能够打印高级和复杂的AI的意思是我们可以便宜地生产它们，并将它们放置在计算机电源可能受到限制的网络边缘。
最近，美国一组研究人员在制作世界上第一个由DNA或“测试管中的AI”制成的世界神经网络时彻底改变了人工智能，现在由加利福尼亚大学洛杉矶大学（UCLA）的电气和计算机工程师组成的团队宣布，他们已经宣布，他们已经使用了3D的第一个物理网络（与电脑）进行了分析（AI）Nevornos（AI）的Nevinals（AI），并没有使用。数据并识别对象。此外，由于新的神经网络使用光来工作，而不是电子工作，因此它是被动的，并且不需要任何外部电源来工作。
当今日常生活中的许多设备都使用计算机摄像机来识别对象 - 想想自动柜员机，这些机器可以在存放支票时可以“读取”手写的美元金额，或者可以快速将照片与数据库中的其他类似图像匹配的Internet搜索引擎。但是这些系统依靠一件设备来对象对象，首先是通过使用摄像头或光学传感器“看到”它，然后将其看到的内容处理到数据中，最后使用计算程序来弄清楚它是什么，这是UCLA开发的设备可以启动的地方。
它称为“衍射神经网络”，它使用从对象本身弹跳的光弹跳来识别该对象的时间，就像计算机简单地“看到”对象所花费的时间一样。UCLA设备不需要高级计算程序即可处理对象的图像，并在其光学传感器拾取其拾取对象之后是什么。并且没有能量运行设备，因为它仅使用光的衍射。
基于该设备的新技术可用于加快涉及分类和识别对象的数据密集型任务。例如，使用该技术的无人驾驶汽车可以立即做出反应（甚至比使用当前技术的速度更快）到达停车标志。借助基于UCLA系统的设备，一旦标志击中的光线，汽车将立即“读取”标志，而不是必须“等待”汽车的相机来对象成像，然后使用其计算机来弄清楚该物体是什么。
基于本发明的技术也可以用于微观成像和医学中，例如对数百万个细胞进行分类，例如现在可以使用智能手机成像的细胞来形成疾病的迹象。该研究在线发表在科学上。
该研究的主要研究者Aydogan Ozcan说：“这项工作从根本上打开了使用基于人工智能的被动装置即时分析数据，图像和对物体进行分类的新机会，”该研究的主要研究者Aydogan Ozcan说：“这款光学人工神经网络设备是实心建模的，以启用新的摄像机设计，以示任何机器人的机器人。图像和视频数据至关重要的应用。”
创建人工神经网络的过程始于计算机模拟的设计。然后，研究人员使用3D打印机创建非常薄的8厘米平方聚合物晶片。每个晶圆的表面都不平均，这有助于从不同方向上从物体发出衍射光。这些层看起来不透明，但实验中使用的光的频率可能会穿过它们。每层都由数以万计的人造神经元组成 - 在这种情况下，光线传播的微小像素。
一起，一系列像素化的层充当“光网络”，它塑造了从对象传播的光线。网络标识一个对象，因为来自对象的光主要是针对分配给该类型对象的单个像素的。
然后，研究人员使用计算机训练了网络，以通过学习每个对象的衍射光的模式来识别其前面的对象，因为该对象的光通过设备。“培训”使用了人工智能的分支，称为“深度学习”，其中机器通过重复和随着时间的流逝而随着模式而“学习”。
Ozcan说：“这就像一个非常复杂的玻璃和镜子迷宫一样。”“光进入一个衍射网络，并在迷宫周围弹跳，直到它退出为止。系统通过大多数光最终退出的位置确定对象是什么。”
在他们的实验中，研究人员证明该设备可以准确识别手写的数字和服装，这两者都是AI研究中常用的测试。为此，他们将图像放在Terahertz光源的前面，并让设备通过光学衍射“查看”这些图像。
他们还训练了该设备，以充当镜头，该镜头将放置在光网络前面的对象的图像向另一侧 - 就像典型的相机镜头的工作方式一样，但使用AI代替物理学。由于其组件可以由3D打印机创建，因此可以使用较大和额外的层制成人造神经网络，从而产生具有数亿个人工神经元的设备。这些较大的设备可以同时识别更多对象或执行更复杂的数据分析。而且组件可以廉价地制造 - 由UCLA团队创建的设备可以以低于50美元的价格复制。
虽然该研究在Terahertz频率中使用了光，但Ozcan表示，也有可能创建使用可见，红外或其他光频率的神经网络，以更高的准确性以新的方式识别不同的物体，并且将来可以使用岩性或其他印刷技术制作AI神经网络。
来源：加州大学洛杉矶分校
