Kamera Cerdas Yang Dapat Mempelajari Dan Memahami Apa Yang Mereka Lihat

Kamera Cerdas Yang Dapat Mempelajari Dan Memahami Apa Yang Mereka Lihat

Kamera Cerdas Yang Dapat Mempelajari Dan Memahami Apa Yang Mereka Lihat – Kamera cerdas bisa selangkah lebih dekat berkat kolaborasi penelitian antara Universitas Bristol dan Manchester yang telah mengembangkan kamera yang dapat mempelajari dan memahami apa yang mereka lihat.

Kamera Cerdas Yang Dapat Mempelajari Dan Memahami Apa Yang Mereka Lihat

Ahli robot dan peneliti kecerdasan buatan (AI) tahu ada masalah dalam cara sistem saat ini merasakan dan memproses dunia. Saat ini mereka masih menggabungkan sensor, seperti kamera digital yang dirancang untuk merekam gambar, dengan perangkat komputasi seperti unit pengolah grafis (GPU) yang dirancang untuk mempercepat grafis untuk video game.

Ini berarti sistem AI memahami dunia hanya setelah merekam dan mentransmisikan informasi visual antara sensor dan prosesor. Tetapi banyak hal yang dapat dilihat seringkali tidak relevan untuk tugas yang dihadapi, seperti detail dedaunan di pohon pinggir jalan saat mobil otonom lewat.

Namun, saat ini semua informasi ini ditangkap oleh sensor dengan sangat detail dan dikirim ke sistem yang menyumbat data yang tidak relevan, menghabiskan daya dan memakan waktu pemrosesan. Pendekatan yang berbeda diperlukan untuk memungkinkan penglihatan yang efisien untuk mesin cerdas.

Dua makalah dari kolaborasi Bristol dan Manchester telah menunjukkan bagaimana penginderaan dan pembelajaran dapat digabungkan untuk membuat kamera baru untuk sistem AI.

Walterio Mayol-Cuevas, Profesor Robotika, Visi Komputer, dan Sistem Seluler di University of Bristol dan peneliti utama (PI), berkomentar: “Untuk menciptakan sistem persepsi yang efisien, kita perlu mendorong batasan melampaui cara yang telah kita ikuti sejauh ini.

“Kita dapat meminjam inspirasi dari cara sistem alami memproses dunia visual kita tidak memahami segalanya mata dan otak kita bekerja sama untuk memahami dunia dan dalam beberapa kasus, mata sendiri melakukan pemrosesan untuk membantu otak mengurangi apa yang tidak relevan.”

Hal ini dibuktikan dengan cara mata katak memiliki detektor yang melihat objek seperti lalat, langsung di titik di mana gambar-gambar itu dirasakan.

Makalah, satu dipimpin oleh Dr. Laurie Bose dan yang lainnya oleh Yanan Liu di Bristol, telah mengungkapkan dua perbaikan untuk tujuan ini. Dengan mengimplementasikan Convolutional Neural Networks (CNNs), suatu bentuk algoritma AI untuk memungkinkan pemahaman visual, langsung pada bidang gambar.

CNN yang telah dikembangkan tim dapat mengklasifikasikan bingkai dalam ribuan kali per detik, tanpa harus merekam gambar ini atau mengirimkannya ke jalur pemrosesan. Para peneliti mempertimbangkan demonstrasi pengklasifikasian angka tulisan tangan, gerakan tangan dan bahkan pengklasifikasian plankton.

Penelitian tersebut menunjukkan masa depan dengan kamera AI khusus yang cerdas sistem visual yang dapat dengan mudah mengirimkan informasi tingkat tinggi ke seluruh sistem, seperti jenis objek atau peristiwa yang terjadi di depan kamera. Pendekatan ini akan membuat sistem jauh lebih efisien dan aman karena tidak ada gambar yang perlu direkam.

Pekerjaan tersebut telah terlaksana berkat arsitektur SCAMP yang dikembangkan oleh Piotr Dudek, Profesor Sirkuit dan Sistem, dan PI dari Universitas Manchester, dan timnya. SCAMP adalah chip prosesor kamera yang tim gambarkan sebagai Pixel Processor Array (PPA).

PPA memiliki prosesor yang tertanam di setiap piksel yang dapat berkomunikasi satu sama lain untuk diproses dalam bentuk yang benar-benar paralel. Ini sangat ideal untuk CNN dan algoritma vision.

Profesor Dudek berkata: “Integrasi penginderaan, pemrosesan dan memori pada tingkat piksel tidak hanya memungkinkan sistem berkinerja tinggi, latensi rendah, tetapi juga menjanjikan perangkat keras berdaya rendah dan sangat efisien.

“Perangkat SCAMP dapat diimplementasikan dengan footprint yang mirip dengan sensor kamera saat ini, tetapi dengan kemampuan untuk memiliki prosesor paralel masif untuk keperluan umum tepat di titik pengambilan gambar.”

Dr. Tom Richardson, Dosen Senior Mekanika Penerbangan, di University of Bristol dan anggota proyek telah mengintegrasikan arsitektur SCAMP dengan drone ringan.

Dia menjelaskan: “Yang sangat menarik dari kamera ini bukan hanya kemampuan pembelajaran mesin yang baru muncul, tetapi kecepatan menjalankannya dan konfigurasi yang ringan. Mereka benar-benar ideal untuk platform udara berkecepatan tinggi dan sangat gesit yang benar-benar dapat belajar dengan cepat!”

Kamera Cerdas Yang Dapat Mempelajari Dan Memahami Apa Yang Mereka Lihat

Penelitian, yang didanai oleh Engineering and Physical Sciences Research Council (EPSRC), telah menunjukkan bahwa penting untuk mempertanyakan asumsi yang ada saat sistem AI dirancang. Dan hal-hal yang sering dianggap remeh, seperti kamera, dapat dan harus diperbaiki untuk mencapai tujuan mesin cerdas yang lebih efisien.

Bagaimana 5G Akan Mengubah Transportasi Pintar Di Kota-Kota Pada Tahun 2021

Bagaimana 5G Akan Mengubah Transportasi Pintar Di Kota-Kota Pada Tahun 2021

Bagaimana 5G Akan Mengubah Transportasi Pintar Di Kota-Kota Pada Tahun 2021 – Ada banyak hype seputar teknologi 5G, tetapi sebagian besar terkonsentrasi di sekitar kecepatan internet yang cepat untuk komputer dan smartphone.

Kebanyakan orang tidak menyadari fakta bahwa sejumlah besar perangkat dan aplikasi bertenaga internet akan mendapat manfaat dari koneksi cepat yang ditawarkan 5G. Lebih dari sekadar membuat penjelajahan dan pengunduhan kami lebih cepat, ini akan mengubah cara masyarakat beroperasi.

Bagaimana 5G Akan Mengubah Transportasi Pintar Di Kota-Kota Pada Tahun 2021

Dan ini akan menjadi sangat penting di tahun-tahun mendatang. PBB memperkirakan bahwa 21% dari populasi dunia akan tinggal di kota pada tahun 2050. Hal ini bisa mengakibatkan sejumlah masalah, terutama dalam hal lalu lintas dan lingkungan. Tetapi 5G berpotensi meminimalkan efek merugikan yang diakui ini dari peningkatan transportasi.

Apa Itu 5G?

5G adalah teknologi seluler generasi kelima. Lompatan besar dari 4G dalam hal kecepatan dan aplikasi, fitur HP pada teknologi 5G membandingkannya dengan 4G, mengungkapkan bagaimana hal itu 70 kali lebih cepat daripada biasanya.

Ini dapat mengirimkan data 10 hingga 100 kali lebih cepat daripada LTE, dan memiliki kapasitas untuk memotong latensi kelambatan atau penundaan yang terjadi dalam komunikasi data melalui jaringan menjadi hanya milidetik.

Kecepatan yang belum pernah terjadi sebelumnya ini diperkirakan akan mengganggu sejumlah industri, termasuk  kesehatanperawatan, kerja jarak jauh, game, dan pendidikan online.

Mengingat bagaimana ia dapat terhubung ke hampir semua hal di sekitar kita dengan jaringan yang sangat cepat dan responsif sepenuhnya, 5G juga memungkinkan kita untuk memanfaatkan potensi penuh teknologi canggih seperti kecerdasan buatan, realitas virtual, Internet of Things, dan tentu saja, transportasi pintar.

Bagaimana 5G Akan Mengganggu Transportasi Pintar?

Berkurangnya Waktu Perjalanan

Salah satu perubahan terpenting yang dapat dihasilkan 5G adalah membuat perjalanan harian Anda ke kantor jauh lebih cepat. Saat ini, IoT Business News mencatat bahwa sebagian besar agen transportasi mengandalkan jadwal dan teknologi yang sudah ketinggalan zaman, yang menghasilkan pencahayaan yang tidak tepat waktu.

Ini memperlambat pengendara, membuat perjalanan lebih lama dari yang seharusnya. Belum lagi, juga lebih mahal karena pengemudi membuang bahan bakar saat berhenti di lampu merah.

Teknologi 5G dapat mengubah semua ini dengan memungkinkan lampu lalu lintas menerima data waktu nyata tentang pola lalu lintas dari kamera, sensor, dan drone yang didistribusikan ke seluruh kota pintar.

Hasilnya, lampu lalu lintas akan lebih responsif terhadap lalu lintas aktual, menjaganya tetap mengalir dan mengurangi pemberhentian yang tidak perlu di lampu merah. Ini sebenarnya telah diuji oleh Universitas Carnegie Mellon, dan mereka menemukan bahwa teknologi semacam ini dapat menghasilkan penurunan kemacetan lalu lintas sebesar 40%, penurunan emisi 21%, dan perjalanan yang lebih cepat 26%. Teknologi yang sama juga dapat diterapkan pada transportasi umum.

Rencana kota pintar London menguraikan bagaimana data dapat digunakan untuk merencanakan rute bus dengan melacak bagaimana orang-orang bergerak di sekitar London. Selain itu, selain meningkatkan pengalaman perjalanan, data juga dapat digunakan untuk memperbarui penduduk kota tentang kualitas udara lokalnya secara real-time.

Mobil Tanpa Pengemudi

Konsep mobil otonom telah lama ada di film dan TV, tetapi sepertinya teknologi 5G akan bertanggung jawab untuk mewujudkannya. Dan karena sistem mobil otonom membutuhkan kemampuan pemrosesan data yang luar biasa dan kecepatan yang mirip dengan refleks manusia, mereka membutuhkan jaringan yang jauh lebih cepat daripada teknologi 4G yang ada, yang tentu saja dapat dipenuhi oleh 5G.

Sensor yang ditemukan di kendaraan self-driving juga menghasilkan data dalam jumlah yang belum pernah terjadi sebelumnya, tetapi penanganan, pemrosesan, dan analisisnya dapat diakomodasi oleh 5G.

Terlebih lagi, perusahaan besar sedang mengembangkan chip yang dapat mengubah kendaraan otonom menjadi pusat data seluler, yang memungkinkan mobil ini membuat keputusan yang kompleks dan real-time.

Dan ketika 5G akhirnya memasuki adopsi arus utama, itu akan membuka kemungkinan menarik untuk konektivitas kendaraan-ke-kendaraan (V2V) dan kendaraan-ke-semuanya (V2X).

Keamanan Lalu Lintas Yang Ditingkatkan

Sementara transmisi data cepat 5G dianggap berguna untuk hal-hal seperti menyediakan layanan cuaca jalan, melakukan pemeliharaan jalan, dan mengendalikan kendaraan tanpa pengemudi, Pusat Penelitian Teknis VTT Finlandia menyoroti bagaimana tujuan akhirnya, setidaknya dalam hal lalu lintas dan transportasi, mengurangi kecelakaan.

Pengemudi dapat mengumpulkan data secara otomatis tanpa melakukan apa pun, dan data ini dapat dikirim ke pengguna jalan lain melalui sistem otomatis.

Semua orang di jalan dapat memiliki akses ke informasi penting, termasuk peringatan tentang kondisi es dan lokasi tumpukan salju, lubang, atau pohon tumbang. Ini kemudian dapat membantu pengemudi memilih rute berbeda atau mengubah cara mereka mengemudi.

Bagaimana 5G Akan Mengubah Transportasi Pintar Di Kota-Kota Pada Tahun 2021

Selain itu, seperti yang disebutkan oleh Adam Frost, bandwidth tinggi 5G, kecepatan ultra tinggi, latensi rendah, dan kemampuan untuk menghubungkan ratusan perangkat, akan berarti bahwa kendaraan akan dapat mengirim dan menerima data dari kendaraan lain dan kamera yang dipasang di lampu jalan.

Perangkat yang terhubung akan diberi tahu saat lampu menyala merah atau saat kendaraan di depan berhenti mendadak.

Micius Satellite Memungkinkan Komunikasi Kuantum Antar Benua

Micius Satellite Memungkinkan Komunikasi Kuantum Antar Benua

Micius Satellite Memungkinkan Komunikasi Kuantum Antar Benua – Komunikasi pribadi dan aman adalah kebutuhan dasar manusia. Secara khusus, dengan pertumbuhan eksponensial penggunaan Internet dan e-commerce, sangatlah penting untuk membangun jaringan yang aman dengan perlindungan data global.

Micius Satellite Memungkinkan Komunikasi Kuantum Antar Benua

Kriptografi kunci publik tradisional biasanya mengandalkan ketangguhan komputasi fungsi matematika tertentu. Sebaliknya, distribusi kunci kuantum (QKD) menggunakan kuanta cahaya individu (foton tunggal) dalam status superposisi kuantum untuk menjamin keamanan tanpa syarat antara pihak yang berjauhan.

Sebelumnya, jarak komunikasi kuantum telah dibatasi hingga beberapa ratus kilometer, karena kehilangan saluran optik dari serat atau ruang bebas terestrial. Solusi yang menjanjikan untuk masalah ini memanfaatkan satelit dan tautan berbasis ruang angkasa,

Tim ilmuwan multi-institusi lintas disiplin dari Akademi Ilmu Pengetahuan China, yang dipimpin oleh Profesor Jian-Wei Pan, telah menghabiskan lebih dari sepuluh tahun mengembangkan satelit canggih, Micius, yang didedikasikan untuk eksperimen sains kuantum, yang diluncurkan pada Agustus 2016 dan mengorbit pada ketinggian ~ 500 km.

Lima stasiun bumi dibangun di China untuk bekerja sama dengan satelit Micius, yang terletak di Xinglong (dekat Beijing), Nanshan (dekat Urumqi), Delingha (37 ° 22’44.43”LU, 97 ° 43’37.01 ″ BT), Lijiang (26 ° 41’38.15 “LU, 100 ° 1’45.55” BT), dan Ngari di Tibet (32 ° 19’30.07 “LU, 80 ° 1’34.18” BT).

Dalam setahun setelah peluncuran, tiga tonggak penting untuk internet kuantum skala global telah tercapai: QKD status umpan satelit ke darat dengan laju kHz pada jarak ~ 1200 km (Liao et al.2017, Nature 549, 43); distribusi keterjeratan berbasis satelit ke dua lokasi di Bumi yang dipisahkan oleh ~ 1200 km dan uji Bell (Yin et al.2017, Science 356, 1140), dan teleportasi kuantum darat-ke-satelit (Ren et al.2017, Nature 549, 70).

Efisiensi tautan efektif dalam QKD berbasis satelit diukur menjadi ~ 20 kali lipat lebih besar dari transmisi langsung melalui serat optik pada panjang yang sama yaitu 1200 km. Ketiga eksperimen tersebut adalah langkah pertama menuju internet kuantum berbasis ruang global.

Efisiensi tautan efektif dalam QKD berbasis satelit diukur menjadi ~ 20 kali lipat lebih besar dari transmisi langsung melalui serat optik pada panjang yang sama yaitu 1200 km. Ketiga eksperimen tersebut adalah langkah pertama menuju internet kuantum berbasis ruang global.

Efisiensi tautan efektif dalam QKD berbasis satelit diukur menjadi ~ 20 kali lipat lebih besar dari transmisi langsung melalui serat optik pada panjang yang sama yaitu 1200 km. Ketiga eksperimen tersebut adalah langkah pertama menuju internet kuantum berbasis ruang global.

QKD berbasis satelit sekarang telah digabungkan dengan jaringan kuantum metropolitan, di mana serat digunakan untuk secara efisien dan nyaman menghubungkan banyak pengguna di dalam kota dalam skala jarak ~ 100 km.

Misalnya, stasiun Xinglong sekarang telah terhubung ke jaringan kuantum multi-node metropolitan di Beijing melalui serat optik. Baru-baru ini, tulang punggung komunikasi kuantum berbasis serat terbesar telah dibangun di China, juga oleh tim Profesor Pan, yang menghubungkan Beijing ke Shanghai (melalui Jinan dan Hefei, dan 32 relai terpercaya) dengan panjang serat 2000 km.

Tulang punggung sedang diuji untuk aplikasi dunia nyata oleh pemerintah, bank, sekuritas, dan perusahaan asuransi.

Satelit Micius dapat dieksploitasi lebih lanjut sebagai relai tepercaya untuk dengan mudah menghubungkan dua titik di Bumi untuk pertukaran kunci dengan keamanan tinggi.

Untuk lebih mendemonstrasikan satelit Micius sebagai platform yang kuat untuk distribusi kunci kuantum dengan stasiun bumi berbeda di Bumi, QKD dari satelit Micius ke stasiun bumi Garz dekat Wina juga telah berhasil dilakukan pada bulan Juni ini bekerja sama dengan Profesor Anton Zeilinger dari Akademi Ilmu Pengetahuan Austria.

Satelit dengan demikian menetapkan kunci pengaman antara dirinya dan, katakanlah, Xinglong, dan kunci lain antara dirinya dan, katakanlah, Graz.

Kemudian, atas permintaan dari stasiun komando darat, Micius bertindak sebagai relai tepercaya. Ini melakukan operasi OR eksklusif bitwise antara dua tombol dan menyampaikan hasilnya ke salah satu stasiun bumi. Dengan begitu, sebuah kunci rahasia dibuat antara China dan Eropa di lokasi yang terpisah sejauh 7600 km di Bumi. Pekerjaan ini mengarah ke solusi yang efisien untuk jaringan kuantum global jarak jauh.

Gambar Micius (dengan ukuran 5,34 kB) dikirim dari Beijing ke Wina, dan gambar Schrödinger (dengan ukuran 4,9 kB) dari Wina ke Beijing, menggunakan sekitar 80 kbit kunci kuantum aman untuk pad satu kali pengkodean.

Micius Satellite Memungkinkan Komunikasi Kuantum Antar Benua

Konferensi video antarbenua juga diadakan antara Akademi Ilmu Pengetahuan China dan Akademi Ilmu Pengetahuan Austria, menggunakan protokol Standar Enkripsi Lanjutan (AES) -128 yang menyegarkan kunci benih 128-bit setiap detik.

Konferensi video berlangsung selama 75 menit dengan total transmisi data ~ 2 GB, termasuk? 560 kbit kunci kuantum yang dipertukarkan antara Austria dan China.

Insinyur MIT Mengembangkan Prosesor Nanofotonik Yang Dapat Diprogram

Insinyur MIT Mengembangkan Prosesor Nanofotonik Yang Dapat Diprogram

Insinyur MIT Mengembangkan Prosesor Nanofotonik Yang Dapat Diprogram – Sebuah tim insinyur mengusulkan arsitektur baru untuk jaringan saraf optik penuh yang, pada prinsipnya, dapat menawarkan peningkatan dalam kecepatan komputasi dan efisiensi daya dibandingkan peralatan elektronik canggih untuk tugas-tugas inferensi konvensional.

Insinyur MIT Mengembangkan Prosesor Nanofotonik Yang Dapat Diprogram

Sistem komputer “pembelajaran mendalam”, yang didasarkan pada jaringan saraf tiruan yang meniru cara otak belajar dari kumpulan contoh, telah menjadi topik hangat dalam ilmu komputer.

Selain memungkinkan teknologi seperti perangkat lunak pengenalan wajah dan suara, sistem ini dapat menjelajahi data medis dalam jumlah besar untuk menemukan pola yang dapat berguna secara diagnostik, atau memindai formula kimia untuk kemungkinan obat baru.

Tetapi perhitungan yang harus dilakukan oleh sistem ini sangat kompleks dan menuntut, bahkan untuk komputer yang paling canggih sekalipun.

Sekarang, tim peneliti di MIT dan di tempat lain telah mengembangkan pendekatan baru untuk komputasi semacam itu, menggunakan cahaya alih-alih listrik, yang menurut mereka dapat sangat meningkatkan kecepatan dan efisiensi komputasi pembelajaran mendalam tertentu.

Hasil mereka muncul hari ini di jurnal Nature Photonics dalam makalah dari MIT postdoc Yichen Shen, mahasiswa pascasarjana Nicholas Harris, profesor Marin Soljačić dan Dirk Englund, dan delapan lainnya.

Soljačić mengatakan bahwa banyak peneliti selama bertahun-tahun telah membuat klaim tentang komputer berbasis optik, tetapi “orang-orang secara dramatis berjanji berlebihan, dan itu menjadi bumerang.”

Sementara banyak usulan penggunaan komputer fotonik tersebut ternyata tidak praktis, sistem jaringan saraf berbasis cahaya yang dikembangkan oleh tim ini “mungkin dapat diterapkan untuk pembelajaran mendalam untuk beberapa aplikasi,” katanya.

Arsitektur komputer tradisional tidak terlalu efisien dalam hal jenis kalkulasi yang diperlukan untuk tugas jaringan saraf tertentu yang penting. Tugas semacam itu biasanya melibatkan penggandaan matriks yang berulang, yang bisa sangat intensif secara komputasi dalam chip CPU atau GPU konvensional.

Setelah penelitian bertahun-tahun, tim MIT telah menemukan cara untuk melakukan operasi ini secara optik. “Chip ini, setelah Anda menyetelnya, dapat melakukan perkalian matriks dengan, pada prinsipnya, energi nol, hampir secara instan,” kata Soljačić. “Kami telah mendemonstrasikan blok bangunan penting tetapi belum sistem lengkapnya.”

Sebagai analogi, Soljačić menunjukkan bahwa bahkan lensa kacamata biasa pun melakukan kalkulasi kompleks (yang disebut transformasi Fourier) pada gelombang cahaya yang melewatinya. Cara penghitungan sinar cahaya dalam chip fotonik baru jauh lebih umum tetapi memiliki prinsip dasar yang serupa.

Pendekatan baru ini menggunakan beberapa berkas cahaya yang diarahkan sedemikian rupa sehingga gelombangnya berinteraksi satu sama lain, menghasilkan pola interferensi yang menyampaikan hasil operasi yang dimaksudkan. Perangkat yang dihasilkan adalah sesuatu yang oleh para peneliti disebut prosesor nanophotonic yang dapat diprogram.

Hasilnya, kata Shen, adalah bahwa chip optik yang menggunakan arsitektur ini pada prinsipnya dapat melakukan kalkulasi yang dilakukan dalam algoritme kecerdasan buatan jauh lebih cepat dan menggunakan energi kurang dari seperseribu per operasi seperti chip elektronik konvensional.

“Keuntungan alami menggunakan perkalian matriks yang ringan memainkan peran besar dalam percepatan dan penghematan daya, karena perkalian matriks padat adalah bagian yang paling boros daya dan memakan waktu dalam algoritme AI,” katanya.

Prosesor nanofotonik baru yang dapat diprogram, yang dikembangkan di lab Englund oleh Harris dan kolaborator, menggunakan serangkaian pandu gelombang yang saling berhubungan dengan cara yang dapat dimodifikasi sesuai kebutuhan, memprogram kumpulan berkas itu untuk komputasi tertentu. “Anda dapat memprogram dalam operasi matriks apa pun,” kata Harris.

Prosesor memandu cahaya melalui serangkaian pandu gelombang fotonik yang digabungkan. Proposal lengkap tim meminta lapisan perangkat berselang-seling yang menerapkan operasi yang disebut fungsi aktivasi nonlinier, dalam analogi dengan operasi neuron di otak.

Untuk mendemonstrasikan konsep tersebut, tim menyetel prosesor nanofotonik yang dapat diprogram untuk mengimplementasikan jaringan saraf yang mengenali empat suara vokal dasar.

Bahkan dengan sistem yang belum sempurna ini, mereka mampu mencapai tingkat akurasi 77 persen, dibandingkan dengan sekitar 90 persen untuk sistem konvensional. Tidak ada “hambatan berarti” untuk meningkatkan sistem agar lebih akurat, kata Soljačić.

Englund menambahkan bahwa prosesor nanofotonik yang dapat diprogram dapat memiliki aplikasi lain juga, termasuk pemrosesan sinyal untuk transmisi data. “Pemrosesan sinyal analog berkecepatan tinggi adalah sesuatu yang dapat dikelola.”

Lebih cepat daripada pendekatan lain yang pertama-tama mengubah sinyal ke bentuk digital, karena cahaya pada dasarnya adalah media analog. “Pendekatan ini bisa melakukan pemrosesan secara langsung di domain analog,” ujarnya.

Tim mengatakan masih akan membutuhkan lebih banyak tenaga dan waktu untuk membuat sistem ini berguna; namun, setelah sistem ditingkatkan dan berfungsi penuh, ia dapat menemukan banyak kasus pengguna, seperti pusat data atau sistem keamanan.

Sistem ini juga bisa menjadi keuntungan bagi mobil atau drone yang bisa mengemudi sendiri, kata Harris, atau “kapan pun Anda perlu melakukan banyak komputasi tetapi Anda tidak memiliki banyak tenaga atau waktu”.

Insinyur MIT Mengembangkan Prosesor Nanofotonik Yang Dapat Diprogram

Tim peneliti juga termasuk mahasiswa pascasarjana MIT Scott Skirlo dan Mihika Prabhu di Laboratorium Riset Elektronika, Xin Sun di matematika, dan Shijie Zhao di biologi, Tom Baehr-Jones dan Michael Hochberg di Elenion Technologies, di New York, dan Hugo Larochelle di Université de Sherbrooke, di Quebec.

Pekerjaan itu didukung oleh Kantor Riset Angkatan Darat AS melalui Institut Teknologi Nano Prajurit, Yayasan Sains Nasional, dan Kantor Riset Ilmiah Angkatan Udara.

Prosesor Neuromorfik Optik Tercepat Di Dunia

Prosesor Neuromorfik Optik Tercepat Di Dunia

Prosesor Neuromorfik Optik Tercepat Di Dunia – Tim peneliti internasional yang dipimpin oleh Swinburne University of Technology telah mendemonstrasikan prosesor neuromorfik optik tercepat dan paling kuat di dunia untuk kecerdasan buatan (AI), yang beroperasi lebih cepat dari 10 triliun operasi per detik (TeraOPs/s) dan mampu memproses ultra-data skala besar.

Prosesor Neuromorfik Optik Tercepat Di Dunia

Diterbitkan di jurnal Nature, terobosan ini merupakan lompatan besar ke depan untuk jaringan saraf dan pemrosesan neuromorfik secara umum.

Jaringan saraf tiruan, salah satu bentuk kunci dari AI, dapat ‘belajar’ dan melakukan operasi kompleks dengan aplikasi luas untuk penglihatan komputer, pemrosesan bahasa alami, pengenalan wajah, terjemahan ucapan, bermain game strategi, diagnosis medis, dan banyak bidang lainnya.

Terinspirasi oleh struktur biologis sistem korteks visual otak, jaringan saraf tiruan mengekstraksi fitur utama dari data mentah untuk memprediksi sifat dan perilaku dengan akurasi dan kesederhanaan yang belum pernah terjadi sebelumnya.

Dipimpin oleh Profesor David Moss Swinburne, Dr Xingyuan (Mike) Xu (Swinburne, Universitas Monash) dan Profesor Terhormat Arnan Mitchell dari Universitas RMIT, tim mencapai prestasi luar biasa dalam jaringan saraf optik: secara dramatis mempercepat kecepatan komputasi dan kekuatan pemrosesan mereka.

Tim mendemonstrasikan prosesor neuromorfik optik yang beroperasi lebih dari 1000 kali lebih cepat daripada prosesor sebelumnya, dengan sistem juga memproses gambar skala ultra-besar berukuran rekaman cukup untuk mencapai pengenalan gambar wajah penuh, sesuatu yang tidak dapat dilakukan oleh prosesor optik lainnya. menyelesaikan.

“Terobosan ini dicapai dengan ‘sisir mikro optik’, seperti kecepatan data internet rekor dunia kami yang dilaporkan pada Mei 2020,” kata Profesor Moss, Direktur Pusat Ilmu Optik Swinburne dan baru-baru ini ditunjuk sebagai salah satu pemimpin penelitian top Australia dalam bidang fisika dan matematika di bidang optik dan fotonik oleh The Australian.

Meskipun prosesor elektronik tercanggih seperti Google TPU dapat beroperasi melebihi 100 TeraOP / dtk, hal ini dilakukan dengan puluhan ribu prosesor paralel. Sebaliknya, sistem optik yang ditunjukkan oleh tim menggunakan prosesor tunggal dan dicapai dengan menggunakan teknik baru yang secara bersamaan menyisipkan data dalam dimensi waktu, panjang gelombang, dan spasial melalui sumber sisir mikro terintegrasi.

Micro-combs adalah perangkat yang relatif baru yang bertindak seperti pelangi yang terdiri dari ratusan laser inframerah berkualitas tinggi pada satu chip. Mereka jauh lebih cepat, lebih kecil, lebih ringan dan lebih murah daripada sumber optik lainnya.

“Dalam 10 tahun sejak saya menemukannya bersama, chip sisir mikro terintegrasi telah menjadi sangat penting dan sungguh menyenangkan melihat mereka memungkinkan kemajuan besar dalam komunikasi dan pemrosesan informasi. Sisir mikro menawarkan janji yang sangat besar bagi kami untuk memenuhi kebutuhan dunia yang tak pernah terpuaskan akan informasi, “kata Profesor Moss.

“Prosesor ini dapat berfungsi sebagai ujung depan lebar pita ultrahigh universal untuk perangkat keras neuromorfik apa pun berbasis optik atau elektronik membawa pembelajaran mesin data masif untuk data lebar pita sangat tinggi waktu nyata dalam jangkauan,” kata salah satu penulis utama studi tersebut, Dr Xu, alum Swinburne dan rekan postdoctoral di Departemen Teknik Sistem Listrik dan Komputer di Monash University.

“Saat ini kami mendapatkan gambaran singkat tentang bagaimana prosesor di masa depan akan terlihat. Ini benar-benar menunjukkan kepada kami betapa dramatis kami dapat meningkatkan kekuatan prosesor kami melalui penggunaan mikrocomb yang inovatif,” jelas Dr. Xu.

Profesor Mitchell dari RMIT menambahkan, “Teknologi ini dapat diterapkan pada semua bentuk pemrosesan dan komunikasi ini akan berdampak besar. Dalam jangka panjang, kami berharap dapat mewujudkan sistem yang terintegrasi penuh pada sebuah chip, sehingga sangat mengurangi biaya dan konsumsi energi.”

“Jaringan saraf konvolusional telah menjadi pusat revolusi kecerdasan buatan, tetapi teknologi silikon yang ada semakin menghadirkan hambatan dalam kecepatan pemrosesan dan efisiensi energi,” kata pendukung utama tim peneliti, Profesor Damien Hicks, dari Swinburne dan Institut Walter and Elizabeth Hall.

Prosesor Neuromorfik Optik Tercepat Di Dunia

Dia menambahkan, “Terobosan ini menunjukkan bagaimana teknologi optik baru membuat jaringan seperti itu lebih cepat dan lebih efisien dan merupakan demonstrasi mendalam dari manfaat pemikiran lintas disiplin, dalam mendapatkan inspirasi dan keberanian untuk mengambil ide dari satu bidang dan menggunakannya untuk memecahkan masalah mendasar di tempat lain.”

5 Tren Teknologi Terbesar Di 2021

5 Tren Teknologi Terbesar Di 2021

5 Tren Teknologi Terbesar Di 2021 – Mungkin tampak aneh untuk membuat prediksi tentang 2021, ketika masih jauh dari pasti bagaimana sisa tahun 2020 akan dimainkan. Tidak ada yang meramalkan peristiwa yang mengubah dunia tahun ini, tetapi satu hal yang jelas: teknologi telah terpengaruh sama seperti setiap bagian lain dari hidup kita.

5 Tren Teknologi Terbesar Di 2021

Hal lain yang jelas adalah bahwa tren teknologi terpenting saat ini akan berperan besar dalam membantu kita mengatasi dan beradaptasi dengan banyak tantangan yang kita hadapi. Dari peralihan ke bekerja dari rumah ke aturan baru tentang bagaimana kita bertemu dan berinteraksi di ruang publik, tren teknologi akan menjadi kekuatan pendorong dalam mengelola perubahan.

Dalam banyak hal, Covid-19 akan bertindak sebagai katalisator untuk sejumlah besar perubahan yang sudah ada di kartu, berkat kehidupan online dan digital kita yang semakin meningkat. Hal-hal hanya akan terjadi lebih cepat sekarang, dengan kebutuhan (lama diakui sebagai ibu dari penemuan) sebagai kekuatan pendorong.

Dan seandainya kasusnya seperti yang diprediksi oleh presiden AS tertentu Covid-19 “menghilang secara ajaib” perubahan yang ditimbulkannya tidak akan terjadi, karena kita akan belajar melakukan banyak hal dengan lebih efisien dan aman.

Inilah gambaran umum saya tentang bagaimana tren teknologi utama yang saya identifikasi dalam buku terbaru saya Tren Teknologi dalam Praktek, kemungkinan akan terjadi selama tahun depan.

Beberapa akan memainkan peran mereka dalam membantu kita memulihkan “normalitas” (apa pun artinya), sementara beberapa di antaranya akan memudahkan kita untuk memahami dan menavigasi realitas yang berubah.

Artificial Intelligence (AI)

AI tidak diragukan lagi adalah salah satu tren teknologi terbesar saat ini, dan selama tahun 2021 AI akan menjadi alat yang lebih berharga untuk membantu kita menafsirkan dan memahami dunia di sekitar kita.

Volume data yang kami kumpulkan tentang perawatan kesehatan, tingkat infeksi, dan keberhasilan tindakan yang kami lakukan untuk mencegah penyebaran infeksi akan terus meningkat. Ini berarti algoritme pembelajaran mesin akan menjadi lebih terinformasi dan semakin canggih dalam solusi yang mereka temukan untuk kita.

Dari sistem visi komputer yang memantau kapasitas area publik hingga menganalisis interaksi yang ditemukan melalui inisiatif pelacakan kontak, algoritme pembelajaran mandiri akan menemukan koneksi dan wawasan yang tidak akan diketahui oleh analisis manusia manual.

Mereka akan membantu kami memprediksi permintaan layanan dari rumah sakit dan penyedia layanan kesehatan lainnya, dan memungkinkan administrator membuat keputusan yang lebih baik tentang kapan dan di mana akan menyebarkan sumber daya.

Untuk bisnis, tantangannya adalah memahami pola perubahan perilaku pelanggan. Lebih banyak aktivitas manusia akan terjadi secara online dari berbelanja dan bersosialisasi hingga lingkungan kerja virtual, rapat, dan perekrutan.

Selama tahun 2021, kami dapat mengharapkan alat yang kami gunakan untuk menganalisis perubahan perilaku ini menjadi lebih canggih dan semakin sesuai dengan anggaran dan persyaratan infrastruktur dari semakin banyak organisasi.

Robotika, Drone, dan Otomasi Kendaraan

Karena volume penumpang yang menggunakan angkutan umum berfluktuasi dari minggu ke minggu, bergantung pada kondisi setempat, inisiatif seputar kendaraan tanpa pengemudi akan terus berlanjut dengan kecepatan yang meningkat.

Efisiensi mendorong di seluruh jaringan transportasi umum akan menjadi prioritas bagi penyedia layanan serta otoritas sipil, di mana pengurangan biaya tenaga kerja akan membantu menyeimbangkan ketidakpastian seputar permintaan pelanggan.

Dalam beberapa tahun terakhir kita telah melihat munculnya robot di sektor perawatan dan hidup yang dibantu, dan ini akan menjadi semakin penting, terutama ketika berinteraksi dengan anggota masyarakat yang paling rentan terhadap infeksi, seperti orang tua.

Daripada sepenuhnya menggantikan interaksi manusia dengan pengasuh yang sangat penting bagi banyak orang, kita dapat mengharapkan perangkat robotik digunakan untuk menyediakan saluran komunikasi baru, seperti akses ke bantuan di rumah 24/7, serta untuk sekadar memberikan persahabatan pada saat mungkin tidak aman untuk mengirim staf perawat ke rumah.

Selain itu, perusahaan yang menemukan dirinya dengan tempat yang, meski kosong, masih memerlukan pemeliharaan dan pemeliharaan, akan beralih ke penyedia robotika untuk layanan seperti pembersihan dan keamanan. Kegiatan ini sudah mengarah kemelonjaknya harga saham untuk perusahaan yang terlibat dalam penyediaan robot.

Drone akan digunakan untuk memberikan obat-obatan penting dan, dilengkapi dengan algoritma penglihatan komputer, digunakan untuk memantau langkah kaki di tempat umum untuk mengidentifikasi tempat-tempat di mana terdapat peningkatan risiko penularan virus.

Revolusi As-A-Service

“As-a-service” – penyediaan layanan yang kita perlukan untuk hidup dan bekerja melalui platform berbasis permintaan berbasis cloud adalah kunci yang telah menempatkan tren teknologi lain yang kita bicarakan hari ini untuk menjangkau siapa pun.

Itulah alasan mengapa AI dan robotika adalah kemungkinan untuk hampir semua bisnis atau organisasi, terlepas dari ukuran atau anggaran mereka. Berkat penawaran cloud dari perusahaan seperti Google, Microsoft, Amazon, dan gerombolan startup dan spin-off yang terus berkembang, inovator di semua bidang dapat menerapkan teknologi mutakhir dengan sedikit investasi di muka dalam alat, peralatan, atau orang-orang khusus.

Seiring pandemi yang sedang berlangsung di seluruh dunia, kami telah melihat dengan jelas bahwa perusahaan yang mengandalkan cloud untuk menyediakan solusi terukur sebagai layanan semakin makmur.

Ambil Zoom, misalnya, yang dengan cepat menjadi nama rumah tangga berkat kecepatan penambahan server dan peningkatan cakupan serta kualitas layanannya. Ini karena sifatnya yang berbasis cloud dan kemitraannya dengan penyedia layanannya sendiri, yang dapat dengan cepat meningkatkan kapasitas untuk memenuhi permintaan. Pada tahun 2021 dan seterusnya, ini akan menjadi semakin penting dan lebih banyak kemungkinan akan terbuka untuk semua orang.

5G dan Konektivitas Yang Ditingkatkan

Internet yang lebih cepat dan lebih andal tidak hanya berarti kita dapat memuat halaman web lebih cepat dan menghabiskan lebih sedikit waktu menunggu video diluncurkan di Youtube. Setiap kemajuan berturut-turut dalam konektivitas seluler dari 3G dan seterusnya telah membuka kasus penggunaan baru untuk internet.

3G membuat penjelajahan web dan layanan berbasis data berguna pada perangkat seluler, 4G menyebabkan pertumbuhan platform video dan musik streaming seiring dengan peningkatan bandwidth, dan 5G, juga, akan membuka lebih banyak pintu dalam hal apa yang mungkin.

5G berarti bahwa layanan yang mengandalkan teknologi canggih seperti augmented reality dan virtual reality (dibahas di bawah) serta platform game berbasis cloud seperti Google Stadia atau NVidia’s GeForce Now menjadi proposisi yang layak, di mana saja dan kapan saja.

Mereka juga mengancam untuk membuat jaringan kabel dan berbasis serat menjadi mubazir, dengan kebutuhan mereka bagi kami untuk ditambatkan ke lokasi tertentu.

Singkatnya, 5G dan jaringan canggih berkecepatan tinggi lainnya membuat semua tren lain yang kita diskusikan di sini tersedia di mana saja, kapan saja. Aplikasi pembelajaran mesin yang kompleks yang mengandalkan akses real-time ke sumber Big Data dapat dilakukan di lapangan, melalui otomatisasi.

Contoh yang bagus adalah operator perikanan Norwegia, Salmar, yang menggunakan jaringan 5G untuk mengotomatiskan perawatan dan pemberian makan ikannya.

Algoritme pengenalan gambar digunakan untuk mendeteksi ikan mana yang makan berlebih atau kurang, dan secara otomatis mengeluarkan makanan dan obat-obatan yang diperlukan untuk menjaganya tetap sehat. Inisiatif seperti ini akan menjadi semakin penting selama tahun 2021, di mana bisnis ingin meningkatkan otomatisasi di seluruh tenaga kerjanya.

Extended Reality (XR) – Virtual dan Augmented Reality (VR / MR).

Istilah-istilah ini mencakup teknologi yang menggunakan kacamata atau headset untuk memproyeksikan citra yang dihasilkan komputer secara langsung ke bidang penglihatan pengguna. Ketika ditempatkan di atas apa yang pengguna lihat di dunia nyata, itu adalah AR. Dan ketika digunakan untuk menempatkan pengguna ke dalam lingkungan yang sepenuhnya dibuat oleh komputer, itu adalah VR.

Selama tahun depan kita dapat kembali berharap untuk melihat ini, bersama dengan tren lain yang dibahas di sini, membantu dalam mengatasi tantangan yang ditimbulkan oleh situasi dunia saat ini. Sebagian besar hal ini akan melibatkan upaya untuk menghindari situasi yang berpotensi berbahaya di mana terdapat risiko penularan virus.

Misalnya, pemeriksaan dan diagnosis medis semakin dapat dilakukan dari jarak jauh. Solusi yang tersedia untuk ahli optik memungkinkan tes mata dilakukan sepenuhnya dalam VR, karena kamera definisi tinggimemberikan gambaran yang jelas tentang mata pasien.

Alat AR kemudian memungkinkan pelanggan untuk melihat-lihat rangkaian kacamata yang ditawarkan dan melihat seperti apa tampang mereka di wajah mereka sendiri tanpa harus meninggalkan rumah.

Kami juga akan melihat peningkatan penggunaan alat VR dan AR dalam pendidikan. Ini akan mengurangi kebutuhan kita untuk bekerja dalam kondisi kelas yang padat jika tidak sepenuhnya, setidaknya di area dan saat diketahui bahwa tingkat penularannya tinggi.

Dan karena semakin banyak data tentang kondisi dan cara penularan virus tersedia, alat AR akan digunakan untuk memberikan peringatan waktu nyata ketika kita bergerak melalui area di mana infeksi diketahui telah menyebar.

5 Tren Teknologi Terbesar Di 2021

Bahkan langkah-langkah sederhana seperti mengingatkan kita untuk mencuci tangan ketika kita menyentuh pegangan pintu di tempat umum atau mengeluarkan peringatan ketika perangkat merasakan bahwa kita telah menyentuh wajah kita tanpa mencuci tangan, dapat membantu menyelamatkan nyawa dan menghentikan kita menyebarkan penyakit ke sekitar. lingkungan dunia nyata tempat kita tinggal dan bergerak.

AI Didorong Oleh Prosesor Berbasis Cahaya Konvolusional Paralel

AI Didorong Oleh Prosesor Berbasis Cahaya Konvolusional Paralel

AI Didorong Oleh Prosesor Berbasis Cahaya Konvolusional Paralel – Pertumbuhan lalu lintas data yang eksponensial di era digital kita menimbulkan beberapa tantangan nyata pada kekuatan pemrosesan.

Dan dengan munculnya pembelajaran mesin dan AI, misalnya, kendaraan yang dapat mengemudi sendiri dan pengenalan suara, tren kenaikan akan terus berlanjut. Semua ini menempatkan beban berat pada kemampuan prosesor komputer saat ini untuk memenuhi permintaan.

AI Didorong Oleh Prosesor Berbasis Cahaya Konvolusional Paralel

Sekarang, tim ilmuwan internasional telah beralih ke cahaya untuk mengatasi masalah tersebut. Para peneliti mengembangkan pendekatan dan arsitektur baru yang menggabungkan pemrosesan dan penyimpanan data ke dalam satu chip dengan menggunakan prosesor berbasis cahaya, atau “fotonik”, yang terbukti melampaui chip elektronik konvensional dengan memproses informasi jauh lebih cepat dan paralel.

Para ilmuwan mengembangkan akselerator perangkat keras untuk apa yang disebut perkalian vektor-matriks, yang merupakan tulang punggung jaringan saraf (algoritma yang mensimulasikan otak manusia), yang digunakan sendiri untuk algoritma pembelajaran mesin.

Karena panjang gelombang cahaya (warna) yang berbeda tidak mengganggu satu sama lain, para peneliti dapat menggunakan beberapa panjang gelombang cahaya untuk perhitungan paralel. Tetapi untuk melakukan ini, mereka menggunakan teknologi inovatif lain, yang dikembangkan di EPFL, “frekuensi sisir” berbasis chip, sebagai sumber cahaya.

“Penelitian kami adalah yang pertama menerapkan sisir frekuensi di bidang jaringan saraf tiruan,” kata Profesor Tobias Kippenberg dari EPFL, salah satu pemimpin penelitian. Penelitian Profesor Kippenberg telah memelopori pengembangan frekuensi sisir. “Sisir frekuensi menyediakan berbagai panjang gelombang optik yang diproses secara independen satu sama lain dalam chip fotonik yang sama.”

“Prosesor berbasis cahaya untuk mempercepat tugas di bidang pembelajaran mesin memungkinkan tugas matematika yang kompleks diproses dengan kecepatan dan hasil yang tinggi,” kata rekan penulis senior Wolfram Pernice di Universitas Münster, salah satu profesor yang memimpin penelitian. “Ini jauh lebih cepat daripada chip konvensional yang mengandalkan transfer data elektronik, seperti kartu grafis atau perangkat keras khusus seperti TPU (Tensor Processing Unit).”

Setelah merancang dan membuat chip fotonik, para peneliti mengujinya di jaringan saraf yang mengenali nomor yang ditulis tangan. Terinspirasi oleh biologi, jaringan ini adalah konsep di bidang pembelajaran mesin dan digunakan terutama dalam pemrosesan data gambar atau audio.

“Operasi konvolusi antara data masukan dan satu atau beberapa filter – yang dapat mengidentifikasi tepi dalam gambar, misalnya, sangat sesuai dengan arsitektur matriks kami,” kata Johannes Feldmann, yang kini berbasis di Departemen Material Universitas Oxford.

Nathan Youngblood (Universitas Oxford) menambahkan: “Memanfaatkan penggandaan panjang gelombang memungkinkan kecepatan data dan kepadatan komputasi yang lebih tinggi, yaitu operasi per area pemroses, yang sebelumnya tidak dicapai”.

“Pekerjaan ini adalah pameran nyata dari penelitian kolaboratif Eropa,” kata David Wright dari University of Exeter, yang memimpin proyek FunComp Uni Eropa, yang mendanai pekerjaan tersebut. “Sementara setiap kelompok penelitian yang terlibat memimpin dunia dengan caranya sendiri, menyatukan semua bagian inilah yang membuat pekerjaan ini benar-benar mungkin.”

AI Didorong Oleh Prosesor Berbasis Cahaya Konvolusional Paralel

Studi ini dipublikasikan di Nature minggu ini, dan memiliki aplikasi yang luas jangkauannya: pemrosesan data secara simultan (dan hemat energi) yang lebih tinggi dalam kecerdasan buatan, jaringan saraf yang lebih besar untuk prakiraan yang lebih akurat dan analisis data yang lebih tepat, sejumlah besar data klinis untuk mendiagnosis, meningkatkan evaluasi cepat data sensor pada kendaraan yang dapat mengemudi sendiri, dan memperluas infrastruktur komputasi awan dengan lebih banyak ruang penyimpanan, daya komputasi, dan perangkat lunak aplikasi.