据美国斯坦福大学的研究人员称，一种新的支持AI的摄像系统可以大大减少自动驾驶车辆携带大型计算机的需求，从而开启了人工智能手持设备的可能性。

开发无人驾驶汽车和自动无人机的挑战之一是它们需要大量的机载计算能力，传感器和其他系统，所有这些都增加了重量并且耗尽了稀缺的电池资源。

仅在自动驾驶汽车或高规格无人机中的图像识别技术依赖于人工智能(AI)系统，其可以教他们自己识别路径中的物体。在路上，这些可能包括行人，自行车，动物或其他车辆 - 所有这些都只是数字视觉系统的无差别像素，直到它能够理解它们代表什么以及不同物体通常如何表现。

无人驾驶或无人驾驶车辆需要做出瞬间决定，以避免碰撞或处理其他意外事件。虽然有些处理可以在边缘进行，但很多处理仍然存在。无论哪种情况，速度都是必不可少的。

例如，3月份优步发生致命事故造成的众多问题之一就是汽车的车载系统未能识别出人们在高速公路上转动自行车，直到为时已晚。

另一个挑战是许多运行复杂AI系统的计算机对于智能成像和分析技术可能出现的未来应用来说太大而且速度太慢，例如可以诊断一系列医疗条件的手持设备。

现在，斯坦福大学的研究人员已经设计出一种新型的人工智能相机系统，可以更快，更高效地对图像进行分类，并且有朝一日可以嵌入到这些设备中 - 这是目前无法实现的。

这项工作本月发表在Nature Scientific Reports上。

树干充满智慧

斯坦福大学电气工程助理教授戈登韦兹斯坦说：“你刚刚通过的那辆自动驾驶汽车的后备箱中有一台相对较大，速度相对较慢，能量密集的电脑。”

他解释说，未来的应用需要更快，更小的东西来处理图像流。

Wetzstein和Julie Chang是研究生和论文的第一作者，他通过将两种类型的计算机结合起来，朝着这项技术迈出了一步，创造了一种专为图像分析而设计的混合光电处理器。

据斯坦福大学说，原型相机的第一层是一种新形式的光学计算机，它不需要数字计算的高功耗数学。第二种是传统的数字处理器。

该光学层通过“物理预处理图像数据，以多种方式对其进行过滤来进行操作，否则电子计算机必须以数学方式进行过滤”，该大学表示。

研究人员称，由于这种过滤过程在光通过定制光学系统时自然发生，因此该层以零输入功率运行。这为混合系统节省了大量的时间和精力，否则这些时间和能量将被计算消耗。

“我们已将人工智能的一些数学外包到光学系统中，”Chang解释道。

“结果是计算量减少，内存调用次数减少，完成整个过程的时间也少得多，”该大学在一份发表的声明中表示。“在超越这些预处理步骤之后，剩下的分析将进入数字计算机层，并取得了相当大的进展。”

“数以百万计的计算被规避，这一切都以光速发生，”Wetzstein补充道。

快速决策

在速度和准确性方面，该大学声称该原型可以与现有的处理器相媲美，这些处理器被编程为执行相同的计算，但具有大量的计算成本节省 - 因此总体上降低了功耗。

根据该大学的说法，在模拟和现实世界的实验中，该团队成功地使用该系统在自然图像设置中识别飞机，汽车，猫，狗等。

然而，研究人员仍然可以通过小型化技术使其可以部署在手持式摄像机或自动无人机中。

特别是在无人驾驶汽车中，拥有一个微型的，由AI驱动的车载视觉系统 - 而不是相当于沉重的行李箱 - 在重量和能源效率方面将是一个福音。

除了缩小原型外，Wetzstein，Chang和他们在斯坦福计算成像实验室的同事们正在研究如何使光学元件进行更多的预处理。

另外：AI会让医疗错误成为过去吗?

据巴黎 - 萨克莱大学的研究人员称，在相关新闻中，人工智能可以减少甚至消除医疗错误。毕业生开发了Neosper，一种增强现实和人工智能程序，可以阻止整形外科医生制造危及生命的错误。

在采访了50多位外科医生以了解他们经常遇到的问题后，该团队设计了一个个性化的3D软件模拟工具，允许外科医生在手术前进行手术。该软件还可以使用传感器实时帮助外科医生 - 这在假体植入物中特别有用，他们说。