光電技術在人工智能領域的應用探討

謝禹莊

（西南交通大學 物理科學與技術學院，四川 成都610031）

1 概述

人工智能是當今最具戰略性和顛覆性的技術, 其以強大的賦能性驅動著新一輪科技革命和產業變革, 深刻地影響經濟發展、社會進步和國際政治格局構建[1]。

當前, 人工智能著重解決機器會聽（語音識別、機器翻譯等）、會看（圖像識別、文字識別等）、會說（語音合成、人機對話等）、會思考（人機對弈、定理證明等）、會學習（機器學習、知識表示等）、會行動（機器人、無人駕駛等）“六會”問題[2]。光電技術在解決這“六會”的人工智能關鍵技術中應用十分廣泛。

2 光電技術在人工智能領域的應用

光電技術在人工智能應用實踐層面主要解決“會看”“會思考”“會行動”等問題,包括以下方面。

2.1 光子芯片

智能芯片是人工智能最核心的技術,相當于人工智能的“大腦”。人工智能基于對海量數據收集、處理、選擇、交換、整合和分析。在此過程中,機器效能的消耗隨著數據量激增而“與日俱增”,傳統計算方式和硬件（傳統芯片）顯得“力不從心”,高速低耗的光子芯片應運而生。

光子芯片依托硅基光子集成技術,讓光提供算力。光子芯片運算速度快、低延遲、抗電磁干擾、低能耗,計算能力為傳統芯片的一千倍,但功耗僅為其百分之一。因而廣泛應用于大數據、人臉識別、安防監控、AI 金融、AI 醫療、自動駕駛、無人機等所有低能耗應用領域。

2015 年, 麻省理工學院研究者研制出一種可以與傳統的計算機結合進行深度學習的新型光學計算芯片（3]。2017 年,普林斯頓大學研究者研制出第一枚光子神經形態芯片[4],其依靠入射光線的明暗實現運算,這個過程不需電力運作,不損耗能源。德國研究人員在毫米級光子芯片上搭建了全光神經網絡, 且網絡內不存在光電轉換[5]。清華、北大、北交大等高校博士組成的研究團隊成功研發第一枚國產光子人工智能芯片[6]。中科院研發的云端人工智能芯片理論峰值速度, 已達每秒128 萬億次定點運算[7]。

2.2 機器視覺與計算機視覺

機器視覺是應用價值最高的人工智能技術,它使機器“開眼看世界”,實現“從識人知物到辨識萬物”。機器視覺就是用機器代替人眼進行測量和判斷,它綜合了模擬、數字電子、計算機、圖像處理、傳感器、機械工程、光源照明、光學成像等跨學科前沿技術。機器視覺具有準確性、客觀性、穩定性等特點,在安防及交通攝像頭、無人駕駛、金融、醫療等領域廣泛應用。

計算機視覺就是利用計算機和其輔助設備模擬人的視覺功能識別、跟蹤和測量目標并進行圖形處理。美國麻省理工學院研究者將人工智能和光學技術結合研發的“密集對象網絡（DON]”系統,可以使機器人更好地理解和操縱物體,甚至是它們從未見過的隨機物體[8]。

2.3 光電傳感器

傳感器是人工智能獲取信息的重要器件,是人工智能技術的硬件基礎。傳感器技術是人工智能與萬物互聯的必備條件,傳感器是人工智能的核心部件,它如同人類的五官,采集和轉換外界信息。光電傳感器一般由光源、光學通路和光電器件組成,其功能就是將光信號轉換為電信號。

光電傳感器體積小、重量輕、易升級,傳輸沒有測量誤差,應用領域十分廣泛,常見的如智能停車系統、智能水表、智能交通、智能 家居、可穿戴設備 等。當前研究的熱點是智能光電傳感器,它集成了人工神經網、人工智能、信息處理等技術,較傳統傳感器反應速度更快、精度更高、重量更輕、能耗更低,成為人工智能的關鍵因素[9]。

2.4 光儲存

光儲存是人工智能的重要基石。人工智能應用必須依靠海量數據,爆炸式增長的數據,對承載數據的基礎設施性能及能耗等提出了更高的要求, 依靠磁硬盤驅動器的傳統存儲難以滿足之一需求,新一代光存儲技術由此“大顯神通”。

光存儲的原理就是利用光子與物質的作用,將圖像、語言、文字以及相關數據等各種信息記錄下來,應用時再讀出。光學存儲芯片不發熱,硬盤設備功耗低。當前,大數據和云存儲技術已經支撐人工智能在安防領域應用。全息光存儲具有超大存儲容量、超高的存儲密度和越快的存取速度,成為研發重點。貝爾實驗室的衍生公司Inphase 公司已經在這一領域取得突破。

3 光電技術在人工智能領域應用趨勢預見

進入人工智能時代,現代科學技術也進入了爆發期。光電技術的智能化、集成化、網絡化、多功能化趨勢日益顯現,在人工智能領域應用呈現出如下特點。

3.1 交叉引領,融合應用

人工智能領域與光電技術交叉滲透、融合發展是基本趨勢。諸多人工智能需要解決的問題, 也正在是光電技術的發展需要解決的問題。

美國斯坦福大學研究直接在光學芯片上訓練人工神經網絡,讓光學電路實現基于電子的人工神經網絡的關鍵功能,從而實現成本更低、速度更快、能耗更低地執行任務[10]。

科學家正在研究應用機器學習改善傳統的光學和光電技術。通過將機器學習、神經網絡引入視覺技術中形成人工智能視覺技術,顯著提升數據處理量和速度。醫學成像引入人工智能通過胸部X 光檢查診斷肺炎,精度比人類放射科醫生更好。我國科學家發明的基于激光成像技術和人工智能的監控系統, 可在45 公里遠處實施目標識別[11]。

3.2 集成微型,高效低耗

諸多技術集成是人工智能技術的顯著特點, 設備或器件微型化、多功能化、集成化和低能耗是人工智能領域光電技術發展趨勢。

光芯片集成化和微型化已經實現突破。IBM 研發整合光路到硅基板上,實現“口袋一樣小的裝置能擁有自動駕駛車一樣的運算能力”[12]。中國信科研制的100G 硅光收發芯片, 在不到30平方毫米的硅芯片集成近60 個光器件[13]。

光電傳感器的方向為多功能化、終端應用集成化。隨著精密加工、微電子、集成電路等技術的發展及新材料的應用,光電傳感器中的一些器件尺寸已走向微米級甚至納米級。半導體蒸鍍技術、光刻技術、精密微加工及組裝技術等日益突破,同一基板整合諸多敏感器件不再是難題。可以預見,微型化、多功能化、集成化和低能耗、智能化的光電傳感器將逐步取代傳統的傳感器。

3.3 智能驅動,開源開放

智能化、自動化和數據化、網絡化是現代科學技術的發展趨勢。

蘇黎世聯邦理工學院和蘇黎世大學研發的具有“機器學習”功能的光聲掃描儀,可以從“稀疏數據”中生成高質量圖像。勞倫斯·伯克利國家實驗室和加利福尼亞大學伯克利分校研究者使用機器學習和神經網絡提高同步加速器光束性能的穩定性[14]。

開源開放已成人工智能領域的發展趨勢。當前研發方向是實現開源深度學習平臺與人工智能芯片結合,構筑“芯片+操作系統”生態。光學芯片、智能視覺等必將順應這一趨勢,在構建人工智能生態系統過程中,實現自身新突破新發展。

3.4 迭代升級,催變生新

人工智能時代也是技術大爆發的時代, 包括人工智能技術在內的諸多技術持續迭代升級,不斷催變生新。

傳統光學與現代計算機系統相結合產生智能光學,在天文、軍事、醫學等領域都有著廣泛的應用[15]。

光速深度學習正在成為現實。加州大學洛杉磯分校研究使用3D 打印生成“全光學”人工神經網絡,可以分析大量數據并以光速識別目標,開辟了光速深度學習新境界[16]。

新一代智能光電傳感器將具有分析、判斷、自適應、自學習的功能。近年研發的基于雙目視覺技術的3D 感測方案,具有低功耗、高靈敏度特點,在機器人和VR 等領域廣泛應用[17]。

荷蘭埃因霍芬理工大學光子集成研究所開發的“全光開關”,數據寫入比現有技術快成百上千倍,還不需耗費能量[18]。美國麻省理工學院研發的“密集對象網絡(DON)”系統可以幫助機器人在雜亂的環境中拾取特定物體,理解物體的方向系統[19]。

4 結論

人工智能的發展并非一蹴而就, 也非某一兩項技術支撐,需要多項技術共同發力。光電技術在人工智能領域應用占據重要席位,兩者相互促進、相互交融,不斷推陳出新,迭代升級。隨著光電技術在集成化、微型化、低功耗化、多功能化和智能化等方面不斷取得突破和進展,將更好的助力人工智能的未來。