使用3D打印機(jī)，加州大學(xué)洛杉磯分校電氣和計(jì)算機(jī)工程師團(tuán)隊(duì)創(chuàng)建了一個(gè)基于人工智能（AI）的設(shè)備，可以分析大量數(shù)據(jù)并以光速識(shí)別物體。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中發(fā)展最快的機(jī)器學(xué)習(xí)方法之一，通常用于醫(yī)學(xué)圖像分析，語言翻譯，圖像分類，語音識(shí)別以及解決更具體的任務(wù)，例如解決逆成像問題。

傳統(tǒng)上，深度學(xué)習(xí)系統(tǒng)被實(shí)現(xiàn)為在計(jì)算機(jī)上執(zhí)行以數(shù)字化學(xué)習(xí)數(shù)據(jù)表示，并執(zhí)行與人類性能相當(dāng)或甚至更好的高級(jí)任務(wù)。然而，由加州大學(xué)洛杉磯分校電氣和計(jì)算機(jī)工程教授Aydogan Ozcan博士領(lǐng)導(dǎo)的團(tuán)隊(duì)引入了一種物理機(jī)制，使用全光學(xué)衍射深度神經(jīng)網(wǎng)絡(luò)（D2NN）實(shí)現(xiàn)深度學(xué)習(xí)。該光學(xué)人工神經(jīng)網(wǎng)絡(luò)設(shè)備直觀地模擬大腦如何處理信息。它使用從對(duì)象本身反射的光來在很短的時(shí)間內(nèi)識(shí)別該對(duì)象，這是計(jì)算機(jī)簡(jiǎn)單地“看到”對(duì)象所需的時(shí)間。

創(chuàng)建人工神經(jīng)網(wǎng)絡(luò)的過程始于計(jì)算機(jī)模擬設(shè)計(jì)。然后，研究人員使用3D打印機(jī)制作了非常薄的8厘米見方的聚合物晶圓。每個(gè)晶片具有不平坦的表面，這有助于在不同方向上衍射來自物體的光。這些層看起來對(duì)眼睛是不透明的，但實(shí)驗(yàn)中使用的亞毫米波長(zhǎng)太赫茲頻率的光可以穿過它們。每層由數(shù)萬個(gè)人造神經(jīng)元組成，在這種情況下，光是能穿過微小像素的。一系列像素化層一起用作“光學(xué)網(wǎng)絡(luò)”，其形成來自物體的入射光穿過它們，然后網(wǎng)絡(luò)識(shí)別對(duì)象，因?yàn)閬碜詫?duì)象的光主要被衍射到分配給該類型對(duì)象的單個(gè)像素。

研究人員使用計(jì)算機(jī)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過學(xué)習(xí)每個(gè)物體在該物體發(fā)出的光線穿過設(shè)備時(shí)產(chǎn)生的衍射光圖案來識(shí)別其前面的物體。 “訓(xùn)練”使用了一種稱為深度學(xué)習(xí)的人工智能分支，其中機(jī)器通過重復(fù)和隨著時(shí)間的推移“學(xué)習(xí)”模式出現(xiàn)。

在他們的實(shí)驗(yàn)中，研究人員證明該裝置可以準(zhǔn)確識(shí)別手寫的數(shù)字和衣物，這兩種都是人工智能研究中常用的測(cè)試。它還可以在太赫茲光譜上執(zhí)行成像鏡頭的功能。加州大學(xué)洛杉磯分校的研究人員認(rèn)為，基于該設(shè)備的新技術(shù)可用于加速涉及排序和識(shí)別物體的數(shù)據(jù)密集型任務(wù)。例如，使用該技術(shù)的無人駕駛汽車可以立即做出反應(yīng)，甚至比使用現(xiàn)有技術(shù)更快，對(duì)停車標(biāo)志做出反應(yīng)。使用基于UCLA系統(tǒng)的設(shè)備，一旦來自標(biāo)志的光擊中它，汽車將“讀取”標(biāo)志，而不是必須“等待”汽車的相機(jī)對(duì)物體成像然后使用其計(jì)算機(jī)來找出對(duì)象是什么?；诒景l(fā)明的技術(shù)還可以用于顯微成像和醫(yī)學(xué)，例如，用于分選數(shù)百萬個(gè)細(xì)胞以尋找疾病的跡象。

由于其組件可以由3D打印機(jī)創(chuàng)建，因此人工神經(jīng)網(wǎng)絡(luò)可以用更大和更多的層制作，從而產(chǎn)生具有數(shù)億個(gè)人造神經(jīng)元的設(shè)備。那些更大的設(shè)備可以同時(shí)識(shí)別更多的對(duì)象或執(zhí)行更復(fù)雜的數(shù)據(jù)分析。并且組件可以廉價(jià)制作， 由加州大學(xué)洛杉磯分校團(tuán)隊(duì)創(chuàng)建的設(shè)備可以低于50美元。