Анализ изображений в пассивной оптической нейронной сети: как это работает?

Упрощенно структуру головного мозга человека, определяющую его функционирование, можно представить как совокупность множества сетей нервных клеток (нейронов). Эти нейронные сети самостоятельно «переконфигурируются» при выполнении различных операций в процессах обучения, создания или восприятия произведений искусства, выполнения различных профессиональных действий, решения математических задач - бесконечного количества ситуаций, с которыми приходится сталкиваться человеку. Именно такая «динамическая организация» мозга позволяет ему самообучаться и вырабатывать решения по своему поведению в самых невообразимых условиях.


Компьютер же построен на основе «раз и навсегда» изготовленной процессорной системе, пусть даже эта система и является сетью, структурой которой можно управлять. А потому, чтобы искусственный интеллект смог хотя бы приблизиться по возможностям к интеллекту человека, для ИИ разрабатываются специальные программы имитации (эмуляции, подражания) процессов, происходящих в мозге человека. Но для достижения с помощью таких ухищрений «подобия» искусственного интеллекта человеческому приходится задействовать мощное вычислительное оборудование с высоким энергопотреблением. А нейроморфные оптические процессоры, построенные на базе искусственных нейронных сетей и имитирующие их работу на аппаратном уровне, только-только входят в «детскую» стадию развития и до «зрелости» им еще расти и расти.

И вот в Калифорнийском университете Лос-Анджелесе разработана уникальная искусственная нейронная сеть для распознавания объектов, функционирование которой осуществляется только за счет энергии светового потока, передающего на вход сети оптические образы. Уникальность ее заключается в том, что в ней нет никаких привычных электронно-вычислительных элементов: она состоит только из пассивных компонентов, пересылающих последовательно от предыдущего к последующему (как в эстафете) световой поток. Компонентами обрабатывающей цепочки являются пластины из прозрачного материала, на поверхностях которых нанесены тысячи наноразмерных выступов и впадин, сформированных и распределенных по определенному закону (выведенному учеными) в процессе печати на 3D-принтере. Эти пластины, по сути, представляют собой оптические метаматериалы, а выступы и впадины играют роль «трехмерных пикселей», отражающих и преломляющих световые лучи по закону, определяемому геометрией поверхностей.

Таким образом, система пластин выполняет роль оптического процессора, который американские изобретатели назвали Diffractive Deep Neural Network (D2NN) - дифракционной глубинной нейронной сетью, выполняющей многоэтапную обработку «пиксельной картины» исходного изображения. И результат этой работы выдается мгновенно - за время прохождения потока света расстояния от входной до выходной пластины (эти пластины-слои связаны между собой посредством явления дифракции). Разработчики сети D2NN прогнозируют, что такая микроминиатюрная нейронная сеть может быть встроена в видеокамеры смартфонов, предоставляя возможности мгновенного распознавания изображений с указанием их принадлежности к определенным группам объектов.