L’ingegnere elettronico Aydogan Ozcan, autore principale dello studio, ha spiegato che lui e i suoi colleghi hanno usato la tecnologia di machine learning, strumenti ottici e la stampa 3D, al fine di creare un sistema che opera con la luce. E, a differenza dei computer convenzionali, senza il bisogno di una fonte di energia oltre una sorgente di luce iniziale e un semplice rilevatore.
La caratteristica più innovativa di questa tecnologia non è l’uso di sistemi di Intelligenza Artificiale, ma lo sviluppo dell’ingegneria ottica e la capacità di creare uno “stampo” della rete neurale artificiale utilizzando la stampa 3D. Secondo Ozcan, questo sistema potrebbe essere usato per imitare l’occhio di un animale, che elabora la luce e le immagini in un modo completamente diverso rispetto ai nostri occhi.
Inoltre, il ricercatore suggerisce che la rete neurale può essere utilizzata per applicazioni di microscopia e immagini per il settore medico, nel caso in cui sia implementata nelle lunghezze d’onda più corte utilizzate nell’ottica microscopica.
Per costruire questo sistema di riconoscimento, i ricercatori hanno utilizzato per la prima volta l’apprendimento approfondito, in cui i dati visivi o audio sono forniti a un computer e addestrati a riconoscere determinati modelli. In questo senso, l’algoritmo crea regole sui dati proposti e li applica per creare nuove voci.
Questa intelligenza artificiale è in grado di creare tutorial e superare i livelli di un videogame. Ora, gli ingegneri dell’UCLA hanno addestrato la loro rete neurale per riconoscere alcuni tipi di dati, tra cui immagini di cifre scritte a mano da 0 a 9 e altri oggetti. In ciascuno dei casi proposti, la rete ha creato un modello basato su diversi livelli di pixel, ognuno dei quali aveva la capacità di trasmettere luce. A loro volta, ciascun pixel rappresenta un neurone artificiale collegato ad altri neuroni negli stessi strati.
Invece di adattare i calcoli matematici a ciascun neurone, i ricercatori hanno affermato che la rete ottica sintonizza i loro neuroni modificando la fase e l’ampiezza della luce in ciascun neurone. Inoltre, invece di avere 1 o 0 come soluzione in un neurone, ognuno di essi trasmette o riflette una luce in arrivo allo strato successivo.
In tal modo, essi sostengono che è possibile abbinare le reti neurali ottiche con i computer e lavorare contemporaneamente, oltre a condividere il carico di lavoro. Questi componenti, chiamati “reti neurali profonde a diffrazione”, potrebbero essere scalate attraverso l’uso della stampa 3D per aggiungere strati e neuroni addizionali, che è di grande importanza se si considera che le GPU corrente consumano un sacco di energia e calore.