A mesterségesintelligencia-kutatások felvirágzásában a gépi tanulás, annak is a hierarchikus módszerrel, rétegenként haladó úgynevezett mélytanulás (deep learning) ága játssza a kulcsszerepet. A technológia fellendülése a számítási kapacitás drasztikus növekedése mellett az adatrobbanásnak, a big data jelenségnek tudható be.
A mélytanulást orvosi képek elemzésétől a beszédfelismerésig szerteágazó, gyakran egészen speciális feladatokra alkalmazzák. A gyakorlás közben megtanult digitális adatreprezentációkat és alkalmazásokat hasznosítva jut el az eredményig. Minél speciálisabb egy munka, általában annál jobban – sokszor az embernél is jobban – teljesít egy mai MI-rendszer.
Aydogan Ozcan, a Los Angelesi Kaliforniai Egyetem (UCLA) kutatója optikai Fénytörő Mély Ideghálókkal (D2NN) fizikai mechanizmust vezetett be a mélytanulási folyamatba. Az optikai ideghálót az agy információfeldolgozásáról mintázta, a rendszer a tárgyról visszaverődő fénnyel, magyarán fénysebesség tempóban azonosítja a tárgyat.
Számítógéppel szimulált tervvel kezdték, majd nagyon vékony 8 négyzetcentiméteres polimerostyákat nyomtattak, a tárgyról különféle irányokból érkező fény törésében hasznos egyenetlen felületekkel. Az ostyák szemre átlátszatlanok, de a fény milliméternél kisebb hullámhosszú terahertz frekvenciái áthatolnak rajtuk. A fény pici pixeleken, rétegenként több tízezer mesterséges idegsejten megy át.
A pixelizált rétegek sorozata a bejövő fény mozgását meghatározó optikai ideghálóként működik. Azért tudja a tárgyat azonosítani, mert az onnan érkező fény az adott tárgy típusához kijelölt pixel felé törik meg. A hálózat minden egyes tárgy után keletkezett mintázat megtanulásával képes erre.
„Rétegről rétegre gyártott passzív komponensekkel, a rétegek fénytöréssel való összekapcsolásával gépitanulás-feladatokat fénysebességgel kivitelező egyedi optikai platformot hoztunk létre. A fejlesztés új lehetőségeket nyit mesterségesintelligencia-alapú passzív eszközök azonnali adat-, képelemzéséhez, tárgyosztályozásához. Jelentősen felgyorsítja az adatintenzív feladatok elvégzését” – magyarázza Ozcan.
A tesztek során a rendszer kézzel írt számokat és ruhadarabokat azonosított, de a terahertz spektrumban képalkotó lencseként is működik. Önvezető autóktól a medicináig, sok területen alkalmazhatják.
A 3D nyomtatás sok szempontból előnyös: több és nagyobb pluszréteg, összességében pedig masszívabb, sok százmillió idegsejtből álló eszközök dolgozhatók ki vele. Ezek az eszközök több tárgyat azonosítanak, és sokkal komplexebb elemzéseket végeznek.
Mindezt olcsón teszik – az UCLA szerkezetét kevesebb mint 50 dollárból dolgozták ki.