Forskere ved Northeastern har bygget en enhet som kan gjenkjenne "millioner av farger" ved hjelp av nye kunstig intelligens-teknikker. «I automatiseringens verden er former og farger de mest brukte gjenstandene som en maskin kan gjenkjenne objekter med" sier Kar.
Gjennombruddet er todelt. Forskere var i stand til å konstruere todimensjonalt materiale hvis spesielle kvanteegenskaper, når de er bygget inn i et optisk vindu som brukes til å slippe lys inn i maskinen, kan behandle et rikt fargemangfold med "svært høy nøyaktighet" - noe utøvere i feltet ikke har vært i stand til å oppnå før.
I tillegg er A-Eye i stand til å "nøyaktig gjenkjenne og reprodusere 'sett' farger med null avvik fra deres opprinnelige spektre", også takket være maskinlæringsalgoritmene utviklet av et team av AI-forskere, ledet av Sarah Ostadabbas, en assistent professor i elektro- og datateknikk ved Northeastern. Prosjektet er et resultat av unikt samarbeid mellom Northeasterns kvantematerialer og Augmented Cognition-laboratorier.
Maskiner gjenkjenner vanligvis farge ved å bryte den ned, ved å bruke vanlige RGB (røde, grønne, blå) filtre, i dens bestanddeler, og deretter bruke denne informasjonen til å gjette på og reprodusere den opprinnelige fargen. Når du retter et digitalkamera mot et farget objekt og tar et bilde, strømmer lyset fra det objektet gjennom et sett med detektorer med filtre foran dem som skiller lyset til de primære RGB-fargene.
Du kan tenke på disse fargefiltrene som trakter som kanaliserer den visuelle informasjonen eller dataene inn i separate bokser, som deretter tildeler "kunstige tall til naturlige farger," sier Kar.
"Så hvis du bare deler det ned i tre komponenter [rød, grønn, blå], er det noen begrensninger," sier Kar.
I stedet for å bruke filtre, brukte Kar og teamet hans "transmissive vinduer" laget av det unike todimensjonale materialet.
"Vi får en maskin til å gjenkjenne farger på en helt annen måte," sier Kar. "I stedet for å bryte det ned i de viktigste røde, grønne og blå komponentene, når et farget lys vises, for eksempel på en detektor, i stedet for bare å søke disse komponentene, bruker vi hele spektralinformasjonen. Og på toppen av det bruker vi noen teknikker for å modifisere og kode dem, og lagre dem på forskjellige måter. Så det gir oss et sett med tall som hjelper oss å gjenkjenne den originale fargen mye mer unikt enn den konvensjonelle måten.»
bstract
Dispersjon er akseptert som et grunnleggende trinn som kreves for å analysere bredbåndslys. Gjenkjennelsen av farge av det menneskelige øyet, dens digitale reproduksjon av et kamera, eller detaljert analyse av et spektrometer, alle bruker spredning; det er også en iboende komponent i fargedeteksjon og maskinsyn. Her presenterer vi en enhet (kalt kunstig øye eller, A-Eye) som nøyaktig gjenkjenner og reproduserer testede farger, uten noen spektral spredning. I stedet bruker A-Eye N = 3–12 transmissive vinduer, hver med unike spektrale egenskaper som følge av bredbåndstransmittansen og eksitoniske toppfunksjoner til 2D-overgangsmetalldikalkogenider. Farget lys som passerte gjennom (og modifisert av) disse vinduene og falt inn på en enkelt fotodetektor genererte forskjellige fotostrømmer, og disse ble brukt til å lage en referansedatabase (treningssett) for 1337 "sett" og 0.55 millioner syntetiserte "usett" farger. Ved å "se" på testfarger modifisert av disse vinduene, kan A-Eye nøyaktig gjenkjenne og reprodusere "sett" farger med null avvik fra deres opprinnelige spektre og "usett" farger med bare ~1 % medianavvik, ved å bruke k-NN-algoritmen . A-Eye kan kontinuerlig forbedre fargeestimering ved å legge til eventuelle korrigerte gjetninger til treningsdatabasen. A-Eyes nøyaktige fargegjenkjenning fjerner forestillingen om at spredning av farger er en forutsetning for fargeidentifikasjon og baner vei for ultrapålitelig fargegjenkjenning av maskiner med redusert teknisk kompleksitet.
Brian Wang er en futuristisk tankeleder og en populær vitenskapsblogger med 1 million lesere per måned. Bloggen hans Nextbigfuture.com er rangert som #1 Science News Blog. Den dekker mange forstyrrende teknologi og trender, inkludert rom, robotikk, kunstig intelligens, medisin, anti-aging bioteknologi og nanoteknologi.
Han er kjent for å identifisere banebrytende teknologier, og er for tiden en av grunnleggerne av en oppstart og innsamling for høy potensielle selskaper i et tidlig stadium. Han er forskningssjef for allokasjoner for dype teknologiinvesteringer og en engelinvestor hos Space Angels.
Han er en hyppig foredragsholder i selskaper, og har vært TEDx -foredragsholder, høyttaler på Singularity University og gjest på mange intervjuer for radio og podcaster. Han er åpen for offentlige foredrag og rådgivning.
