Neurónová sieť využíva rýchlosť svetla namiesto elektrónov
- Autor:
- Roman Mališka
- Zverejnené:
- 3. 8. 2018
- Hodnotenie:
- Už ste hlasovali.
Výskumníci sa zaoberajú novou myšlienkou, kedy by sa namiesto elektrónov používalo svetlo ohýbané cez množstvo platní. Možno to niekomu pripomenie návrat k sálovým počítačom s veľkými obvodovými doskami, no vedci z UCLA vkladajú do tejto technológie veľké nádeje a vytvorili zvláštnu neurónovú sieť pre hĺbkové učenie, v ktorej sa informácie prenášajú rýchlosťou svetla.
Hĺbkové učenie je jednou z najrýchlejšie sa rozvíjajúcich metód v oblasti strojového učenia a v súčasnosti sa s ňou stretneme najmä v súvislosti s technológiami pre rozpoznávanie tvárí, rozoznávania reči a zvukov, pri spracovaní jazykov, filtrovaní sociálnych sietí, analýze snímok pacientov v zdravotníctve a rôznych ďalších úlohách. Systémy hĺbkového učenia sú pritom zzvyčajne implementované v počítačoch s cieľom vykonávať zložité úlohu rovnako alebo lepšie, ako by to zvládol človek.
Tím vedcov z UCLA však nepoužil tradičné počítače, ale rozhodol sa, že sa zbaví všetkých energeticky náročných elektrónov v prospech svetelných lúčov. Výsledkom sa stala plne optická architektúra Diffractive Deep Neural Network (D2NN), čiže hĺbková neurónová sieť založená na difrakcii (ohýbaní) svetelných lúčov.
Nová metóda používa 3D vytlačené priesvitné panely, z ktorých každý z nich má tisíce priestorových pixlov. Tie odrážajú svetlo cez každý panel, aby sa mohli vykonať prednastavené úlohy. Tieto úlohy sa pritom vykonajú bez nutnosti akéhokoľvek napájania zdrojom elektrickej energie, s výnimkou vstupného svetelného lúča.
Komplexná neurónová sieť D2NN doslova pracuje rýchlosťou svetla a podľa vedcov z UCLA by si mohla nájsť využitie v oblasti analýzy obrazu, detekcie funkcií a klasifikácii objektov. Tím tiež predpokladá aplikácie novej architektúry pre vykonávanie špecializovaných úloh vo fotoaparátoch. Možno tak v budúcnosti vaša zrkadlovka v reálnom čase identifikuje snímané objekty a umiestni obrázky rovno s popisom na sociálnu sieť. Momentálne je však technológia v štádiu konceptu, no mohla by sa postupne zaradiť k tradičným metódam hĺbkového učenia.
