本文摘要：当今自动驾驶汽车和航空无人机的图像识别技术都依赖人工智能：一般是计算机教会自己辨识狗、穿越街道的行人或停下的汽车等物体。

当今自动驾驶汽车和航空无人机的图像识别技术都依赖人工智能：一般是计算机教会自己辨识狗、穿越街道的行人或停下的汽车等物体。问题是，目前运营人工智能算法的计算机对于手执医疗设备等未来应用于体积过于大，而且速度太快。据外媒报导，现在斯坦福大学（StanfordUniversity）的研究人员早已设计出有一款新型人工智能摄像机系统，可以更加慢、更加高效地对图像展开分类，并且有朝一日该摄像机系统有可能显得十分小，可以映射到其他设备中。

负责管理此研究的斯坦福大学电气工程助理教授GordonWetzstein回应：“刚摆摊你身边的自动驾驶车辆的行李箱中配有了一台较为大、运营比较慢而且能量消耗大的计算机。”他回应，未来的应用于必须运营速度更加慢、尺寸更加小的计算机来处置各种图像。Wetzstein和该研究论文的第一作者兼任斯坦福大学的研究生JulieChang，通过将两种类型的计算机合二为一，更进一步发展了此技术，建构了专门用作图像分析的混合光电计算机。

原型摄像头的第一层是光学计算机，不必须高强度的数字计算出来；第二层是传统的数字电子计算机。光学计算机层通过物理方法处置图像数据，以多种方法过滤器图像数据，否则电子计算机被迫以数学方法展开图像数据过滤器。

由于图像数据过滤器是在光通过自定义光学器件时自然而然再次发生，因此，该层以零输出功率工作，为混合系统节省了大量的时间和能量。Chang回应：“我们早已将人工智能数学计算外包给了光学系统。”结果是，计算出来量减少，内存调用次数增加，已完成整个过程的时间也较少得多。就速度和准确度来说，原型摄像头可与现有的电子计算处理器相媲美，此类处理器继续执行完全相同的计算出来，可节省大量的计算成本。

虽然现在的原型摄像头还在实验室阶段，而且很难被指出是小型摄像头，研究人员回应，该系统有朝一日可以小型化，以适应环境手执摄像头或是航空无人机。在仿真环境和真实世界的实验中，该团队用于该系统在大自然图像设置中顺利辨识了飞机、汽车、狗和猫等。Wetzstein回应：“我们系统的未来版将在自动驾驶汽车等较慢决策应用于中发挥作用。”除了增大原型，斯坦福计算出来光学实验室的Wetzstein、Chang以及其他同事目前正在研究如何让光学元件展开更好的预处理。

最后，更加小、更慢的技术可以代替现有行李箱大小的、协助汽车、无人机和其他技术学会辨识周围世界的计算机。

本文来源：十大网投正规信誉官网-www.aon-ai.com