在研究人員麻省理工學院已經(jīng)開發(fā)出可以為了再現(xiàn)物體隔離在光線暗淡的圖像小，幾乎是透明的不完善的人工智能(AI)系統(tǒng)。麻省理工學院新聞 今天發(fā)表的一篇博客文章描述了一個深層神經(jīng)網(wǎng)絡(luò) - 分層數(shù)學函數(shù)，松散地模仿大腦中神經(jīng)元的行為 - 可以清除粒狀圖像中的目標偽像。

麻省理工學院機械工程教授George Barbastathis認為這可能在醫(yī)學中有應(yīng)用。

“在實驗室里，如果用光線轟擊生物細胞，就會燃燒它們，而且沒有什么可以留下來的，”他告訴麻省理工學院新聞。“當涉及X射線成像時，如果您將患者暴露于X射線，則會增加他們患癌癥的危險。我們在這里做的是 - 您可以獲得相同的圖像質(zhì)量，但對患者的曝光率較低。在生物學方面，當你想要對它們進行采樣時，你可以減少對生物標本的傷害。“

為了組裝一個語料庫，該團隊采集了10,000個集成電路(IC)，每個集成電路都暴露在相位空間光調(diào)制器中，在玻璃載玻片上顯示出獨特的蝕刻狀水平和垂直條紋圖案。在黑暗中拍攝的所有10,000個IC的照片用于“教導”AI系統(tǒng)以重建透明的，模糊的物體。

有趣的是，這些圖片是從焦點中捕獲的 - 這是為了在檢測到的光線中產(chǎn)生漣漪，這表明給定物體存在于神經(jīng)網(wǎng)絡(luò)中。研究人員通過在物理學中引入一條描述相機散焦時光線行為的定律來校正由此產(chǎn)生的模糊。

“不可見的物體可以用不同的方式顯示出來，但通常需要你使用充足的光線，”Barbastathis說。“我們現(xiàn)在正在做的是在黑暗中想象看不見的物體。所以這就像兩個困難相結(jié)合。然而，我們?nèi)匀豢梢宰鐾瑯拥膯⑹尽?ldquo;

在對模型進行充分訓練之后，團隊通過將其暴露于訓練集中不存在的模式來驗證他們的工作。在黑暗中，無論是否嵌入物理定律，它都能夠準確地重建原始透明圖案。此外，當對人物，動物，地點和其他對象的10,000個圖像的新數(shù)據(jù)集進行訓練并且饋送場景的透明蝕刻的圖像時，其產(chǎn)生比原始圖像更精確的重建。

“我們已經(jīng)證明，深度學習可以在黑暗中揭示隱形物體，”該報的第一作者亞歷山大·戈伊告訴麻省理工學院新聞。“這一結(jié)果對于醫(yī)學成像具有實際意義，可以降低患者對有害輻射的暴露，以及天文成像。