ขณะที่คุณอ่านข่าวนี้ คุณจะได้รับความช่วยเหลือจากแสงโดยรอบที่กระทบเซลล์รับแสงในดวงตาของคุณ (ขั้นตอนการรับรู้ – จดจำสิ่งนี้) และถูกแปลงเป็นสัญญาณไฟฟ้า (ขั้นตอนการคำนวณ – จดจำสิ่งนี้ด้วย) เพื่อให้สมองของคุณ ( เปลือกสมองส่วนการมองเห็น) สามารถเข้าใจตัวอักษรที่ปรากฏในบทความนี้ได้ แมชชีนวิชั่นที่ได้รับแรงบันดาลใจทางชีวภาพใช้ประโยชน์จากหลักการเดียวกันนี้เพื่อพัฒนา
ไปสู่จุด
ที่ระบบเทียมสามารถ “มองเห็น” ได้ ตัวอย่างเช่น เมื่อคุณใช้สมาร์ทโฟนถ่ายภาพ คุณอาจสังเกตเห็นว่าสมาร์ทโฟนสามารถระบุวัตถุในฉากได้ก่อนที่คุณจะกดปุ่มบันทึก กล้องสมาร์ทโฟนของคุณถือเป็นเซ็นเซอร์ภาพที่ทันสมัย เซ็นเซอร์ภาพที่ใช้เซมิคอนดักเตอร์ดังกล่าวจะจับภาพข้อมูลภาพ
โดยรอบแล้วส่งต่อไปยังหน่วยประมวลผล จากนั้นเป็นหน้าที่ของหน่วยประมวลผลในการถอดรหัสสัญญาณแสงและแปลงเป็นเอาต์พุตดิจิตอล การเคลื่อนที่ของข้อมูลระหว่างเซ็นเซอร์และหน่วยประมวลผลนี้ไม่เพียงต้องการการใช้พลังงานสูงเท่านั้น แต่ยังส่งผลให้มีเวลาแฝงในการคำนวณสูงอีกด้วย
ตามลำดับมิลลิวินาที แต่จะเป็นอย่างไรถ้าเครื่องสามารถเห็นได้ในหน่วยนาโนวินาที นักวิจัยในออสเตรียได้ออกแบบเครือข่ายเซ็นเซอร์ภาพ ซึ่งภาพจะถูกเข้ารหัสเป็นพิกเซลสว่างที่มีความเข้มของแสงที่แตกต่างกัน พวกเขาได้แสดงให้เห็นว่าการปรับความไวของเซ็นเซอร์ในแง่ของความสว่าง
ของพิกเซล อุปกรณ์ใหม่ของพวกเขาสามารถคำนวณได้เอง ดังนั้นจึงไม่จำเป็นต้องถ่ายทอดสัญญาณไปยังหน่วยประมวลผลระดับสูง การออกแบบและหลักการทำงานได้รับแรงบันดาลใจจากสถาปัตยกรรมที่เชื่อมต่อกันตามธรรมชาติของสมอง และเพื่อนร่วมงานจากกลุ่ม มหาวิทยาลัยเทคโนโลยีเวียนนา
ได้นำโครงข่ายประสาทเทียม (ANN) มาใช้กับเซ็นเซอร์ภาพเพื่อเอาชนะการประมวลผลที่มีความหน่วงแฝงสูง ปัญหา. พวกเขารวบรวมแถวและคอลัมน์ของโฟโตไดโอด ซึ่งเป็นเซมิคอนดักเตอร์ขนาดเล็กที่ไวต่อแสง แต่ละอันมีทังสเตนไดเซเลไนด์สองสามชั้น ตามลำดับบนชิปเพื่อสร้างเครือข่ายเซ็นเซอร์แสง
เซลล์ประสาท
ซึ่งเป็นองค์ประกอบที่เชื่อมต่อกันของสมอง เชื่อมต่อกันโดยไซแนปส์ โดยความแข็งแกร่งของการเชื่อมต่อซินแนปติกมีบทบาทสำคัญในการประมวลผลข้อมูลของเซลล์ประสาท ตระหนักถึงแนวคิดนี้ กลุ่มวิจัยได้ออกแบบเครือข่ายเพื่อให้การตอบสนองต่อแสงของเซมิคอนดักเตอร์แต่ละตัว
สามารถเพิ่มขึ้นหรือลดลงได้โดยใช้แรงดันไฟฟ้าภายนอก การเปลี่ยนแปลงของแรงดันไฟฟ้าจึงส่งผลให้ความแรงของการเชื่อมต่อ (ซินแนปติก) เปลี่ยนไป ความสามารถในการปรับแต่งนี้ทำให้นักวิจัยสามารถใช้ประโยชน์จากอัลกอริธึมแมชชีนเลิร์นนิง เช่น ANN การรวมเซ็นเซอร์และการเรียนรู้
ของเครื่อง นักวิจัยใช้ ANN สองประเภท: ตัวแยกประเภทและตัวเข้ารหัสอัตโนมัติ ลักษณนามเรียนรู้ที่จะจำแนกรูปภาพออกเป็นหมวดหมู่ต่างๆ หลังจากชุดของกระบวนการฝึกอบรม (การเรียนรู้ภายใต้การดูแล) ในขณะที่ตัวเข้ารหัสอัตโนมัติจะจดจำองค์ประกอบหรือโครงสร้างของคุณลักษณะของรูปภาพ
จากข้อมูลอินพุต โดยไม่มีข้อมูลเพิ่มเติม (การเรียนรู้ที่ไม่มีผู้ดูแล)ในการออกแบบของพวกเขา การตอบสนองของโฟโตไดโอดภายใต้การส่องสว่างแบบออพติคัลถูกกำหนดโดยแรงดันเกท ซึ่งเป็นผลมาจากกระบวนการเรียนรู้ทั้งแบบควบคุมและแบบไม่มีผู้ดูแล การเปลี่ยนแปลงของความเข้มแสง
ส่งผลต่อเอาต์พุตของอาร์เรย์พิกเซลขนาด 3×3 ทำให้อุปกรณ์สามารถรับรู้และคำนวณตนเองได้ในเสี้ยววินาที“เราได้นำเสนอเซนเซอร์การมองเห็น ANN สำหรับการจดจำและเข้ารหัสภาพออพติคอลที่รวดเร็วเป็นพิเศษ แนวคิดของอุปกรณ์สามารถปรับขนาดได้ง่ายและให้ความเป็นไปได้ในการฝึกอบรม
ที่หลากหลายสำหรับแอปพลิเคชันวิชันซิสเต็มที่รวดเร็วเป็นพิเศษ” ผู้เขียนสรุป นี่เป็นเทคโนโลยีที่มีแนวโน้ม อย่างไรก็ตาม ยังมีอีกมากที่ต้องทำเพื่อให้ใช้งานได้จริง ตัวอย่างเช่นการถ่ายภาพภายใต้แสงสลัวอาจทำได้ยาก การออกแบบอุปกรณ์ใหม่เพื่อปรับปรุงการดูดกลืนแสงของเซมิคอนดักเตอร์
สแตนลีย์และเพื่อนร่วมงานพิจารณามาตรการที่แตกต่างกัน 5 ประการของกิจกรรมการวิจัยในมหาวิทยาลัย: ค่าใช้จ่ายประจำปีสำหรับ R&D จำนวนเอกสารที่ตีพิมพ์ในแต่ละปี จำนวนสิทธิบัตรที่ได้รับ เงินทุน R&D จากมหาวิทยาลัยหนึ่งไปยังอีกที่หนึ่งโดยผู้ให้ทุนหรือไม่ และ ขนาดของโรงเรียน
และหน่วยงาน
พวกเขาพบว่าการเติบโตของกิจกรรมการวิจัยไม่ได้ขึ้นอยู่กับขนาดของค่าใช้จ่ายด้านการวิจัยและพัฒนา (เช่น ขนาดของมหาวิทยาลัย) เช่นเดียวกับการเติบโตของธุรกิจที่ไม่ได้ขึ้นอยู่กับขนาดของบริษัท การวิจัยยังเสนอแนะว่าเพื่อให้มีคุณูปการพื้นฐานต่อวิทยาศาสตร์
โครงการวิจัยของมหาวิทยาลัยควรใช้เวลานานกว่าห้าปี ซึ่งนานกว่าทุนวิจัยเฉลี่ยสองปีภายในมหาวิทยาลัย พวกเขาเปรียบเทียบผลลัพธ์จากมหาวิทยาลัย 719 แห่งในสหรัฐอเมริกากับข้อมูลจากสหราชอาณาจักรและแคนาดาในช่วง 17 ปีสามารถเพิ่มช่วงความเข้มของแสงที่ตรวจจับได้
ประธานเจ้าหน้าที่บริหารของ NESTA กล่าวว่ากองทุนจะสนับสนุนโครงการต่างๆ ในทุกด้านของวิทยาศาสตร์ ศิลปะ และเทคโนโลยี โดยเฉพาะอย่างยิ่งการวิจัยแบบสหวิทยาการ แต่ด้วยการส่งเงินจำนวนมากและทรัพยากรที่จำกัด เงินทุนจึงต้องมีการคัดเลือกอย่างมาก คุณสมบัติที่สำคัญของ NESTA นิวตันอธิบายคือความเต็มใจที่จะเสี่ยงและการยอมรับว่าไม่ใช่ม้าทุกตัวที่ขี่หลังจะเป็นผู้ชนะ
credit : สล็อตเว็บตรง100 / ดูหนังฟรี / 50รับ100
