▲加州大学洛杉矶分校研发的人工智能装置是由一系列聚合物层（每层约8平方厘米）构成的类人脑网络。它可通过衍射光模式识别物体。
《科学》（Science）杂志7月26日发文称，美国加州大学洛杉矶分校（UCLA）的电气与计算机工程研究人员，采用3D打印技术，制造了一种模仿人脑工作方式的人工智能装置。该装置可以用于分析海量数据，并能以实际光速识别物体。
如今，日常生活中的许多设备都可以通过摄像头识别物体，如自动存取款机和互联网搜索引擎等。这些系统都需要依赖相关设备来对物体进行图像处理：首先，摄像头或光学传感器“看到”物体，然后将“所看”处理为数据，最后由计算机程序确定它是什么。UCLA开发的“深度衍射神经网络（简称DDNN）”在该领域处于领先地位。DDNN利用物体反射的光，在很短时间内完成目标识别，而不需要高级的运算程序进行图像处理和物体确定。更重要的是，DDNN的运行只涉及光的衍射，不会消耗能量。基于DDNN的新技术可用于数据密集型任务（如对象排序和识别）的提速。例如，使用DDNN技术的无人驾驶汽车，可以在发现停车标志的瞬间作出反应，显著提升安全系数。该技术在显微成像和医学领域也有潜在应用价值。
DDNN项目主要负责人之一、UCLA电气与计算机工程教授埃道甘?奥兹坎（Aydogan Ozcan）说：“DDNN为基于人工智能的无源设备用于即时数据分析和图像处理提供了新的可能性。这种光学人工神经网络装置直观地模拟了大脑处理信息的方式。在按比扩展后，DDNN技术可促进新相机的设计，以及被动光学元件在医疗、机器人和安保等方面的应用。”
在完成计算机模拟设计后，研究人员利用3D打印机制造了8厘米见方的聚合物薄晶片。每个晶片都具有粗糙的表面，便于其从各个方向衍射物体的反射光。虽然晶片在肉眼看来是不透明的，但实验中使用的亚毫米波长太赫兹频率光可以顺利通过。一系列像素化的聚合物层叠合为“光学网络”。随后，研究人员使用计算机，以“深度学习”模式对网络进行训练——通过学习物体反射光产生的不同衍射光模式，识别不同物体。奥兹坎等已经证实，DDNN可以准确识别手写数字和衣服上的图案，研究人员还训练了作为透镜使用的该装置。
由于DDNN设备的组件是由3D打印机所制造，从人工神经网络的层数理论上来讲，它还可以更多，结构可以更复杂，从而使设备具有数亿人工神经元，进而完成更复杂的任务。值得注意的是，这些部件的制造成本很低——奥兹坎团队使用的设备的复制成本不足50美元。
虽然这项研究使用的光为太赫兹频率，但奥兹坎认为，使用可见光、红外光等的人工神经网络也是可以实现的。除3D打印外，光刻技术等或许也可用于人工神经网络的制造。
编译：雷鑫宇 审稿：阿淼 责编：南熙
