فناوری جدیدی در دست توسعه است که از چشم انسان الهام گرفته و دارای توانایی بالایی در پردازش تصویر خودکار در اتومبیل است. این فناوری نوید بخش بهبود در کارایی سیستم‌های خودمختار در اتومبیل‌ها، کامیون‌ها و هواپیماهای بدون سرنشین است. در حال حاضر فناوری‌های خودمختار حمل و نقل، ترکیبی از دوربین‌های دیجیتال و واحد پردازش گرافیک (GPU) هستند که برای ارائه گرافیک برای بازی‌های ویدیویی طراحی شده‌اند.

مسئله این است که این سیستم‌ها معمولاً حجم عظیمی از اطلاعات تصویری غیرضروری را بین حسگرها و پردازنده‌ها منتقل می‌کنند. به عنوان مثال، یک وسیله نقلیه خودمختار ممکن است حتی جزئیات درختان کنار جاده را نیز پردازش کند. این امر ممکن است باعث شود سیستم خودمختار انرژی زیادی مصرف کند و زمان پردازش طولانی شود. تیمی از محققان رباتیک و هوش مصنوعی از انگلیس در حال توسعه سیستم‌های دوربینی هستند که می‌توانند یاد بگیرند که چه چیزهایی را مشاهده کنند. این امر سیستم‌ها را قادر می‌سازد داده‌های غیرضروری را در لحظه مسدود کنند و در نتیجه پردازش اطلاعات بصری را بسیار سرعت می‌بخشند.

این تیم تحقیقاتی در تلاش است تا رویکردی متفاوت برای ایجاد هوش بینایی کارآمدتر در ماشین‌ها ایجاد کند. این تحقیق بخشی از همکاری بین دانشگاه منچستر و دانشگاه بریستول در انگلستان است. دو مقاله جداگانه از این همکاری نشان داده‌است که چگونه می‌توان سنجش و یادگیری ماشین را برای ایجاد انواع جدیدی از دوربین‌های هوش مصنوعی ترکیب کرد.

این تحقیق به آینده دوربین‌های هوش مصنوعی هوشمند که می‌توانند داده‌ها را قبل از ارسال برای پردازش فیلتر کنند، اشاره دارد. والتریو مایول-کوئوا، استاد رباتیک، بینایی ماشین و سیستم‌های موبایل دانشگاه بریستول می‌گوید: “ما می‌توانیم از روش پردازش سیستم‌های بینایی طبیعی جهان ایده بگیریم. چشمان ما همه چیز را درک نمی‌کنند. در واقع چشم‌ها و مغز ما با هم کار می‌کنند تا جهان را درک کنند. در بعضی موارد، چشم‌ها نیز برای کمک به مغز اطلاعات نامربوط را حذف می‌کنند. ”

مقالات این محققان جزئیات مربوط به اجرای شبکه‌های عصبی پیچشی در تصاویر را بیان می‌کنند. شبکه‌های عصبی پیچشی نوعی الگوریتم هوش مصنوعی هستند که درک تصویر را امکان پذیر می‌کنند. شبکه‌های عصبی پیچشی قادرند فریم‌ها را بدون اینکه لازم باشد آن‌ها را ضبط کرده یا از طریق خط لوله پردازش ارسال کنند، هزاران بار در ثانیه طبقه‌بندی کنند.

در این تحقیق از معماری SCAMP که توسط Piotr Dudek، استاد مدارها و سیستم‌های دانشگاه منچستر و تیمش تهیه شده، استفاده شده‌است. SCAMP یک تراشه پردازنده دوربین است که پردازنده‌های تعبیه‌‌شده در هر پیکسل را به هم متصل کرده است. پروفسور Dudek می‌گوید: “ادغام سنجش، پردازش و حافظه در سطح پیکسل نه تنها پیاده‌سازی سیستم‌هایی با کارایی بالا و تاخیر کم را امکان پذیر می‌کند، بلکه نویدبخش سخت افزارهای کم‌مصرف و بسیار کارآمد است.”