芯東西（ID：aichip001）
編譯 | 子佩
編輯 | 心緣
芯東西11月20日消息，視覺記憶是人類認知學習的核心，但對於人工智能來説，電磁頻譜（可見或不可見）才是它的“眼”。
人工智能系統，要將各個頻段的電磁頻譜轉化成自己的視覺記憶，依靠的就是基於內置內存和信號處理的成像單元，但目前並沒有一個電信號平台，可以根據光的變化改變電信號極性，從而賦予AI視覺記憶。
近期，由皇家墨爾本理工大學（Royal Melbourne Institute of Technology University，下稱RMIT）領導的研究團隊，提出了一項AI技術，將成像、圖像處理、機器學習和內存集成在單個光驅動芯片中。該芯片旨在通過模仿人腦處理視覺信息的方式，為機器人、智能穿戴設備和如人造視網膜等仿生植入物提供更為靈敏、智能的“視力”。
11月17日，該篇論文《基於層狀黑磷的完全光驅內存和神經形態計算（Fully Light‐Controlled Memory and Neuromorphic Computation in Layered Black Phosphorus）》發表在《advance materials》上。
論文鏈接：https://onlinelibrary.wiley.com/doi/full/10.1002/adma.202004207
一、小身材卻有大功能，串起散落的AI組件通常來説，人工智能嚴重依賴從數據採集到算法模型的一整套技術邏輯，但在硬件中，受限於技術或者空間，這些邏輯鏈條中的“塊”可能“散落”在不同的區域。
RMIT研究團隊的目標就是將這些散落的“邏輯塊”串起來，通過將多個組件和功能集成到一塊芯片中，從根本上提高AI決策的效率和準確性。
成像、處理、機器學習和內存集成在一塊的光驅動芯片。
而這個“串起來”的思路就是來自自然界中最聰明的計算機——人腦。
負責研究團隊中功能材料和微系統、RMIT副教授Sumeet Walia説，“我們的目標就是以視覺為抓手，讓計算機復刻人腦從視覺識別到判斷決策的全過程，從而在神經機器人學、人機交互技術和可擴展的仿生系統上有進一步的突破。”
在談及應用層面時，Walia提到了行車記錄儀。如果行車記錄儀裏裝上了神經啓發式的硬件，無需連網，它就可以識別燈光、標誌、物體並做出即時決策。
二、被“光”雕刻的芯片：層狀黑磷的妙用如果掀開這塊AI芯片“視力驚人”的神秘幕布，那我們就能看到其背後的超薄材料——二維層狀黑磷。
二維層狀黑磷的神奇之處就在於，它可以基於不同波長的光來改變自身的阻值，從而充當AI的“視覺神經元”。
RMIT研究團隊表示，採用黑磷的啓發來自於光遺傳學。作為生物技術中的新興工具，光遺傳學使科學家以高精度深入研究人體中的電流，並通過光來觀察神經元的變化。
基於層狀黑磷和光遺傳學，RMIT團隊通過向芯片照射不同波長的光，來實現成像、存儲等不同的功能，並創建、修改AI芯片的內存。
通過改變和編碼光的波長，AI芯片現在可以自動捕獲並增強圖像，進行像素內圖像預處理，並基於全光學驅動的神經形態計算，對圖像進行分類。實驗表明在經過訓練後，該芯片圖像識別準確率超過90％。
除了能夠“串聯”組件的優勢，該黑磷AI芯片還能與現有的電子技術和硅技術兼容，方便將來能再輕鬆“串”進其他技術。
Sumeet Walia副教授和Taimur Ahmed博士
該項研究團隊的另一主要負責人Taimur Ahmed博士説，“光驅動計算比現有技術更快，更準確且能耗更低。而且當我們把如此多的核心功能整合到一個納米級設備上，單個芯片上就能進行更大量的機器學習和AI集成應用。”
結語：多領域應用，AI芯片的類腦“夢”RMIT研究團隊表示，除了行車記錄儀、機器人等硬件，光學AI芯片還在康復屆也潛力無限，例如，如果將該AI芯片裝進人工視網膜，科學家就可以提高仿生眼的準確性，加快仿生眼的商業化。
也正如Ahmed博士所言，AI芯片的終點是永恆不變的：成為一個可以和人腦一樣從環境中學習的AI大腦。
來源：ScienceDaily