當今自動駕駛汽車和航空無人機的圖像識別技術都依賴于人工智能：一般是計算機教會自己識別狗、穿過街道的行人或停下來的汽車等物體。問題是，目前運行人工智能算法的計算機對于手持醫療設備等未來應用體積太大，而且速度太慢。

　　據外媒報道，現在斯坦福大學（Stanford University）的研究人員已經設計出一款新型人工智能攝像系統，可以更快、更高效地對圖像進行分類，并且有朝一日該攝像系統有可能變得非常小，可以嵌入到其他設備中。

　　負責此研究的斯坦福大學電氣工程助理教授Gordon Wetzstein表示：“剛剛開過你身邊的自動駕駛車輛的行李箱中配備了一臺比較大、運行比較慢而且能量消耗大的計算機。” 他表示，未來的應用需要運行速度更快、尺寸更小的計算機來處理各種圖像。Wetzstein和該研究論文的第一作者兼斯坦福大學的研究生Julie Chang，通過將兩種類型的計算機合二為一，進一步發展了此技術，創造了專門用于圖像分析的混合光電計算機。

　　原型攝像頭的第一層是光學計算機，不需要高強度的數字計算；第二層是傳統的數字電子計算機。光學計算機層通過物理方法處理圖像數據，以多種方法過濾圖像數據，否則電子計算機不得不以數學方法進行圖像數據過濾。由于圖像數據過濾是在光通過定制光學器件時自然而然發生，因此，該層以零輸入功率工作，為混合系統節省了大量的時間和能量。

　　Chang表示：“我們已經將人工智能數學計算外包給了光學系統。”結果是，計算量減少，內存調用次數減少，完成整個過程的時間也少得多。就速度和準確度來說，原型攝像頭可與現有的電子計算處理器相媲美，此類處理器執行相同的計算，可節省大量的計算成本。

　　雖然現在的原型攝像頭還在實驗室階段，而且很難被認為是小型攝像頭，研究人員表示，該系統有朝一日可以小型化，以適應手持攝像頭或是航空無人機。在模擬環境和真實世界的實驗中，該團隊使用該系統在自然圖像設置中成功識別了飛機、汽車、狗和貓等。

　　Wetzstein表示：“我們系統的未來版將在自動駕駛汽車等快速決策應用中發揮作用。”

　　除了縮小原型，斯坦福計算成像實驗室的Wetzstein、Chang以及其他同事目前正在研究如何讓光學元件進行更多的預處理。最終，更小、更快的技術可以取代現有行李箱大小的、幫助汽車、無人機和其他技術學會識別周圍世界的計算機。