойно, и связывание этих слоёв друг с другом с помощью дифракции света, создаёт уникальную, полностью оптическую платформу для выполнения задач машинного обучения со скоростью света», — рассказал д-р Озкан.
Устройство, напоминающее внутренности золотой аккумуляторной батареи, всего лишь концептуальный образец, который, тем не менее, проливает свет на некоторые уникальные возможности для индустрии машинного обучения. В частности, D2NN может быть встроена в зеркальные цифровые камеры нового поколения. Это позволит идентифицировать снимаемые объекты «на лету» и получать полностью размеченное изображение, готовое к публикации в Facebook или Instagram.
Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365
+11 голос |