本文摘要：如今机器学习系统四处都是，但它某种程度是隐形的。它隐蔽在后台优化音频，或在图像中辨识人脸。 但这个新的系统不仅是可见的，而且是物理的。它不是通过计算出来数字，而是通过倾斜光线来展开AI型分析。 它古怪且独有，但和人们的第一感觉恰恰相反，它反而很好地证明了这些“人工智能”系统是多么的非常简单。机器学习系统，我们经常把它称为人工智能的一种形式，其核心是一系列基于数据的计算出来，每一组数据都是建构于最后一个对系统或循环中。

如今机器学习系统四处都是，但它某种程度是隐形的。它隐蔽在后台优化音频，或在图像中辨识人脸。

但这个新的系统不仅是可见的，而且是物理的。它不是通过计算出来数字，而是通过倾斜光线来展开AI型分析。

它古怪且独有，但和人们的第一感觉恰恰相反，它反而很好地证明了这些“人工智能”系统是多么的非常简单。机器学习系统，我们经常把它称为人工智能的一种形式，其核心是一系列基于数据的计算出来，每一组数据都是建构于最后一个对系统或循环中。计算出来本身并不是尤其简单，尽管它们不是你想要的那种用钢笔和纸做到的数学运算。最后，所有这些非常简单的数学计算最后不会把输出的数据与它“学会”辨识的各种模式匹配。

但问题是，一旦这些“层”最后被“训练”已完成，在许多方面，它就不会重复地继续执行完全相同的计算出来。一般来说这意味著它可以优化，从而会闲置过于多的空间或CPU资源。

但是来自加州大学洛杉矶分校的研究人员指出，它显然可以被烧结，这些层本身就是3d打印的半透明材料层，它们被简单的衍射图样印在上面，就像数学运算时要把数字写出下来一样。如果这有点困难的话，想要一个机械计算器。

如今，这一切都是在计算机逻辑中数字化已完成的，但在过去，计算器用于的是实际的机械部件移动，在或许上，这种“散射深层神经网络”和以下情况很像：它用于和操作者数字的物理回应，而不是电子回应。正如研究人员所说：在等价层上的每个点都可以传输或光线射入的波，它代表一个人工神经元，通过光学散射与下面层的其他神经元连接。每个“神经元”都可通过转变振幅和振幅来调节。

“我们的全光学深度自学框架，需要以光速已完成计算机神经网络可以构建的各种简单功能。它的功能十分多，而且速度迅速，这项技术在世界上也十分先进设备，”研究人员在叙述他们的系统的论文中写到。为了证明这一点，他们训练了一个了解的自学模型来辨识手写数字。一旦找到它是最后的，他们采行的层次矩阵数学，不会将它转换成一系列光学切换。

例如，一层有可能是通过将两层的光线新的探讨到下一层的一个区域，并将值相乘来构建的——确实的计算出来要简单得多，但期望你能解读。

本文来源：ku游官网-www.tjysygb.com