Vi kender alle til neurale netværks evne til at genkende håndskrevet tekst. Grundlaget for denne teknologi har eksisteret i mange år, men først for nylig har springet i computerkraft og parallel databehandling gjort det muligt at skabe en meget praktisk løsning ud af denne teknologi. Alligevel vil denne praktiske løsning i sin kerne blive præsenteret som en digital computer, der gentagne gange ændrer bits, præcis som ved udførelsen af ethvert andet program. Men i tilfælde af det neurale net, der er udviklet af forskere fra universiteterne Wisconsin, MIT og Columbia, er det anderledes. De .
Dette glas indeholder præcist placerede indskud, såsom luftbobler, grafen og andre materialer. Når lys rammer glasset, opstår der komplekse bølge-mønstre, som resulterer i, at lyset i en af ti områder bliver mere intenst. Hver af disse områder svarer til et bestemt tal. For eksempel er der nedenfor to eksempler, der viser, hvordan lyset spreder sig, når tallet „to” genkendes.
Ved hjælp af et træningssæt på 5000 billeder er det neurale net i stand til korrekt at genkende 79% af 1000 indgående billeder. Teamet mener, at de kunne forbedre resultatet, hvis de kunne omgå de begrænsninger, der skyldes producentens proces af glasset. De startede med et meget begrænset design af enheden for at få en fungerende prototype. Derefter planlægger de at fortsætte med at undersøge forskellige måder at forbedre genkendelseskvaliteten på, samtidig med at de forsøger ikke at komplicere teknologien unødigt, så den senere kan anvendes i produktionen. Teamet har også planer om at skabe et 3D neuralt netværk i glas.
Kilde: habr.com
