Vi er alle bekendt med neurale netværks evne til at genkende håndskrift. Det grundlæggende i denne teknologi har eksisteret i mange år, men det er først for relativt nylig, at spring i computerkraft og parallel behandling har gjort det til en meget praktisk løsning. Denne praktiske løsning vil dog i sin kerne være repræsenteret af en digital computer, der skifter bits mange gange, ligesom den ville gøre, når man kører ethvert andet program. Men i tilfælde af et neuralt netværk udviklet af forskere ved universiteterne i Wisconsin, MIT og Columbia, er tingene anderledes. De .
Dette glas indeholder præcist placerede indeslutninger såsom luftbobler, grafenurenheder og andre materialer. Når lys rammer glasset, opstår der komplekse bølgemønstre, som får lyset til at blive mere intenst i et af de ti områder. Hvert af disse områder svarer til et tal. Nedenfor er for eksempel to eksempler, der viser, hvordan lys forplantes, når tallet "to" genkendes.
Med et træningssæt på 5000 billeder er det neurale netværk i stand til korrekt at genkende 79% af 1000 inputbilleder. Teamet mener, at de kunne forbedre resultatet, hvis de kunne overvinde de begrænsninger, som glasproduktionsprocessen forårsager. De startede med et meget begrænset design af enheden for at få en fungerende prototype. Dernæst planlægger de at fortsætte med at udforske forskellige måder at forbedre kvaliteten af genkendelse, mens de forsøger ikke at komplicere teknologien alt for meget, så den derefter kan bruges i produktionen. Holdet har også planer om at bygge et XNUMXD neuralt netværk i glas.
Kilde: www.habr.com