2024. 11. 21. - 08:30
Érezni és mérni is képes már a mesterséges intelligencia
Érezni és mérni is egyre jobban tud a mesterséges intelligencia – ami eddig kevésbé ment neki, noja beszélni, kalkulálni és látni is kiválóan képes.
Érezni és felületeket mérni is egyre inkább képes a mesterséges intelligencia. Míg az MI-alapú technológiák igen gyorsan megtanulnak látni, beszélgetni, számolni és alkotni, egy dolog még mindig nem megy igazán jól nekik, ez pedig a felületek mérése avagy „tapintása” – ami egy tisztán mechanikai funkció.
„A mesterséges intelligencia többé-kevésbé elsajátította a látni tudást a számítógépes látás és a tárgyfelismerés fejlődése révén. Egy emberhez hasonló tapintásérzéket azonban még nem fejlesztett ki, amely képes lenne megkülönböztetni például egy durva újságpapírt egy sima és fényes folyóiratpapírtól” – mondta el Yong Meng Sua, Stevens fizikaprofesszor.
Legalábbis eddig ez volt a helyzet. A Stevens élvonalbeli Kvantumtudományi és Mérnöki Központjának (CQSE) kutatói most bemutattak egy módszert, amellyel a mesterséges intelligencia képes érezni.
A mesterséges intelligencia és a kvantum „házassága”
Yong Meng Sua a CQSE igazgatójával, Yuping Huanggal, valamint Daniel Tafone és Luke McEvoy doktorjelöltekkel közösen dolgozott ki egy kvantumlaboratóriumi elrendezést, amely a fotongyújtó pásztázó lézert új algoritmikus mesterséges intelligencia-modellekkel kombinálja – ezek pedig képesek megmondani a különböző felületek közötti különbségeket a lézerekkel történő leképezés során. Olvasd el: Bemutatták a mesterséges intelligencia wellness-társat
Érezni és mérni is képes már a mesterséges intelligencia
„Ez a mesterséges intelligencia és a kvantum házassága" – mondta Daniel Tafone.
A kutatók rendszerében - amelyről az Applied Optics folyóiratban számoltak be - egy speciálisan létrehozott fénysugarat rövid lökésekkel pulzálnak egy felületre, hogy „érezzék” azt. A visszavert, visszaszórt fotonok foltos zajjal térnek vissza a célobjektumból - ez egy véletlenszerű hiba, amely a képeken fordul elő.
A foltos zaj általában káros a tiszta, pontos képalkotásra nézve.
A Stevens-csoport rendszere azonban más megközelítést alkalmaz: észleli és feldolgozza ezeket a zajműtermékeket egy olyan mesterséges intelligencia segítségével, amelyet gondosan kiképeztek, hogy jellemzőit értékes adatként értelmezze. Ez lehetővé teszi a rendszer számára, hogy pontosan felismerje az objektum topográfiáját.
„A fotonszám változását használjuk a felület különböző megvilágítási pontjaiban" – magyarázta Tafone.
A csapat kísérleti célként 31 ipari csiszolópapírt használt, különböző érdességű, 1 és 100 mikron közötti vastagságú felületekkel. Összehasonlításképpen, egy átlagos emberi haj körülbelül 100 mikron vastag. A módban zárt lézerek fényimpulzusokat generáltak, amelyek a mintákra irányultak.
Ezek az impulzusok áthaladtak az adó-vevőkön, találkoztak a csiszolópapírral, majd visszapattantak a rendszeren, hogy a csapat tanulási modellje alapján elemezze őket.
A korai tesztek során a csoport módszere körülbelül 8 mikronos átlagos négyzetes hibát (RMSE) átlagolt. Miután több mintával dolgoztak és az eredményeket átlagolták, a pontossága jelentősen, 4 mikronon belülre javult, ami összevethető a jelenleg használt legjobb ipari profilométerrel.
„Érdekes módon a rendszerünk a legfinomabb szemcsés felületeken működött a legjobban, mint például a gyémánt fóliák és az alumínium-oxid" – jegyezte meg Tafone.
Az új módszer számos alkalmazásban hasznos lehet – tette hozzá.
A bőrrák kimutatása során például gyakran követnek el hibákat az orvosok, mert összekeverik a nagyon hasonló megjelenésű, de ártalmatlan állapotokat a potenciálisan halálos melanómákkal.
„Az anyajegyek érdességének apró különbségei túl kicsik ahhoz, hogy emberi szemmel látni lehessen azokat, azonban a javasolt kvantumrendszerünkkel mérhetőek és megkülönböztethetik ezeket a feltételeket" - magyarázta Huang.
Hozzátette, hogy a kvantumkölcsönhatások rengeteg információt szolgáltatnak, a következő logikus lépés pedig az, hogy a mesterséges intelligencia gyorsan megérti és feldolgozza azokat.
Az alkatrészek gyártási minőségellenőrzése ugyancsak gyakran múlik rendkívül kis távolságokon, ami különbséget jelenthet a tökéletes alkatrész és egy apró hiba között és végül veszélyes mechanikai meghibásodást okozhat.
„Mivel a LiDAR technológiát már széles körben alkalmazzák olyan eszközökben, mint az autonóm autók, okostelefonok és robotok, módszerünk gazdagítja ezek képességeit a felületi tulajdonságok nagyon kis léptékű mérésével” – jegyezte meg Yuping Huang.
B.A.
