數(shù)碼相機(jī)所用的現(xiàn)代圖像傳感器基于半導(dǎo)體(固態(tài))技術(shù),并于二十世紀(jì)七十年代初問世。主要分為兩種類型:電荷耦合器件(charge-coupled devices)和主動(dòng)式像素傳感器(active-pixel sensors)。它們可以“忠實(shí)地”從環(huán)境中捕獲視覺信息,但會(huì)生成大量冗余數(shù)據(jù)。通常的方式是將大量光學(xué)信息轉(zhuǎn)換為數(shù)電格式,然后傳遞到計(jì)算單元進(jìn)行圖像處理。
在傳感器和處理單元之間大量數(shù)據(jù)移動(dòng)會(huì)引起延遲和高功耗等問題。隨著成像速度和像素?cái)?shù)量的增加,帶寬帶來的限制使得難以將所有內(nèi)容快速返回到中央計(jì)算機(jī)或基于云的計(jì)算機(jī)并進(jìn)行實(shí)時(shí)處理和決策,這對(duì)一些對(duì)延遲非常敏感的應(yīng)用如無人駕駛汽車、機(jī)器人或工業(yè)制造等尤為重要。
一種更好的解決方案是將一些計(jì)算任務(wù)轉(zhuǎn)移到計(jì)算機(jī)系統(tǒng)外部邊緣傳感設(shè)備,從而減少不必要的數(shù)據(jù)移動(dòng)。由于傳感器的輸出通常是模擬信號(hào)(連續(xù)變化),模擬處理勝于數(shù)字處理:眾所周知,模數(shù)轉(zhuǎn)換既耗時(shí)又耗能。
為了模擬大腦對(duì)信息的有效處理,生物神經(jīng)形態(tài)
圖1:在視覺傳感器內(nèi)進(jìn)行計(jì)算,實(shí)現(xiàn)智能高效的預(yù)處理。(a)傳統(tǒng)人工智能(AI)視覺傳感器從光敏傳感器收集信號(hào),利用模數(shù)轉(zhuǎn)換器(ADC)將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào),放大后輸入到外部人工神經(jīng)網(wǎng)絡(luò)(ANN)——連接可以進(jìn)行調(diào)整的互連計(jì)算單元(圖中用圓形表示)層,經(jīng)過訓(xùn)練后,此網(wǎng)絡(luò)可以執(zhí)行諸如圖像分類之類的任務(wù)。ANN輸入層接收的信號(hào)是編碼后的簡單物理元素(圖中用點(diǎn)和線表示);在后續(xù)層中,這些已優(yōu)化為中級(jí)特征(圖中用簡單形狀表示);在輸出層上形成精細(xì)圖像(圖中用3D形狀表示)。整體響應(yīng)可能是又慢又耗能。(b)Mennel等研究人員設(shè)計(jì)的系統(tǒng)中,芯片上的互連傳感器(圖中用正方形表示)不僅可以收集信號(hào),還可以作為ANN來識(shí)別簡單功能,從而減少了傳感器和外部電路的冗余數(shù)據(jù)移動(dòng)。
Mennel等研究人員直接在圖像傳感器加入了人工神經(jīng)網(wǎng)絡(luò)。他們?cè)谛酒蠘?gòu)建了光電二極管網(wǎng)絡(luò),這些光電二極管是對(duì)光敏感的微型單元,每個(gè)單元中有幾層二硒化鎢(WSe2)原子層。通過調(diào)節(jié)施加在二極管上的電壓,半導(dǎo)體器件對(duì)光的響應(yīng)程度發(fā)生變化,從而實(shí)現(xiàn)對(duì)每個(gè)二極管靈敏度的分別調(diào)節(jié)。實(shí)際上,這將光電傳感器網(wǎng)絡(luò)變成了神經(jīng)網(wǎng)絡(luò)(見圖1b),能夠執(zhí)行簡單的計(jì)算任務(wù)。改變光電二極管的光響應(yīng)能力則改變網(wǎng)絡(luò)的連接強(qiáng)度(突觸權(quán)重)。因此,該器件實(shí)現(xiàn)了光學(xué)傳感與神經(jīng)形態(tài)計(jì)算的結(jié)合。
作者將光電二極管排列成九個(gè)像素的正方形陣列,每個(gè)像素有三個(gè)二極管。當(dāng)圖像投影到芯片上時(shí),會(huì)產(chǎn)生不同的二極管電流,再進(jìn)行組合和讀取。硬件陣列提供了一種模擬計(jì)算形式:每個(gè)光電二極管都會(huì)產(chǎn)生與入射光強(qiáng)度成比例的輸出電流,并且根據(jù)基爾霍夫定律(電路電流所遵循的基本規(guī)律)將沿行或列的電流值求和。
圖2:光電二極管排列成九
接著對(duì)陣列進(jìn)行執(zhí)行任務(wù)的訓(xùn)練。芯片陣列產(chǎn)生的電流與預(yù)測電流(對(duì)于給定任務(wù),陣列正確響應(yīng)圖像應(yīng)產(chǎn)生的電流)的差異,并用于調(diào)整下一次訓(xùn)練周期的突觸權(quán)重。這個(gè)學(xué)習(xí)階段會(huì)占用時(shí)間和計(jì)算資源,但是一旦經(jīng)過訓(xùn)練,該芯片將迅速執(zhí)行其任務(wù)。
神經(jīng)網(wǎng)絡(luò)可以采用不同算法,作者在文中演示了兩種神經(jīng)
圖3:27個(gè)光電探測器的光響應(yīng)值,其中訓(xùn)練數(shù)據(jù)σ = 0.3。(a,b):其中(a)為初始時(shí)期(epoch)的響應(yīng)度值,(b)時(shí)期為30時(shí)的響應(yīng)度值,訓(xùn)練數(shù)據(jù)σ = 0.2和σ= 0.4的權(quán)重相似。c:在特定的投影字母和三種噪聲水平下,所有時(shí)期測得的電流。d:三種不同噪聲水平的初始和最終響應(yīng)度值的直方圖。
第二個(gè)功能是自動(dòng)編碼:即使在存在信號(hào)噪聲的情況下,傳感器計(jì)算陣列也可以通過學(xué)習(xí)圖像的關(guān)鍵特征來生成處理后圖像的簡化表示。編碼版本僅包含最基本的信息,但可以解碼以重建與原始圖像最相似的圖像。
這項(xiàng)有前途的技術(shù)在投入實(shí)際應(yīng)用之前,還有許多工作要做。用于自動(dòng)駕駛車輛和機(jī)器人技術(shù)的神經(jīng)形態(tài)視覺系統(tǒng)需要捕獲視場角較大的3D動(dòng)態(tài)圖像和視頻。當(dāng)前使用的圖像捕獲技術(shù)通常將3D真實(shí)世界轉(zhuǎn)換為2D信息,這樣就丟失了運(yùn)動(dòng)信息和深度信息?,F(xiàn)有的平面圖像傳感器陣列也限制了廣角相機(jī)的發(fā)展。
作者描述的器件很難在昏暗的光線下成像。需要重新設(shè)計(jì)以改善薄半導(dǎo)體的光吸收并增加探測光強(qiáng)范圍。此外,論文中提到的這種設(shè)計(jì)需要高電壓并消耗大量功耗。相比之下,生物神經(jīng)網(wǎng)絡(luò)中每項(xiàng)操作的能量消耗處于亞飛焦耳級(jí)(10?1?至10?13焦耳)。這有利于擴(kuò)展到紫外線和紅外光應(yīng)用,以捕獲可見光譜無法提供的信息。
所使用的薄半導(dǎo)體很難實(shí)現(xiàn)大面積
Mennel及其同事的“在傳感器中實(shí)現(xiàn)計(jì)算”系統(tǒng)會(huì)激發(fā)對(duì)人工智能(AI)硬件的進(jìn)一步研究。一些企業(yè)已經(jīng)開發(fā)了基于硅電子的AI視覺芯片,但是這些芯片的固有數(shù)字架構(gòu)無法解決延遲和功率效率問題。
更廣泛地講,作者的策略不僅限于視覺系統(tǒng)。它可以擴(kuò)展到用于聽覺、觸覺、熱感或嗅覺的其它物理參數(shù)輸入。此類智能系統(tǒng)的開發(fā)以及5G無線網(wǎng)絡(luò)的到來,會(huì)在將來允許進(jìn)行實(shí)時(shí)邊緣(低延遲)計(jì)算。