超速全時智能電眼 超速全時視覺感知芯片

 

   視頻即靜止圖像的序列，是隨著電影電視技術發展起來的一個人造概念。視頻之所以給觀眾以連續感，正是利用了人類視覺系統的視覺暫留現象：兩幅畫面刷新的時間間隔小于 50 毫秒，視覺暫留就能接續起來，產生連續視覺感受。

 

   為了能夠精細成像，常年研究視覺信息處理和類腦智能的黃鐵軍教授團隊借鑒靈長類視網膜中央凹的神經網絡結構和視覺信息加工機理，發明了新的視覺信息表達模型，研制了速度相當于傳統視頻4萬幀的視覺芯片，成本與手機攝像頭相當，有望重塑機器視覺技術體系，顛覆整個視頻產業，為我國新一代人工智能實現國際領先做出重大貢獻。

   北京智源人工智能研究院院長黃鐵軍:“超速全時視覺感知芯片”是一顆用于攝像的芯片，它的每個感知單元都可以根據接收的光線強度直接生成比特序列，這樣一來每秒鐘可以記錄4萬幀畫面，實現了對外在物體的“超速感知”。

 

   它對信息的表示的方式跟傳統的相機有根本的不同。我們這個相機現在是每秒鐘產生4萬個脈沖，所以它的時間精度、信息的時間密度以及靈敏度就很高。同時，“超速全時視覺感知芯片”采用了與手機攝像頭同樣的芯片工藝，成本與手機攝像頭相當。利用這個技術，將來在普通手機我們普通消費者就可以實現拍高速現象，所以我們使用普通的硬件實現了超高速相機的功能。

 

   鳳凰網：有數據顯示：超速全時視覺感知芯片有望重塑機器視覺技術體系，顛覆整個視頻產業，為什么會這么說？

   黃鐵軍:超速全時視覺感知芯片推翻了百年來的視頻模型，創建了采用脈沖序列陣列表示光線時空變化過程的新模型，重構出任意時刻的圖像，實現了對外在物體的“全時感知”。超速全時視覺感知芯片邁出了新一代智能機器視覺第一步，芯片以及背后的一套視覺信息表示、編碼、分析、識別技術體系是專為新一代人工智能設計的，主要包括兩類：一類是現在已經在用的智能視頻監控系統，一類是將來會大規模應用的無人駕駛、無人機等，這種面向未來需求的技術設計和全新思路，是領先于國際的。

 

   鳳凰網：超速全時視覺感知芯片對傳統視頻芯片的顛覆主要在于“超速”和“全時”，“超速”和“全時”分別體現在哪里？

 

   黃鐵軍:眼睛是億萬年進化而成的精密器官，信息處理機制優越，但是受限于生理限制，視網膜發放神經脈沖的頻率不可能超過一百赫茲。超速全時視覺感知芯片采用光電技術，發放頻率達到了4萬赫茲，“超速”人眼百倍，能夠“看清”高速旋轉葉片的文字。“全時”是個新概念，是指從芯片采集的神經脈沖序列中重構出任意時刻的畫面，這是實現真正機器視覺的基礎。相比之下，傳統攝像頭每秒采集數十幅畫面，兩幅畫面之間的視覺信息實際上丟失了，采用傳統攝像頭的自動駕駛系統高速運行時，就必然存在時域盲區。因此，無人駕駛、機器人、視頻監控等需要實時視覺的智能系統，都需要配備這種新型芯片。

 

   鳳凰網： 超速全時視覺感知芯片將為無人駕駛、機器人、視頻監控等領域帶來重大變革，預計會是一場什么樣的變革？

 

   黃鐵軍:以無人駕駛為例，目前的無人駕駛汽車，裝的還是傳統攝像頭，高速行駛時不可能像人一樣有那么靈敏的反應速度。而超速全時視覺感知芯片應用在無人駕駛汽車上，可以提升無人駕駛汽車在高速行駛下的反應速度。另外，目前現在所有攝像頭，上面如果蒙上一層灰塵，影像馬上發生受到影響，但反觀我們的眼睛，接收到的光實際上已經多層遮擋，但是生物視覺神經網絡有巧妙的彌補功能。超速全時視覺感知芯片要仿造這個機制，這樣裝上這種攝像頭的自動駕駛汽車即使行進在沙塵暴中，或濺上泥點時，照樣還能看清楚周圍世界。

  鳳凰網： 超速全時仿視網膜芯片的成功研制，打響了新一代人工智能創新突破的第一槍，人工智能是社會發展的必然趨勢嗎？

 

   黃鐵軍:從目前科技發展的基本規律以及產業結構升級的趨勢來看，人工智能將成為社會發展的必然趨勢。人工智能之所以受到廣泛的關注，不僅在于AI技術的先進性，更重要的是人工智能技術將在諸多領域對人類的社會生活產生深遠的影響，可能改變甚至顛覆我們傳統的行為方式和認知方式。同時，人工智能也是繼互聯網之后又一個非常重要的價值空間，會帶動大量創新，從而推動經濟發展，因此人工智能也會成為國際上各國博弈的一個重要衡量指標。

 

   鳳凰網： 神經形態計算在未來會迎來爆發嗎？神經形態芯片研究的難點在哪里？

 

   黃鐵軍:神經形態計算是未來一個必然的發展方向。因為神經形態計算在某種意義上超越了經典計算的概念。神經形態計算的“計算”并非經典的計算，把這個方向稱為神經形態信息處理更合適，它是將外界的時空信號轉換成神經脈沖，然后經神經網絡加工產生結果。這種方式比傳統計算方式在處理時空信息的時候更直接，可以節省掉很多不必要的算力。另外，拋棄傳統計算，用光電器件直接進行信息處理，可以比生物神經網絡速度更快，實現千倍乃至更多數量級的提升。

 

   但目前神經形態計算還沒有巨大的突破，主要是因為時空信息處理的復雜度比傳統的馮諾依曼計算架構的串流形式更復雜，比并行計算也更為復雜。神經形態計算也需要感知芯片和處理芯片，感知芯片負責采集各種物理和化學信號，處理芯片把獲得的脈沖序列進行加工。神經形態感知芯片需要采集和感知不同類型的信號。目前光的感知和采集不是大問題，但對于其他信號的采集，比如觸覺和味覺，雖然可以探測，但是要以一種陣列方式精細地感知還有一定挑戰。簡而言之，神經形態感知芯片的重要挑戰在于物理化學信號的高精度高效采集。