In einer Entwicklung, in der Terminator-Fans wahrscheinlich ihren Morgenkaffee ausspucken, entwickeln Forscher in Robotik und künstlicher Intelligenz KI Kamerasysteme, die lernen, was sie sehen.
Dies ermöglicht es den Systemen, unnötige Daten in Echtzeit auszublenden und beschleunigt so die Verarbeitung visueller Informationen erheblich.
Teil von a Zusammenarbeit zwischen der University of Manchester und der University of Bristol in Großbritannien hat die in der Entwicklung befindliche Technologie ein großes Potenzial für autonomes Fahrzeug Bildverarbeitung und Skynet.
VERBINDUNG: AI GESICHTSERKENNUNG UND IP-ÜBERWACHUNG FÜR SMART RETAIL BANKING UND UNTERNEHMEN
Neue intelligente Kameras
Aktuelle autonome Reisetechnologien beruhen in hohem Maße auf einer Kombination von Digitalkameras und Grafikprozessoren GPUs zum Rendern von Grafiken für Videospiele.
Das Problem besteht darin, dass diese Systeme in der Regel viele unnötige visuelle Informationen zwischen Sensoren und Prozessoren übertragen. Beispielsweise kann ein autonomes Fahrzeug die Details von Bäumen am Straßenrand verarbeiten. Diese zusätzlichen Informationen verbrauchen Strom und benötigen Verarbeitungszeit.
Vor diesem Hintergrund hat sich das Team aus Großbritannien vorgenommen, einen anderen Ansatz für eine effizientere Bildverarbeitung in Maschinen zu entwickeln. Zwei separate Artikel aus den Kooperationen haben gezeigt, wie Sensorik und maschinelles Lernen kombiniert werden können, um neue Kameratypen für Maschinen zu erstellenKI-Systeme.
Interessanterweise leiht sich ihr System von einem sehr intelligenten visuellen Präzeptor aus, der in der natürlichen Welt vorherrscht: dem menschliches Auge .
"Wir können uns von der Art und Weise inspirieren lassen, wie natürliche Systeme die visuelle Welt verarbeiten - wir nehmen nicht alles wahr - unsere Augen und unser Gehirn arbeiten zusammen, um die Welt zu verstehen, und in einigen Fällen verarbeiten die Augen selbst das Gehirnreduzieren, was nicht relevant ist ", erklärte Walterio Mayol-Cuevas, Professor für Robotik, Computer Vision und mobile Systeme an der Universität Bristol in einer Pressemitteilung.
Visuelles Verständnis in KI-Systemen
Zwei separate Papiere, eines von Dr. Laurie Bose und der andere von Yanan Liu In Bristol wird die Implementierung von Convolutional Neural Networks CNNs - einer Form von AI-Algorithmus, die visuelles Verständnis ermöglicht - über die Bildebene detailliert beschrieben.
Die CNNs können Frames tausende Male pro Sekunde klassifizieren, ohne diese Frames jemals aufzeichnen oder über die Verarbeitungspipeline senden zu müssen.
Die Arbeit verwendet die SCAMP-Architektur, die von Piotr Dudek, Professor für Schaltungen und Systeme und PI von der Universität Manchester, und seinem Team entwickelt wurde. SCAMP ist ein Kamera-Prozessor-Chip, in den in jedes Pixel eingebettete Prozessoren eingebettet sind.
Professor Dudek sagte: "Die Integration von Erfassung, Verarbeitung und Speicher auf Pixelebene ermöglicht nicht nur leistungsstarke Systeme mit geringer Latenz, sondern verspricht auch stromsparende, hocheffiziente Hardware.
"SCAMP-Geräte können mit ähnlichen Fußabdrücken wie aktuelle Kamerasensoren implementiert werden, können jedoch direkt zum Zeitpunkt der Bildaufnahme über einen universell massiv parallelen Prozessor verfügen."
Die Forschung weist auf eine Zukunft intelligenter KI-Kameras hin, die Daten filtern können, bevor sie zur Verarbeitung gesendet werden. Der Ansatz verspricht eine erhebliche Verbesserung der Effizienz von autonome Systeme bei Autos, Lastwagen und sogar Drohnen sowie einer Vielzahl anderer unvorhergesehener Entwicklungen - hoffentlich nicht apokalyptisch.