Cámara de IA de pensamiento rápido imita el cerebro humano
Investigadores en Europa están desarrollando una cámara que realmente tiene mente propia, con algoritmos similares al cerebro para procesar imágenes y sensores de luz que imitan la retina humana. Sus creadores esperan que demuestre que la inteligencia artificial, que hoy en día requiere computadoras grandes y complejas, puede integrarse rápidamente en pequeños dispositivos electrónicos de consumo. Pero si bien las cámaras de IA pueden ser una característica ingeniosa de los teléfonos inteligentes, el mayor impacto de la tecnología en realidad puede ser acelerar la forma en que los autos sin conductor y los drones voladores autónomos perciben y reaccionan a su entorno.
Las cámaras digitales tradicionales que se utilizan en vehículos autónomos y asistidos por computadora y drones, así como en equipos de vigilancia, capturan grandes cantidades de información irrelevante que ocupa un valioso espacio de almacenamiento y la duración de la batería. Gran parte de los datos se repiten porque la escena que mira la cámara no cambia mucho de un cuadro a otro. Denominada cámara de ultra bajo consumo basada en eventos, o ULPEC, esta nueva cámara con IA tiene sensores de píxeles que se disparan solo cuando la cámara está lista para grabar una nueva imagen o evento. Esta función de memoria y ahorro de energía no degradará el rendimiento: la cámara también tendrá nuevos componentes electrónicos que le permitirán reaccionar a los cambios de luz o movimiento en una escena en microsegundos (millonésimas de segundo), mientras que en las cámaras digitales de hoy, dice El profesor de la Universidad Pierre y Marie Curie, Ryad Benosman, que dirige el grupo de Visión y Computación Natural en el Vision Institute de París. «Solo registra cuando la luz que golpea el sensor de píxeles supera un umbral preestablecido», dijo Benoisman, cuyo grupo está desarrollando algoritmos de aprendizaje para la red neuronal artificial que actúa como el cerebro de la cámara. Una red neuronal artificial es un grupo de computadoras interconectadas configuradas para funcionar como un sistema de neuronas de carne y hueso en un cerebro humano. La interconexión entre computadoras permite que la red encuentre patrones en los datos que ingresan al sistema y filtre la información irrelevante a través de un proceso llamado aprendizaje automático. Dicha red, dijo Benosman, «no solo puede adquirir sino también procesar información irrelevante, lo que hace que la cámara sea más rápida y requiera menos energía para calcular».
El fotosensor de la cámara AI, su «ojo», consistirá en pequeños semiconductores y circuitos de silicio que convierten los cambios en la luz en señales eléctricas que se envían a una red neuronal. Los circuitos integrados y un nuevo tipo de componente electrónico llamado memristor, o «memristor», actúan como conexiones sinápticas que procesarán la información en estas señales, dice Sören Boyn, investigador del Instituto Federal Suizo de Tecnología en Zúrich que ahora trabaja con el equipo de Benosman Cooperación en la unidad conjunta de investigación CNRS-Thales. Uno de los mayores desafíos que enfrenta este enfoque es que la tecnología memristor, teorizada por primera vez por el profesor emérito de UC Berkeley Leon Chua (pdf) en 1971 y luego modelada matemáticamente en 2008 por investigadores de Hewlett-Packard Labs, todavía está en gran parte en desarrollo, lo que explicaría por qué No se espera que el proyecto ULPEC cuente con equipos de trabajo hasta 2022.
El memristor de la cámara AI consistirá en una capa delgada de material ferroeléctrico (ferrita de bismuto) intercalada entre dos electrodos, dice Vincent García, científico investigador de CNRS/Thales, el instituto francés de investigación científica que está desarrollando el memristor ULPEC. Los materiales ferroeléctricos tienen lados positivo y negativo, pero aplicar un voltaje invierte esas cargas. Por lo tanto, «la resistencia del memristor se puede ajustar usando voltaje», explicó García. «Al igual que la capacidad de aprendizaje de nuestro cerebro depende de la estimulación de las sinapsis, que actúan como conexiones entre nuestras neuronas, esta resistencia ajustable ayuda a la red a aprender». Cuanto más se estimulan las sinapsis, más fuertes son las conexiones. , mejor será el efecto de aprendizaje.
La combinación de sensores ópticos de inspiración biológica y redes neuronales hará que las cámaras sean especialmente adecuadas para vehículos autónomos y drones, dice Christoph Posch, director de tecnología de la startup Chronocam, con sede en París. sensor óptico. «En un automóvil autónomo, la computadora de a bordo tiene que reaccionar muy rápidamente a los cambios al atravesar el tráfico o determinar el movimiento de los peatones», explicó Posch. “ULPEC puede detectar y procesar rápidamente estos cambios.” El fabricante alemán de equipos para automóviles Bosch, que también está involucrado en el proyecto, investigará cómo se pueden usar las cámaras como parte de su tecnología de conducción autónoma y asistida por computadora.
Sylvain Saighi, profesor asociado de electrónica en la Universidad de Burdeos y líder del proyecto ULPEC de $5,57 millones, dijo que los investigadores planean colocar 20.000 memristores en el microchip de la cámara de IA.
Integrar todos los componentes de una red neuronal memristor en un solo microchip sería un gran paso adelante, dice Yoeri van de Burgt, profesora asistente de microsistemas en la Universidad Tecnológica de Eindhoven en los Países Bajos, cuya investigación incluye la construcción de sinapsis artificiales. “Dado que realiza cálculos localmente, sería más seguro y podría especializarse para tareas específicas, como cámaras en drones y automóviles autónomos”, agregó van de Burgt, quien no participó en el proyecto ULPEC.
Suponiendo que los investigadores puedan lograrlo, el chip podría ser útil mucho más allá de las cámaras inteligentes, ya que podría realizar cálculos complejos por sí solo, en lugar de descargar el trabajo a las supercomputadoras a través de la nube. De esta manera, dijo Posch, la cámara es un paso importante para determinar si el memristor subyacente y otras tecnologías funcionarán y cómo podrían integrarse en futuros dispositivos de consumo. Las cámaras con sensores innovadores y redes neuronales memristor podrían demostrar que la inteligencia artificial se puede integrar en los dispositivos para hacerlos inteligentes y energéticamente eficientes.
