A tecnologia de reconhecimento de imagem subjacente aos carros autônomos e drones aéreos de hoje depende da inteligência artificial:os computadores essencialmente se ensinam a reconhecer objetos como um cachorro, um pedestre atravessando a rua ou um carro parado. O problema é que os computadores que executam os algoritmos de inteligência artificial são atualmente muito grandes e lentos para futuras aplicações, como dispositivos médicos portáteis.

Agora, pesquisadores da Universidade de Stanford desenvolveram um novo tipo de sistema de câmera artificialmente inteligente que pode classificar imagens de maneira mais rápida e eficiente em termos de energia, e que um dia poderia ser construído pequeno o suficiente para ser incorporado nos próprios dispositivos, algo que não é possível hoje. O trabalho foi publicado no dia 17 de agosto. Nature Scientific Reports .

"Aquele carro autônomo que você acabou de passar tem um carro relativamente grande, relativamente lento, computador com uso intensivo de energia em seu porta-malas, "disse Gordon Wetzstein, professor assistente de engenharia elétrica em Stanford, quem liderou a pesquisa. Os aplicativos futuros precisarão de algo muito mais rápido e menor para processar o fluxo de imagens, ele disse.

Consumido por computação

Wetzstein e Julie Chang, estudante de pós-graduação e primeiro autor do artigo, deu um passo em direção a essa tecnologia ao casar dois tipos de computadores em um, criar um computador híbrido óptico-elétrico projetado especificamente para análise de imagens.

A primeira camada do protótipo da câmera é um tipo de computador óptico, que não requer a matemática de uso intensivo de energia da computação digital. A segunda camada é um computador eletrônico digital tradicional.

A camada ótica do computador opera pré-processando fisicamente os dados da imagem, filtrando-o de várias maneiras que um computador eletrônico teria de fazer matematicamente. Uma vez que a filtragem acontece naturalmente à medida que a luz passa pela ótica personalizada, esta camada opera com potência de entrada zero. Isso economiza muito tempo e energia do sistema híbrido que, de outra forma, seriam consumidos pela computação.

"Terceirizamos parte da matemática da inteligência artificial para a óptica, "Disse Chang.

O resultado é um número muito menor de cálculos, menos chamadas para a memória e muito menos tempo para concluir o processo. Tendo ultrapassado essas etapas de pré-processamento, a análise restante prossegue para a camada do computador digital com uma vantagem considerável.

"Milhões de cálculos são contornados e tudo acontece à velocidade da luz, "Disse Wetzstein.

Tomada de decisão rápida

Em velocidade e precisão, o protótipo rivaliza com os processadores de computação eletrônicos existentes que são programados para realizar os mesmos cálculos, mas com economias substanciais de custos computacionais.

Embora seu protótipo atual, disposto em uma bancada de laboratório, dificilmente seria classificado como pequeno, os pesquisadores disseram que seu sistema pode um dia ser miniaturizado para caber em uma câmera de vídeo portátil ou em um drone aéreo.

Em simulações e experimentos do mundo real, a equipe usou o sistema para identificar aviões com sucesso, automóveis, gatos, cães e muito mais nas configurações de imagem natural.

"Alguma versão futura de nosso sistema seria especialmente útil em aplicativos de tomada de decisão rápida, como veículos autônomos, "Disse Wetzstein.

Além de encolher o protótipo, Wetzstein, Chang e seus colegas do Stanford Computational Imaging Lab estão agora procurando maneiras de fazer com que o componente óptico faça ainda mais do pré-processamento. Eventualmente, seu menor, uma tecnologia mais rápida poderia substituir os computadores do tamanho do porta-malas que agora ajudam os carros, drones e outras tecnologias aprendem a reconhecer o mundo ao seu redor.