
Искусственный интеллект научился распознавать цвета
Исследователи из Токийского университета наук (TUS) достигли значительного прогресса в области искусственного интеллекта, представив искусственный синапс с автономным питанием, который с исключительной точностью имитирует удивительную способность человеческого глаза распознавать цвета. Эта инновация может кардинально изменить машинное зрение в широком спектре практических применений: от совершенствования автономных транспортных средств до революционных изменений в медицинской диагностике.
В исследовании представлено нейроморфное устройство, способное различать цвета во всем видимом спектре с разрешением 10 нанометров – уровень, близкий к возможностям человеческого зрения. Настоящим прорывом стало то, что устройство является энергетически независимым: оно самостоятельно генерирует электроэнергию с помощью интегрированных солнечных батарей, чувствительных к красителям. Это устраняет потребность в громоздких внешних источниках питания – критическое ограничение, которое до сих пор мешало широкому внедрению мощных систем машинного зрения в компактных периферийных устройствах, таких как дроны, смартфоны или носимые гаджеты (wearables).
Под руководством доцента Такаши Икуно (Takashi Ikuno) команда исследователей создала устройство, объединив два разных типа солнечных элементов, чувствительных к красителям, каждый из которых по-разному реагирует на определенную длину волн света. Такая инновационная двойная конфигурация не только обеспечивает питание, но и позволяет синапсу выполнять сложные логические операции – задачи, которые обычно требуют нескольких электронных компонентов в пределах одного компактного устройства.
Доктор Икуно отметил огромный потенциал нового оптоэлектронного устройства для разработки маломощных систем искусственного интеллекта, которые требуют как различения цветов с высоким разрешением, так и эффективной логической обработки.
Чтобы продемонстрировать его жизнеспособность в реальном мире, команда протестировала синапс в рамках вычислений физического резервуара. Система успешно распознала 18 различных комбинаций движений и цветов (красный, зеленый и синий) с впечатляющей точностью 82%. И все это – с помощью всего одного устройства, в отличие от традиционных систем, требующих нескольких фотодиодов для выполнения аналогичных задач.
Эта технология способна усовершенствовать компьютерное зрение во многих отраслях. В автомобильной индустрии она может улучшить распознавание светофоров, дорожных знаков и пешеходов в режиме реального времени в беспилотных транспортных средствах, потребляя при этом минимальное количество энергии. Для бытовой электроники это обещает разработку более умных и энергоэффективных гарнитур дополненной/виртуальной реальности (AR/VR), мобильных и носимых устройств, значительно увеличивая время автономной работы без ущерба для расширенных возможностей визуального распознавания.
Для медицины, где чрезвычайно важны точность и эффективность, эта технология имеет особое значение. Автономные визуальные сенсоры могут быть легко интегрированы в компактные диагностические инструменты, обеспечивая реальный мониторинг жизненно важных показателей, таких как уровень насыщения кислородом или состояние кожи, без необходимости постоянной подзарядки.
Такие разработки тесно перекликаются с работой компании Qudata. Наша команда разрабатывает широкий спектр решений компьютерного зрения, приспособленных к реальным потребностям. Опыт Qudata распространяется на разнообразные сферы применения, включая здравоохранение.
Отдельное внимание мы уделяем медицинской визуализации и радиологии. Наша команда разработала ИИ-модель для раннего выявления рака молочной железы. Обучая модели распознавать закономерности и аномалии на сложных медицинских снимках, в частности маммограммах, наша система помогает врачам диагностировать болезнь на ранних стадиях, когда лечение является наиболее эффективным. Решение от Qudata не только выявляет патологии, но и помогает в классификации и анализе, повышая точность и эффективность диагностики.
Благодаря устройствам, которые работают автономно и обрабатывают сложные визуальные данные почти с человеческой эффективностью, передовые диагностические методы могут стать более доступными и более надежными для широкой общественности, что способно в корне изменить систему здравоохранения.