光电技术在人工智能领域的应用探讨

2020-01-07 01:12谢禹庄
科学技术创新 2020年9期
关键词:光子光学机器

谢禹庄

(西南交通大学 物理科学与技术学院,四川 成都610031)

1 概述

人工智能是当今最具战略性和颠覆性的技术, 其以强大的赋能性驱动着新一轮科技革命和产业变革, 深刻地影响经济发展、社会进步和国际政治格局构建[1]。

当前, 人工智能着重解决机器会听(语音识别、机器翻译等)、会看(图像识别、文字识别等)、会说(语音合成、人机对话等)、会思考(人机对弈、定理证明等)、会学习(机器学习、知识表示等)、会行动(机器人、无人驾驶等)“六会”问题[2]。光电技术在解决这“六会”的人工智能关键技术中应用十分广泛。

2 光电技术在人工智能领域的应用

光电技术在人工智能应用实践层面主要解决“会看”“会思考”“会行动”等问题,包括以下方面。

2.1 光子芯片

智能芯片是人工智能最核心的技术,相当于人工智能的“大脑”。人工智能基于对海量数据收集、处理、选择、交换、整合和分析。在此过程中,机器效能的消耗随着数据量激增而“与日俱增”,传统计算方式和硬件(传统芯片)显得“力不从心”,高速低耗的光子芯片应运而生。

光子芯片依托硅基光子集成技术,让光提供算力。光子芯片运算速度快、低延迟、抗电磁干扰、低能耗,计算能力为传统芯片的一千倍,但功耗仅为其百分之一。因而广泛应用于大数据、人脸识别、安防监控、AI 金融、AI 医疗、自动驾驶、无人机等所有低能耗应用领域。

2015 年, 麻省理工学院研究者研制出一种可以与传统的计算机结合进行深度学习的新型光学计算芯片(3]。2017 年,普林斯顿大学研究者研制出第一枚光子神经形态芯片[4],其依靠入射光线的明暗实现运算,这个过程不需电力运作,不损耗能源。德国研究人员在毫米级光子芯片上搭建了全光神经网络, 且网络内不存在光电转换[5]。清华、北大、北交大等高校博士组成的研究团队成功研发第一枚国产光子人工智能芯片[6]。中科院研发的云端人工智能芯片理论峰值速度, 已达每秒128 万亿次定点运算[7]。

2.2 机器视觉与计算机视觉

机器视觉是应用价值最高的人工智能技术,它使机器“开眼看世界”,实现“从识人知物到辨识万物”。机器视觉就是用机器代替人眼进行测量和判断,它综合了模拟、数字电子、计算机、图像处理、传感器、机械工程、光源照明、光学成像等跨学科前沿技术。机器视觉具有准确性、客观性、稳定性等特点,在安防及交通摄像头、无人驾驶、金融、医疗等领域广泛应用。

计算机视觉就是利用计算机和其辅助设备模拟人的视觉功能识别、跟踪和测量目标并进行图形处理。美国麻省理工学院研究者将人工智能和光学技术结合研发的“密集对象网络(DON]”系统,可以使机器人更好地理解和操纵物体,甚至是它们从未见过的随机物体[8]。

2.3 光电传感器

传感器是人工智能获取信息的重要器件,是人工智能技术的硬件基础。传感器技术是人工智能与万物互联的必备条件,传感器是人工智能的核心部件,它如同人类的五官,采集和转换外界信息。光电传感器一般由光源、光学通路和光电器件组成,其功能就是将光信号转换为电信号。

光电传感器体积小、重量轻、易升级,传输没有测量误差,应用领域十分广泛,常见的如智能停车系统、智能水表、智能交通、智能 家居、可穿戴设备 等。当前研究的热点是智能光电传感器,它集成了人工神经网、人工智能、信息处理等技术,较传统传感器反应速度更快、精度更高、重量更轻、能耗更低,成为人工智能的关键因素[9]。

2.4 光储存

光储存是人工智能的重要基石。人工智能应用必须依靠海量数据,爆炸式增长的数据,对承载数据的基础设施性能及能耗等提出了更高的要求, 依靠磁硬盘驱动器的传统存储难以满足之一需求,新一代光存储技术由此“大显神通”。

光存储的原理就是利用光子与物质的作用,将图像、语言、文字以及相关数据等各种信息记录下来,应用时再读出。光学存储芯片不发热,硬盘设备功耗低。当前,大数据和云存储技术已经支撑人工智能在安防领域应用。全息光存储具有超大存储容量、超高的存储密度和越快的存取速度,成为研发重点。贝尔实验室的衍生公司Inphase 公司已经在这一领域取得突破。

3 光电技术在人工智能领域应用趋势预见

进入人工智能时代,现代科学技术也进入了爆发期。光电技术的智能化、集成化、网络化、多功能化趋势日益显现,在人工智能领域应用呈现出如下特点。

3.1 交叉引领,融合应用

人工智能领域与光电技术交叉渗透、融合发展是基本趋势。诸多人工智能需要解决的问题, 也正在是光电技术的发展需要解决的问题。

美国斯坦福大学研究直接在光学芯片上训练人工神经网络,让光学电路实现基于电子的人工神经网络的关键功能,从而实现成本更低、速度更快、能耗更低地执行任务[10]。

科学家正在研究应用机器学习改善传统的光学和光电技术。通过将机器学习、神经网络引入视觉技术中形成人工智能视觉技术,显著提升数据处理量和速度。医学成像引入人工智能通过胸部X 光检查诊断肺炎,精度比人类放射科医生更好。我国科学家发明的基于激光成像技术和人工智能的监控系统, 可在45 公里远处实施目标识别[11]。

3.2 集成微型,高效低耗

诸多技术集成是人工智能技术的显著特点, 设备或器件微型化、多功能化、集成化和低能耗是人工智能领域光电技术发展趋势。

光芯片集成化和微型化已经实现突破。IBM 研发整合光路到硅基板上,实现“口袋一样小的装置能拥有自动驾驶车一样的运算能力”[12]。中国信科研制的100G 硅光收发芯片, 在不到30平方毫米的硅芯片集成近60 个光器件[13]。

光电传感器的方向为多功能化、终端应用集成化。随着精密加工、微电子、集成电路等技术的发展及新材料的应用,光电传感器中的一些器件尺寸已走向微米级甚至纳米级。半导体蒸镀技术、光刻技术、精密微加工及组装技术等日益突破,同一基板整合诸多敏感器件不再是难题。可以预见,微型化、多功能化、集成化和低能耗、智能化的光电传感器将逐步取代传统的传感器。

3.3 智能驱动,开源开放

智能化、自动化和数据化、网络化是现代科学技术的发展趋势。

苏黎世联邦理工学院和苏黎世大学研发的具有“机器学习”功能的光声扫描仪,可以从“稀疏数据”中生成高质量图像。劳伦斯·伯克利国家实验室和加利福尼亚大学伯克利分校研究者使用机器学习和神经网络提高同步加速器光束性能的稳定性[14]。

开源开放已成人工智能领域的发展趋势。当前研发方向是实现开源深度学习平台与人工智能芯片结合,构筑“芯片+操作系统”生态。光学芯片、智能视觉等必将顺应这一趋势,在构建人工智能生态系统过程中,实现自身新突破新发展。

3.4 迭代升级,催变生新

人工智能时代也是技术大爆发的时代, 包括人工智能技术在内的诸多技术持续迭代升级,不断催变生新。

传统光学与现代计算机系统相结合产生智能光学,在天文、军事、医学等领域都有着广泛的应用[15]。

光速深度学习正在成为现实。加州大学洛杉矶分校研究使用3D 打印生成“全光学”人工神经网络,可以分析大量数据并以光速识别目标,开辟了光速深度学习新境界[16]。

新一代智能光电传感器将具有分析、判断、自适应、自学习的功能。近年研发的基于双目视觉技术的3D 感测方案,具有低功耗、高灵敏度特点,在机器人和VR 等领域广泛应用[17]。

荷兰埃因霍芬理工大学光子集成研究所开发的“全光开关”,数据写入比现有技术快成百上千倍,还不需耗费能量[18]。美国麻省理工学院研发的“密集对象网络(DON)”系统可以帮助机器人在杂乱的环境中拾取特定物体,理解物体的方向系统[19]。

4 结论

人工智能的发展并非一蹴而就, 也非某一两项技术支撑,需要多项技术共同发力。光电技术在人工智能领域应用占据重要席位,两者相互促进、相互交融,不断推陈出新,迭代升级。随着光电技术在集成化、微型化、低功耗化、多功能化和智能化等方面不断取得突破和进展,将更好的助力人工智能的未来。

猜你喜欢
光子光学机器
纠缠光子的量子实验获得2022年诺贝尔物理学奖
机器狗
滑轮组的装配
机器狗
光学常见考题逐个击破
偏振纠缠双光子态的纠缠特性分析
未来机器城
“十光子纠缠”成功实现
第2讲 光学知识专题复习
光学遥感压缩成像技术