Een kijkende chip

Automatische beeldherkenning is een veelgebruikte techniek. Er zijn computerprogramma’s die met behoorlijke precisie kunnen diagnosticeren of iemand huidkanker heeft, die auto’s kunnen besturen, of drones. Er is een groot nadeel aan deze vorm van “machine learning”. Voordat een zelfrijdende auto veilig zijn rondjes kan rijden, zijn miljoenen foto’s nodig van doodnormale camera’s, want voor alle vormen van machine learning geldt dat er hele grote datasets nodig zijn. Zonder data is een robot, een drone, of een zelfrijdende auto, zo blind als een mol.

Het analyseren van die data is een hels karwei. De Technische Universiteit van Wenen ging daarom op zoek naar een oplossing hoe dat makkelijker kan. Hun uitgangspunt waren niet de data, maar het verbeteren van de camera. Ze kwamen uit bij een chip bestaand uit speciaal soort tweedimensionaal materiaal dat als beeldsensor kan dienen en in staat is objecten te ontkennen: bomen, planten, mensen, auto’s. Alles wat je de chip leert.

Kunstmatige intelligentie

Florian Aigner legt in een persbericht uit dat de chip kan worden gezien als een op zichzelf staand kunstmatig intelligent neuraal netwerk. Het grote voordeel is dat de beelden die de chip waarneemt niet meer hoeven te worden uitgelezen en geanalyseerd door een computer. Dat doet de chip allemaal zelf, en dat ook nog in een fractie van een seconde (een paar nanoseconden om precies te zijn).

Meld je aan voor onze Nieuwsbrief!

Je wekelijkse innovatie overzicht: Elke zondag onze beste artikelen in je inbox!

    Zo ziet de chip eruit

    “Normaal gesproken worden beelden eerst pixel voor pixel ingevoerd in een computer en geanalyseerd”, zegt Thomas Müller van de TU Wien. “Wij integreren het neurale netwerk met kunstmatige intelligentie direct in de hardware van een beeldsensor.”

    Publicatie in Nature

    De chip bestaat uit een hele reeks fotodetectoren gemaakt van een ultradunne legering uit wolfraam en seleen. Elke fotodetector telt als één pixels van een camera. Alle pixels bij elkaar leveren een beeld op. “In principe zou je de chip kunnen leren appels van bananen te onderscheiden, maar wij zien eerder toepassingen bij wetenschappelijke experimenten“, aldus Muller. De technologie is volgens hem vooral geschikt voor experimenten waar  extreem veel snelheid gevraagd is, zoals de deeltjesfysica.

    Het onderzoek is gepubliceerd in het wetenschappelijke blad Nature.

    Steun ons!

    Innovation Origins is een onafhankelijk nieuwsplatform, dat een onconventioneel verdienmodel heeft. Wij worden gesponsord door bedrijven die onze missie steunen: het verhaal van innovatie verspreiden. Lees hier meer.

    Op Innovation Origins kan je altijd gratis artikelen lezen. Dat willen we ook zo houden. Heb je nou zo erg genoten van de artikelen dat je ons een bedankje wil geven? Gebruik dan de donatie-knop hieronder:

    Doneer

    Persoonlijke informatie

    Over de auteur

    Author profile picture Maurits Kuypers is als macro-econoom afgestudeerd aan de Universiteit van Amsterdam met als specialisatie internationale betrekking. Sinds 1997 is hij actief als journalist, eerst 10 jaar op de redactie van Het Financieele Dagblad in Amsterdam, daarna als freelance correspondent in Berlijn en Centraal-Europa. Bij technologische innovaties heeft hij ook altijd oog voor de financiële haalbaarheid van een project.