La technologie de reconnaissance d'images qui sous-tend les voitures autonomes et les drones aériens d'aujourd'hui repose sur l'intelligence artificielle :les ordinateurs apprennent essentiellement eux-mêmes à reconnaître des objets comme un chien, un piéton traversant la rue ou une voiture arrêtée. Le problème est que les ordinateurs exécutant les algorithmes d'intelligence artificielle sont actuellement trop volumineux et lents pour les futures applications telles que les appareils médicaux portables.

Maintenant, des chercheurs de l'Université de Stanford ont mis au point un nouveau type de système de caméra artificiellement intelligent qui peut classer les images plus rapidement et avec une plus grande efficacité énergétique, et qui pourrait un jour être construit assez petit pour être intégré dans les appareils eux-mêmes, quelque chose qui n'est pas possible aujourd'hui. L'ouvrage a été publié le 17 août Rapports scientifiques sur la nature .

"Cette voiture autonome que vous venez de dépasser a un poids relativement énorme, relativement lent, ordinateur énergivore dans son coffre, " a déclaré Gordon Wetzstein, professeur adjoint de génie électrique à Stanford, qui a dirigé la recherche. Les futures applications auront besoin de quelque chose de beaucoup plus rapide et plus petit pour traiter le flux d'images, il a dit.

Consommé par le calcul

Wetzstein et Julie Chang, un étudiant diplômé et premier auteur sur le papier, a fait un pas vers cette technologie en mariant deux types d'ordinateurs en un seul, créer un ordinateur hybride optique-électrique conçu spécifiquement pour l'analyse d'images.

La première couche de la caméra prototype est un type d'ordinateur optique, qui ne nécessite pas les mathématiques gourmandes en énergie de l'informatique numérique. La deuxième couche est un ordinateur électronique numérique traditionnel.

La couche informatique optique fonctionne en prétraitant physiquement les données d'image, le filtrer de plusieurs manières qu'un ordinateur électronique devrait autrement faire mathématiquement. Étant donné que le filtrage se produit naturellement lorsque la lumière passe à travers l'optique personnalisée, cette couche fonctionne avec une puissance d'entrée nulle. Cela permet au système hybride d'économiser beaucoup de temps et d'énergie qui seraient autrement consommés par le calcul.

"Nous avons externalisé une partie des mathématiques de l'intelligence artificielle dans l'optique, " dit Chang.

Le résultat est profondément moins de calculs, moins d'appels à la mémoire et beaucoup moins de temps pour terminer le processus. Après avoir dépassé ces étapes de prétraitement, le reste de l'analyse passe à la couche informatique numérique avec une longueur d'avance considérable.

"Des millions de calculs sont contournés et tout se passe à la vitesse de la lumière, ", a déclaré Wetzstein.

Prise de décision rapide

En vitesse et en précision, le prototype rivalise avec les processeurs informatiques uniquement électroniques existants qui sont programmés pour effectuer les mêmes calculs, mais avec des économies de coûts de calcul substantielles.

Alors que leur prototype actuel, disposé sur une paillasse, serait difficilement classé comme petit, les chercheurs ont déclaré que leur système pourrait un jour être miniaturisé pour s'adapter à une caméra vidéo portable ou à un drone aérien.

Dans les simulations et les expériences du monde réel, l'équipe a utilisé le système pour identifier avec succès les avions, automobile, chats, chiens et plus dans des paramètres d'image naturels.

"Une future version de notre système serait particulièrement utile dans les applications de prise de décision rapide, comme les véhicules autonomes, " a déclaré Wetzstein.

En plus de rétrécir le prototype, Wetzstein, Chang et ses collègues du Stanford Computational Imaging Lab cherchent maintenant des moyens de faire en sorte que le composant optique fasse encore plus de prétraitement. Finalement, leur plus petit, une technologie plus rapide pourrait remplacer les ordinateurs de la taille d'un coffre qui aident maintenant les voitures, les drones et autres technologies apprennent à reconnaître le monde qui les entoure.