通過(guò)識(shí)別手寫數(shù)字構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)一直以來(lái)都是重要的研究課題，手寫數(shù)字往往因書寫風(fēng)格差異、上下文無(wú)關(guān)及識(shí)別準(zhǔn)確度高等要求導(dǎo)致識(shí)別難度大，因此針對(duì)手寫數(shù)字的研究有重大意義。

前段時(shí)間，我們報(bào)道了錢璐璐團(tuán)隊(duì)通過(guò)生物化學(xué)實(shí)驗(yàn)，利用 DNA 開發(fā)人工智能神經(jīng)網(wǎng)絡(luò)識(shí)別手寫數(shù)字。此次，來(lái)自加州大學(xué)洛杉磯分校的研究團(tuán)隊(duì)Xing Lin 、Yair Rivenson 等人，又從機(jī)械層面模擬神經(jīng)元過(guò)程，以識(shí)別手寫數(shù)字。

要知道，我們通常所見的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型只是對(duì)一組數(shù)據(jù)進(jìn)行一系列計(jì)算。最終，這些簡(jiǎn)單的數(shù)學(xué)計(jì)算會(huì)得出一個(gè)概率值，即輸入的數(shù)據(jù)與機(jī)器“學(xué)會(huì)”識(shí)別的各種模式的匹配程度。但事實(shí)是，一旦機(jī)器訓(xùn)練后得到最終數(shù)值，那么它將很大程度上一遍又一遍地執(zhí)行相同運(yùn)算。這通常表明它可以被優(yōu)化，且不會(huì)占用太多的空間或 CPU 功耗。

但研究表明，這一過(guò)程實(shí)際上也可以被固化。

據(jù)了解，該團(tuán)隊(duì)人員發(fā)明了一種由 3D 打印機(jī)制造的機(jī)械神經(jīng)元，該神經(jīng)元由印有復(fù)雜衍射圖案的 3D 打印透明材料層構(gòu)成，其采用的算法可通過(guò)分析透過(guò)衍射圖案的光線對(duì)數(shù)字進(jìn)行數(shù)學(xué)運(yùn)算。

如上圖所示，更形象點(diǎn)理解的話，就是機(jī)械式計(jì)算器。過(guò)去，計(jì)算器使用的是實(shí)際的機(jī)械部件，也就是某位數(shù)計(jì)算到 10 時(shí)就會(huì)向前挪一位，現(xiàn)在這些運(yùn)算都是以計(jì)算機(jī)邏輯完成數(shù)字化運(yùn)行。因此從某種程度上講，實(shí)驗(yàn)中的“衍射深度神經(jīng)網(wǎng)絡(luò)”類似于這種狀況，這是說(shuō)它使用和操縱數(shù)字的過(guò)程是以物理過(guò)程而非數(shù)字化進(jìn)行的。

研究人員表示，“每一層上的任何一點(diǎn)可投射或反射入射波，這相當(dāng)于利用光學(xué)散射相互連接了每個(gè)人造神經(jīng)元。通過(guò)改變光線間的相位和振幅，每個(gè)‘神經(jīng)元’是可調(diào)整的?！?/p>

“我們的全光衍射深度神經(jīng)網(wǎng)絡(luò)（Diffractive Deep Neural Network (D2NN)）能夠以光速執(zhí)行計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)的各種復(fù)雜功能。相比之前幾種光學(xué)信號(hào)處理技巧，這是最簡(jiǎn)單的。

它可以實(shí)現(xiàn)手寫數(shù)字和時(shí)尚產(chǎn)品的圖像識(shí)別，以及太赫茲光譜成像鏡頭的功能。

它也可以在光速環(huán)境下執(zhí)行計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)的各種復(fù)雜功能，并且可以在全光學(xué)圖片分析、特征檢測(cè)和對(duì)象分類中找到應(yīng)用，同時(shí)還可以實(shí)現(xiàn)新的拍照設(shè)計(jì)和光學(xué)組件使用 D2NN 完成特殊的任務(wù)。”

研究人員在《科學(xué)》雜志上發(fā)表的論文中寫道。

為了證明這一點(diǎn)，他們訓(xùn)練了一個(gè)深度神經(jīng)網(wǎng)絡(luò)模型來(lái)識(shí)別手寫數(shù)字。如果運(yùn)算結(jié)束，他們會(huì)采用矩陣數(shù)學(xué)層并將其轉(zhuǎn)換成一系列光學(xué)轉(zhuǎn)化。例如，一個(gè)圖層可以通過(guò)將來(lái)自另外兩層的光重新聚焦到下一圖層的某個(gè)區(qū)域完成數(shù)值加減。不過(guò)，真正的計(jì)算要比這個(gè)復(fù)雜得多。

通過(guò)在 3D 印刷版上布置數(shù)百萬(wàn)個(gè)微小的轉(zhuǎn)換器，光線從一端到另一端出來(lái)的過(guò)程，系統(tǒng)可以判斷這個(gè)數(shù)字是否為1、2、3，結(jié)果最終識(shí)別準(zhǔn)確率高達(dá)90%以上。