当今自动驾驶汽车和航空无人机的图像识别技术都依赖于人工智能：一般是计算机教会自己识别狗、穿过街道的行人或停下来的汽车等物体。问题是，目前运行人工智能算法的计算机对于手持医疗设备等未来应用体积太大，而且速度太慢。

据外媒报道，现在斯坦福大学(Stanford University)的研究人员已经设计出一款新型人工智能摄像系统，可以更快、更高效地对图像进行分类，并且有朝一日该摄像系统有可能变得非常小，可以嵌入到其他设备中。

负责此研究的斯坦福大学电气工程助理教授Gordon Wetzstein表示：“刚刚开过你身边的自动驾驶车辆的行李箱中配备了一台比较大、运行比较慢而且能量消耗大的计算机。” 他表示，未来的应用需要运行速度更快、尺寸更小的计算机来处理各种图像。Wetzstein和该研究论文的第一作者兼斯坦福大学的研究生Julie Chang，通过将两种类型的计算机合二为一，进一步发展了此技术，创造了专门用于图像分析的混合光电计算机。

原型摄像头的第一层是光学计算机，不需要高强度的数字计算;第二层是传统的数字电子计算机。光学计算机层通过物理方法处理图像数据，以多种方法过滤图像数据，否则电子计算机不得不以数学方法进行图像数据过滤。由于图像数据过滤是在光通过定制光学器件时自然而然发生，因此，该层以零输入功率工作，为混合系统节省了大量的时间和能量。

Chang表示：“我们已经将人工智能数学计算外包给了光学系统。”结果是，计算量减少，内存调用次数减少，完成整个过程的时间也少得多。就速度和准确度来说，原型摄像头可与现有的电子计算处理器相媲美，此类处理器执行相同的计算，可节省大量的计算成本。

虽然现在的原型摄像头还在实验室阶段，而且很难被认为是小型摄像头，研究人员表示，该系统有朝一日可以小型化，以适应手持摄像头或是航空无人机。在模拟环境和真实世界的实验中，该团队使用该系统在自然图像设置中成功识别了飞机、汽车、狗和猫等。

Wetzstein表示：“我们系统的未来版将在自动驾驶汽车等快速决策应用中发挥作用。”

除了缩小原型，斯坦福计算成像实验室的Wetzstein、Chang以及其他同事目前正在研究如何让光学元件进行更多的预处理。最终，更小、更快的技术可以取代现有行李箱大小的、帮助汽车、无人机和其他技术学会识别周围世界的计算机。