研究人員使用計(jì)算機(jī)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)學(xué)習(xí)每個(gè)物體在該物體發(fā)出的光線穿過(guò)設(shè)備時(shí)產(chǎn)生的衍射光圖案來(lái)識(shí)別其前面的物體。 “訓(xùn)練”使用了一種稱為深度學(xué)習(xí)的人工智能分支，其中機(jī)器通過(guò)重復(fù)和隨著時(shí)間的推移“學(xué)習(xí)”模式出現(xiàn)。“使用逐層制造的無(wú)源元件，并通過(guò)光衍射將這些層相互連接，創(chuàng)造了一個(gè)獨(dú)特的全光平臺(tái)，以光速執(zhí)行機(jī)器學(xué)習(xí)任務(wù)。”O(jiān)zcan博士說(shuō)。

       在他們的實(shí)驗(yàn)中，研究人員證明該裝置可以準(zhǔn)確識(shí)別手寫的數(shù)字和衣物，這兩種都是人工智能研究中常用的測(cè)試。它還可以在太赫茲光譜上執(zhí)行成像鏡頭的功能。加州大學(xué)洛杉磯分校的研究人員認(rèn)為，基于該設(shè)備的新技術(shù)可用于加速涉及排序和識(shí)別物體的數(shù)據(jù)密集型任務(wù)。例如，使用該技術(shù)的無(wú)人駕駛汽車可以立即做出反應(yīng)，甚至比使用現(xiàn)有技術(shù)更快，對(duì)停車標(biāo)志做出反應(yīng)。使用基于UCLA系統(tǒng)的設(shè)備，一旦來(lái)自標(biāo)志的光擊中它，汽車將“讀取”標(biāo)志，而不是必須“等待”汽車的相機(jī)對(duì)物體成像然后使用其計(jì)算機(jī)來(lái)找出對(duì)象是什么。基于本發(fā)明的技術(shù)還可以用于顯微成像和醫(yī)學(xué)，例如，用于分選數(shù)百萬(wàn)個(gè)細(xì)胞以尋找疾病的跡象。

       由于其組件可以由3D打印機(jī)創(chuàng)建，因此人工神經(jīng)網(wǎng)絡(luò)可以用更大和更多的層制作，從而產(chǎn)生具有數(shù)億個(gè)人造神經(jīng)元的設(shè)備。那些更大的設(shè)備可以同時(shí)識(shí)別更多的對(duì)象或執(zhí)行更復(fù)雜的數(shù)據(jù)分析。并且組件可以廉價(jià)制作， 由加州大學(xué)洛杉磯分校團(tuán)隊(duì)創(chuàng)建的設(shè)備可以低于50美元。

中國(guó)3D打印網(wǎng)譯自：3ders.org