利用人工智能增强复杂系统

EPFL 的研究人员发明了一种自动计算哪些数据需要放入复杂系统（如光纤网络）的方法，以便获得所需的结果。他们的解决方案在机器人、医学和图像投影方面可能特别有用。

在任何系统中，都需要某种输入和输出，并在两者之间执行操作。但是，当该操作特别复杂或需要大量的同步数据时，您如何知道需要哪些输入才能获得正确的输出？来自EPFL应用光子器件实验室（LAPD）和光学实验室（LO）的研究人员发现了一种解决方案。他们发明了一种算法，可以确定哪些数据需要输入到光纤网络，以便在另一端获得所需的结果。他们的研究刚刚发表在《自然机器智能》杂志上。

研究人员开发了一个图像投影系统来展示他们的技术。在迷宫般的激光网络中，光束从一个放大镜进入下一个放大镜，从一个光纤进入下一个放大镜，从一个光纤进入下一个放大镜，从一个放大镜中进入一个放大镜，从一个放大镜中进入另一个放大镜，从一个放大镜中进入一个放大镜。另一端，信息被解码在一个小屏幕上，在那里出现了一系列绿色图像——一匹疾驰的马，一个流浪的人和一个奇怪的鬼魂。

"光纤是复杂的系统，"洛杉矶警察局实验室的博士生巴巴克·拉赫马尼解释道。"如果没有我们的算法，则每次必须重新计算创建每个图像所需的信息。但是，通过我们的算法，系统将学习如何自动做到这一点。

信用：洛桑联邦理工学院

研究人员的搞笑动画只是他们解决方案在许多领域的许多潜在应用的例证。洛杉矶警察局实验室的克里斯托弗·莫瑟说："它可以用来帮助机械臂学习特定的手势以及如何控制它。在医学上，它可以增强内窥镜技术，使用激光对身体的特定部位产生一定的影响。

更广泛地说，该算法可以更轻松地远程投射光线或触发效果或动作，或创建三D图像和全息图。

两个比一个好

本发明借鉴了人工神经网络原理。"这些网络是受生物神经网络和人脑启发的计算机系统，"DEmetri Psaltis说，他是LO实验室的运行者，也是这项技术的专家。它们是人工智能的基础，并允许它们用于机器学习的系统。

神经网络技术本身并不新鲜。EPFL研究人员的工作原创性是，它涉及到两个系统协同工作。"这有点像学习打网球，"普萨尔蒂斯说。"首先，你只要学习如何击球。一旦你有它的窍，你移动到更难拍摄，如反手，头顶和排球。我们的算法的工作方式相同。