热点：斯坦福创建新型AI摄像头 更高效进行图像分类

今天的自动驾驶车和航空空无人机的图像识别技术依赖于人工智能。 通常，电脑教会教人们自己识别狗和路过街道的行人和停下的车等。 问题是，现在执行人工智能算法的计算机在手持医疗设备等将来的应用中体积过大，而且速度慢。

据外部媒体报道，现在斯坦福大学( stanford university )的研究者设计了一种新的人工智能摄像系统，可以迅速有效地分类图像，同时总有一天该摄像系统会变得非常小，并将其组装到其他设备中。

负责这项研究的斯坦福大学电气工程助理教授gordon wetzstein说，刚绕你跑的自动驾驶车行李箱配备了比较大、运行缓慢、能耗大的电脑 wetzstein和该研究论文的第一作者斯坦福大学的研究生julie chang通过把两种计算机合并在一起，使这种技术得到了更快的发展，创造了专门用于图像分解的混合光电计算机。

原型照相机的第一层是光学计算机，不需要高强度的数字计算。 第二层是以前传来的数字电脑。 光学计算机层物理解决图像数据，用多种方法过滤图像数据。 否则，电子计算机必须在数学上对图像数据进行过滤。 由于图像数据滤波在光通过定制光学设备时自然发生，因此该层以零输入进行动作，所以可以在混合系统中节约大量的时间和能量。

昌说，人工智能数学计算外包给了光学系统。 结果是计算量减少了，内存调用次数减少了，完成整个过程的时间也减少了很多。 在速度和精度方面，原型相机与现有的电子计算解决方案没有很大差异，这样的解决方案通过执行同样的计算，可以节省大量的计算价格。

现在的原型照相机还处于实验室阶段，不太能认为是小型照相机，但据研究者称，该系统总有一天会小型化，可以支持手持照相机和航空空无人机。 在仿真环境和现实世界的实验中，利用该系统在自然图像设定中成功识别了飞机、汽车、狗、猫等。

wetzstein说，我们系统的未来版有助于自动驾驶车等快速决策应用。

除了缩小原型外，斯坦福计算成像实验室的wetzstein、chang和其他同事现在正在研究如何预先解决光学元件。 最终，更小、更快的技术可以取代现有行李箱大小的汽车、无人机和其他技术学会识别周围世界的计算机。