7月15日，集中了解到，來自威斯康星大學(xué)麥迪遜分校電子及計算機工程系副教授喻宗夫（ZongFu YU）團隊，研究以封面形式發(fā)表在 7 月 8 日的光學(xué)期刊 Photonics Research 上。

這大概是世界上最聰明的一塊玻璃，它可以用來識別數(shù)字，并且無需耗電，也不用傳感器，只要光亮即可。

這個玻璃 AI 研究將人工智能嵌入了一個非計算機的物理裝置中，自帶科幻色彩。它能夠?qū)崟r區(qū)分手寫數(shù)字，也就是說，一塊小小的玻璃實現(xiàn)了傳統(tǒng) AI 的相機、傳感器和深度神經(jīng)網(wǎng)絡(luò)的功能整合。當(dāng)數(shù)字變換時，系統(tǒng)能及時作出反饋。

圖 | 從左到右分別為：喻宗夫、Ang Chen 和 Efram Khoram。他們開發(fā)了這款智能玻璃。 （來源：SAM MILLION WEAVER）

核心算法：光的散射

光學(xué)神經(jīng)計算最重要的特點是，幾乎不消耗能量，且因其有內(nèi)在的并行性可大大加快計算速度。與此前光學(xué)神經(jīng)計算不同，喻宗夫團隊的研究沒有遵循數(shù)字神經(jīng)網(wǎng)絡(luò)架構(gòu)，也不采用分層前饋網(wǎng)絡(luò)，而是利用光學(xué)反射連接各個激活單元。正是這種光反射作為反饋機制，從而導(dǎo)致了豐富的波動結(jié)果。

這是一種無需分層的連續(xù)人工神經(jīng)計算系統(tǒng)。這套系統(tǒng)利用了特意嵌入玻璃中的石墨烯和小氣泡。當(dāng)目標(biāo)圖像的光線穿過玻璃 AI 時，其路徑就會被這些氣泡和石墨烯反射或折射而造成彎曲，彎曲后的光線會聚焦到玻璃另一側(cè) 10 個點中的某個點上。

圖丨玻璃 AI 的原理。（a）傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)架構(gòu)，其中信息只能向前傳播; （b）玻璃 AI 系統(tǒng)的光學(xué)神經(jīng)網(wǎng)絡(luò)，采用通過具有線性和非線性散射體的光進行神經(jīng)計算。

圖丨玻璃 AI 的工作過程。（a）系統(tǒng)經(jīng)過訓(xùn)練以識別手寫數(shù)字，輸入波將圖像編碼為光能強度分布。（b）數(shù)字 2 的兩個樣本。 可以看出，兩個 2 的光能場分布不同，但是它們被識別為 2。（c）兩個 8 的光能場分布不同，它們都被識別為 8。（來源：喻宗夫）

這 10 個點對應(yīng)了從 0 到 9 這 10 個數(shù)字。就像一把鑰匙開一把鎖，如果某個數(shù)字的光線沒有對焦到相應(yīng)的數(shù)字，研究者就調(diào)整系統(tǒng)中的雜質(zhì)大小和位置。研究者對此進行了成千上萬次訓(xùn)練，最終玻璃 AI 學(xué)會了精確的數(shù)字對應(yīng)。即使手寫數(shù)字風(fēng)格不同，這套系統(tǒng)也能準確聚焦、識別。

這是一種以簡單結(jié)構(gòu)獲得復(fù)雜行為表現(xiàn)的研究。在機器學(xué)習(xí)的過程中，研究人員訓(xùn)練的是物理材料，而不是數(shù)字代碼。也就是說，光傳播的波動力學(xué)實現(xiàn)了人工神經(jīng)計算的功能。相對于數(shù)字計算，這是顛覆性的觀念。

研究人員認為，這套系統(tǒng)在現(xiàn)實中的應(yīng)用還不確定，但理論上可以制作成生物識別鎖，進行人臉識別。只是這個系統(tǒng)還缺乏計算上的靈活性，以及面對多線程或不同的任務(wù)。

顯然，這個玻璃 AI 看起來和我們此前認識的 AI 系統(tǒng)不一樣，它為何會被稱為 AI 系統(tǒng)？這個系統(tǒng)有人臉識別的潛力嗎？研究者下一步會如何開發(fā)這個系統(tǒng)？帶著諸多問題，DeepTech 專訪了作者喻宗夫。

模糊識別很難，是 AI 的體現(xiàn)

DeepTech：能不能介紹你們課題組的工作內(nèi)容以及你們的研究目標(biāo)？利用光來做 AI 系統(tǒng)，這個思路是怎么產(chǎn)生的？

喻宗夫：我們希望在納米光學(xué)技術(shù)和機器學(xué)習(xí)的交叉口創(chuàng)新，希望對光敏材料、傳感器件、光學(xué)成像系統(tǒng)和機器學(xué)習(xí)全棧優(yōu)化。以前硬件和軟件的研究比較分立，我們希望把軟硬件看作一個整體，以具體應(yīng)用為目標(biāo)導(dǎo)向，從新整體考慮視覺感知。在這個大方向下面，我們組成員們展開思路，不拘泥于現(xiàn)有光感、成像、識別的架構(gòu)體系，于是 Erfan 和其他組員就想出了這個點子。

DeepTech：與其他的光計算相比，你們這個研究是怎樣的特點？

喻宗夫：以前的光計算本質(zhì)上還是數(shù)字計算，只是把電子換成了光子，從電路改成了光路。用光作為載體來計算有幾十年歷史了，這次我們利用的是結(jié)構(gòu)材料本身特性。

首先第一點，我們的玻璃 AI 不存在以前神經(jīng)網(wǎng)絡(luò)的分層概念，它整個就是一體化的。另外，我們整個優(yōu)化方法的過程也不是按照模擬數(shù)字神經(jīng)網(wǎng)絡(luò)的思路，而是優(yōu)化麥克斯韋方程，去控制光的物理散射過程。

從實現(xiàn)的結(jié)果上來說更不一樣。就是說我這個裝置可以做得非常小，也不需要用任何能量，因為以前的結(jié)構(gòu)需要分層，體積和能耗就比較大。

DeepTech：這個玻璃 AI 看起來和我們此前認識的 AI 系統(tǒng)不一樣，它為何會被稱為 AI 系統(tǒng)？能不能說，這只是一套數(shù)字密碼系統(tǒng)？

喻宗夫：模式識別是典型的 AI 應(yīng)用。這和密碼系統(tǒng)完全相反，我們需要這個玻璃有很大的容錯性：一個數(shù)字誰來寫，都要認出來，這種模糊識別很難，是 AI 的體現(xiàn)。 相反，密碼則要一個比特也不能差，卻容易實現(xiàn)多了。

DeepTech：這個 AI 系統(tǒng)與計算機是什么關(guān)系呢？該系統(tǒng)的訓(xùn)練學(xué)習(xí)過程是一個調(diào)整玻璃內(nèi)石墨烯雜質(zhì)的過程，而不是其他 AI 系統(tǒng)那樣在計算機輸入數(shù)據(jù)、在終端輸出結(jié)果那樣的過程，對嗎？

喻宗夫：光在玻璃里面?zhèn)鞑ゾ褪且粋€偏微分方程控制的波動過程，而神經(jīng)網(wǎng)絡(luò)和偏微分方程有很大的相似性。我們利用這種相似性，以波動方程為載體實現(xiàn)神經(jīng)網(wǎng)絡(luò)的計算效果。

光打到玻璃里的小孔上，就會被散射開。小孔就像數(shù)字神經(jīng)網(wǎng)絡(luò)里的節(jié)點，它們把輸入混合起來，產(chǎn)生輸出。我們這個訓(xùn)練過程，就要去做和神經(jīng)網(wǎng)絡(luò)一樣的梯度下降，去調(diào)整玻璃里面的小孔和非線性材料的位置與大小。

DeepTech：這個思路很出奇，做出這樣的系統(tǒng)需要哪些研究基礎(chǔ)呢？

喻宗夫：其實做這個事情需要很多領(lǐng)域的配合。我們不是僅僅把數(shù)字改換成光子，我們還要去解電磁場方程。所以對機器學(xué)習(xí)、電磁場方程這兩塊領(lǐng)域都要熟悉。 我們希望在這個交叉領(lǐng)域繼續(xù)研究創(chuàng)新。

DeepTech：似乎這個 AI 系統(tǒng)不需要那么巨量規(guī)模的訓(xùn)練，是這樣理解嗎？

喻宗夫：不是，我們也需要很多訓(xùn)練。因為這個是在電磁場介質(zhì)里面?zhèn)鞑?，我們?a target="_blank">仿真整個電磁場傳播的過程，然后在這個基礎(chǔ)上要對偏微分方程整體做優(yōu)化，所以計算量其實是非常大的。我們用的是機器學(xué)習(xí)的方法，但解的是電磁場的優(yōu)化問題，所以這兩塊結(jié)合起來很有挑戰(zhàn)，需要從頭寫整個訓(xùn)練工具。

一個新的概念

DeepTech：這個研究是一個怎么定位？是技術(shù)的突破，還是說創(chuàng)造了一個新的工具？

喻宗夫：我覺得這是一種新的概念。我們是用玻璃本身來實現(xiàn)人工智能的計算，而以前的人工智能都是用計算機完成的，那么現(xiàn)在是利用非數(shù)字模擬的物理作用就可以實現(xiàn)這件事情，所以說在這方面是一個突破。如此引申的話，很多其他物理作業(yè)比如聲波也可以這樣操作。

DeepTech：能說這是一個計算機嗎？

喻宗夫：對。通用的計算機可以做很多事情，我們這個系統(tǒng)只能做一件事情，所以在這一點上它跟計算機是有差別的。但是目前來說，計算機的發(fā)展也漸漸地趨向于只做一件事情。比如說挖比特幣的礦機。

我覺得，這個不是為了取代已有的圖像識別系統(tǒng)，更多的可能是一些更廣闊、以前沒有應(yīng)用的方式。比如說，雖然說我們現(xiàn)在有了數(shù)字鎖，但是沒電或者斷網(wǎng)就不能用。我們這個人臉識別鎖就像傳統(tǒng)物理鎖，只要有鑰匙它就一直可以用。

所以可能是在這種更加特殊的時候，如果你擔(dān)心 AI 系統(tǒng)被攻擊的話，那么這個系統(tǒng)完全沒有可能從外界去攻擊或干擾，它對安全性很有保障。

DeepTech：除了數(shù)字識別，這個系統(tǒng)如果用來開發(fā)人臉識別的話，還需要做哪些工作？以及其挑戰(zhàn)有多大？

喻宗夫：人臉識別在概念上的可行性已經(jīng)可以通過現(xiàn)在的工作證明。人臉識別的應(yīng)用需要不少工程工作，可能超出一個學(xué)術(shù)問題了。比如訓(xùn)練的樣本的光場建模需要大量的計算。

DeepTech：你們下一步會如何開發(fā)這個系統(tǒng)？這個系統(tǒng)將來如何能便捷應(yīng)用到普通民眾中，能成為一款便攜式的智能產(chǎn)品嗎？

喻宗夫：這個概念為我們自己打開了一個思路：不一定要有數(shù)字和芯片才能智能。智能可以無所不在，我們稱之為物理驅(qū)動智能。 我們今天證明玻璃可以識別圖像，就是麥克斯韋電磁場定律賦予的。還有很多物品可以利用物理定律的來智能化。

數(shù)字芯片是人類的智能產(chǎn)品，物理定律的智能產(chǎn)品一定更廣闊。我們覺得利用物理來做智能計算很有意思，而且有廣泛的應(yīng)用價值。