新的AI相机可以彻底改变自动驾驶汽车

作为当今自动驾驶汽车和航空无人机的基础的图像识别技术依赖于人工智能：计算机基本上教自己识别像狗一样的物体，穿过街道的行人或停下的汽车。问题在于运行人工智能算法的计算机目前对于手持医疗设备等未来应用来说太大而且速度慢。

现在，斯坦福大学的研究人员已经设计出一种新型的人工智能相机系统，可以更快，更高效地对图像进行分类，并且有朝一日可以将其构建得足够小，以便嵌入到设备中，这是目前无法实现的。这项工作发表在8月17日的“ 自然科学报告”上。

“你刚刚通过的那辆自动驾驶汽车的行李箱中有一台相对较大，速度相对较慢，能量密集的计算机，”斯坦福大学电气工程助理教授戈登韦茨坦说。他说，未来的应用将需要更快，更小的东西来处理图像流。

通过计算消耗

Wetzstein和Julie Chang，研究生和论文的第一作者，通过将两种类型的计算机结合在一起，向该技术迈出了一步，创建了专门用于图像分析的混合光电计算机。

原型相机的第一层是一种光学计算机，它不需要数字计算的高功耗数学。第二层是传统的数字电子计算机。

光学计算机层通过物理预处理图像数据进行操作，以多种方式对其进行过滤，否则电子计算机必须以数学方式进行。由于当光通过定制光学器件时滤波自然发生，因此该层以零输入功率工作。这为混合系统节省了大量的时间和精力，否则这些时间和能量将被计算消耗。

“我们已将人工智能的一些数学外包到光学系统中，”Chang说。

结果是计算量减少，内存调用次数减少，完成过程的时间也少得多。在超越这些预处理步骤之后，剩下的分析进入了数字计算机层，并且具有相当大的优势。

“数以百万计的计算被规避，这一切都以光速发生，”韦茨坦说。

快速决策

在速度和准确性方面，原型可与现有的仅电子计算处理器相媲美，这些处理器被编程为执行相同的计算，但具有大量的计算成本节省。

虽然他们目前的原型安排在实验室工作台上很难被归类为小型，但研究人员表示，他们的系统有朝一日可以小型化，以适应手持摄像机或空中无人机。

在模拟和现实世界的实验中，该团队使用该系统在自然图像设置中成功识别飞机，汽车，猫，狗等。

“我们系统的未来版本在快速决策应用中尤其有用，例如自动驾驶汽车，”Wetzstein说。

除了缩小原型外，斯坦福计算成像实验室的Wetzstein，Chang及其同事正在研究如何使光学元件进行更多的预处理。最终，他们更小，更快的技术可以取代现在帮助汽车，无人机和其他技术学会识别周围世界的行李箱大小的计算机。