Sieci neuronowe z drukarki 3D to już rzeczywistość

Idea sztucznej inteligencji już dawno wyszła z kart książek science fiction i powoli staje się rzeczywistością. Jednym z najbardziej fascynujących obszarów badań są sieci neuronowe – sztuczne sieci budową naśladujące ludzki mózg – struktura sieci składa się z neuronów połączonych ze sobą synapsami.

Sieci neuronowe, zamiast być programowalnymi jak klasyczne programy, posiadają zdolność uczenia się. Gdy sygnał przechodzi przez sieć, poszczególne połączenia pomiędzy neuronami ulegają wzmocnieniu lub osłabieniu, aż dany sygnał podróżuje jedną ustaloną ścieżką. Schematycznie, strukturę sieci można podzielić na trzy warstwy – wejściowa, ukryta i wyjściowa.

Ukryte zalety systemu

Sieci neuronowe wykorzystuje się, między innymi, do analizy sygnałów. Sygnał wejściowy (np. optyczny) zostaje przetworzony w sieci i jako sygnał wyjściowy otrzymujemy analizę oryginalnego sygnału.

Zasada uczenia się sieci neuronowej jest nam wciąż nie do końca znana. Potrafimy stworzyć samą sieć, a następnie zbadać jej strukturę po procesie uczenia się, jednak sam proces tworzenia wewnętrznej struktury podczas nauki nie został wyjaśniony w pełni.

Dotychczas działające sieci neuronowe udawało się stworzyć tylko w przestrzeni komputerowej. Jednak badacze z Uniwersytetu Kalifornijskiego posunęli się o krok dalej. Udało im się wydrukować działającą sieć, wzorowaną na istniejącej sieci komputerowej. D2NN, czyli Diffractive Deep Neural Network, jest siecią zdolną rozpoznawać dowolne sygnały optyczne.

Nieograniczone możliwości?

Po stworzeniu komputerowej sieci neuronowej, a następnie wytrenowaniu jej, naukowcy byli w stanie odtworzyć poszczególne warstwy i wydrukować je, używając elementów odbijających i transmitujących. Jeden z pierwszych modeli D2NN był w stanie przypisać liczby do ich wizualnej reprezentacji. Jednak na tym nie poprzestano. Badacze tworzyli coraz bardziej skomplikowane sieci neuronowe, a następnie drukowali ich odpowiedniki. Jedno z urządzeń D2NN było w stanie współpracować z bazą danych Fashion MNIST, zawierającą dziesięć klas produktów modowych.

W skrócie – D2NN jest podstawą do stworzenia systemu, który, bez dodatkowego zasilania, jest w stanie analizować dowolne obrazy. Potencjalne zastosowania takiego systemu są niezwykle szerokie. Od radarów rozpoznających zbliżające się obiekty przez kontrolę jakości produktów. Każda dziedzina, która wykorzystuje przetwarzanie obrazu, może skorzystać na takiej technologii. Możliwości wydają się nieograniczone.

Źródło: Fabbaloo