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.

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. http://poker99.sg-host.com/

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!”

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.