پژوهشگران دانشگاه نانجینگ چین تراشهای هوشمند به نام LightTok توسعه دادهاند که میتواند نور ورودی را مستقیماً در داخل حسگر به توکنهای قابلاستفاده برای مدلهای هوش مصنوعی تبدیل کند؛ روشی که میتواند بخشی از مراحل پردازش سنتی تصویر را حذف و مصرف انرژی سیستمهای هوش مصنوعی را کاهش دهد.
در سیستمهای معمول بینایی ماشین، اطلاعات تصویری قبل از اینکه در اختیار یک مدل هوش مصنوعی قرار بگیرند باید چند مرحله مختلف را پشت سر بگذارند؛ از دریافت نور و تبدیل سیگنال آنالوگ به دیجیتال گرفته تا ذخیرهسازی، انتقال داده و تقسیم تصویر به بخشهای قابل پردازش.
LightTok تلاش میکند بخش زیادی از این مسیر را داخل خود حسگر انجام دهد.
تبدیل مستقیم نور به توکنهای هوش مصنوعی
مهمترین ویژگی LightTok این است که پس از برخورد نور به حسگر، اطلاعات تصویری را به شکل توکنهایی تولید میکند که میتوانند مستقیماً وارد رمزگذار Transformer شوند.
Transformer همان معماریای است که در بسیاری از مدلهای مدرن هوش مصنوعی مورد استفاده قرار میگیرد و برای پردازش دادهها به ورودیهای ساختاریافته نیاز دارد.
بهگفته میائو فنگ، مدیر مؤسسه هوش مصنوعی الهامگرفته از مغز دانشگاه نانجینگ، ایده اصلی پروژه این بوده است که فرایند ساخت توکن به داخل خود حسگر منتقل شود.
در نتیجه، LightTok بهجای ثبت کامل تصویر و ارسال حجم زیادی از داده خام به پردازنده، بخشی از پردازش را همان لحظه دریافت نور انجام میدهد.
چرا این فناوری اهمیت دارد؟
سیستمهای بینایی مبتنی بر هوش مصنوعی دائماً حجم بسیار زیادی از اطلاعات تصویری تولید میکنند.
در روشهای سنتی، این دادهها باید بین حسگر، حافظه و پردازنده جابهجا شوند. همین انتقال مداوم اطلاعات یکی از عوامل افزایش مصرف انرژی، بهخصوص در دستگاههای کوچک و سیستمهای Edge AI محسوب میشود.
LightTok با پردازش اولیه اطلاعات در خود حسگر میتواند میزان دادهای را که باید بین اجزای مختلف سیستم منتقل شود کاهش دهد.
این ویژگی بهخصوص برای دستگاههایی اهمیت دارد که منابع انرژی محدودی دارند و باید برای مدت طولانی بهصورت مستقل فعالیت کنند.
هر پیکسل خودش بخشی از پردازش را انجام میدهد
تراشه LightTok از یک آرایه حافظه حساس به نور و مدارهای جانبی تشکیل شده است.
پژوهشگران این آرایه را با استفاده از فتوترانزیستورهای گیت شناور ساختهشده از دیسولفید مولیبدن تکلایه یا MoS₂ توسعه دادهاند.
هر پیکسل در این معماری تنها وظیفه تشخیص نور را برعهده ندارد؛ بلکه میتواند اطلاعات را ثبت کند، آنها را ذخیره کند و حتی بخشی از محاسبات آنالوگ را انجام دهد.
بههمین دلیل، عملیات پردازشی بسیار زودتر از سیستمهای دوربین عادی آغاز میشود.
ایدهای شبیه عملکرد چشم انسان
پژوهشگران میگویند طراحی LightTok تاحدی از سازوکار پردازش اطلاعات در سیستم بینایی انسان الهام گرفته است.
شبکیه چشم انسان نیز تمام اطلاعات دریافتشده را بدون پردازش به مغز ارسال نمیکند و بخشی از استخراج اطلاعات بصری در مراحل اولیه انجام میشود.
LightTok نیز تلاش میکند رویکرد مشابهی را در سختافزار هوش مصنوعی اجرا کند؛ یعنی قبل از ارسال اطلاعات به بخش اصلی پردازش، داده بصری تا حدی در خود حسگر آماده شود.
نمونه اولیه فقط ۳۲ در ۳۲ پیکسل است
البته LightTok فعلاً یک فناوری آزمایشگاهی محسوب میشود و نمونه اولیه آن وضوح بسیار پایینی دارد.
حسگر فعلی فقط از آرایه ۳۲ در ۳۲ پیکسلی استفاده میکند؛ یعنی در مجموع ۱۰۲۴ پیکسل حساس به نور دارد. این عدد در مقایسه با دوربین گوشیهای هوشمند یا سیستمهای تصویربرداری صنعتی بسیار کوچک است.
بااینحال، پژوهشگران میگویند فناوری LightTok با فرایندهای تولید CMOS سازگار است و از نظر تئوری امکان افزایش ابعاد و تعداد پیکسلهای آن وجود دارد.
محققان معتقدند با توسعه فرایند تولید مواد MoS₂ در مقیاس ویفر، میتوان این فناوری را در آینده به ابعادی نزدیکتر به حسگرهای تصویری امروزی رساند.
پهپادها و رباتها از کاربردهای احتمالی LightTok
یکی از جذابترین کاربردهای احتمالی این فناوری در نسل آینده سیستمهای Physical AI یا هوش مصنوعی فیزیکی خواهد بود؛ دستگاههایی که باید محیط واقعی را ببینند، تحلیل کنند و براساس آن تصمیم بگیرند.
پژوهشگران پهپادها، سیستمهای سنجش از راه دور و رباتهای کوچک را ازجمله کاربردهای احتمالی LightTok عنوان کردهاند.
چنین دستگاههایی باید بهطور مداوم محیط اطراف را مشاهده و اهداف مختلف را شناسایی یا دنبال کنند؛ فرایندی که حجم بزرگی از اطلاعات تصویری تولید میکند.
اگر LightTok بتواند مقدار انرژی موردنیاز برای این پردازش را کاهش دهد، در آینده ممکن است به افزایش زمان فعالیت پهپادها، ماهوارهها و رباتهایی که با باتری محدود کار میکنند کمک کند.
پروژه LightTok با همکاری پژوهشگران دانشگاه نانجینگ و دانشگاه ملی سنگاپور توسعه یافته و نتایج آن در مجله علمی Nature Sensors منتشر شده است.
این فناوری هنوز فاصله زیادی تا استفاده در دوربین گوشی یا محصولات مصرفی دارد، اما ایده تبدیل مستقیم نور به داده آماده برای هوش مصنوعی میتواند مسیر طراحی حسگرهای هوشمند آینده را تغییر دهد.
دیدگاهها