Los ingenieros de la Universidad de Stanford, en EE.UU, han combinado dos tipos de ordenadores para crear un procesador de imágenes más rápido y con menos consumo de energía para ser utilizado en coches autónomos, cámaras de seguridad e incluso en dispositivos médicos.

Actualmente, la tecnología de reconocimiento de imágenes que utilizan los coches autónomos y los drones aéreos dependen de la Inteligencia Artificial (IA). Esto le permite al sistema del coche reconocer objetos, coches o peatones en el camino. Sin embargo, el principal problema es que los ordenadores que ejecutan estos algoritmos son muy grandes y lentas, lo que ha inspirado la creación de los expertos de Stanford.

Este nuevo sistema de cámara basada en IA permite clasificar imágenes de manera más rápida y con mayor eficiencia energética, lo que sugiere que en el futuro pueden ser creados sistemas similares y de menor tamaño para integrarse en los coches, algo que, según los investigadores, no es posible en este momento.

Gordon Wetzstein, profesor de ingeniería eléctrica en Stanford y el autor de la investigación, aseguró que las futuras aplicaciones necesitarán un recurso mucho más rápido y más pequeño para el procesamiento de imágenes.

La primera capa del prototipo de cámara es un tipo de ordenador óptico que no necesita mayor rendimiento a nivel matemático como el que se utiliza a nivel energético en la informática digital. La segunda capa consiste en un ordenador electrónico digital tradicional.

Luego de probar el sistema, los investigadores determinaron que el procesamiento de imágenes requería mucho menos cálculos, menos rendimiento de memoria y menos tiempo para completar el proceso. En comparación con los sistemas actuales, este método demostró ser mucho más efectivo en términos de ahorro de energía.

Finalmente, aunque el prototipo de cámara creado en el laboratorio de Stanford es bastante pequeño, lo cierto es que puede ser miniaturizado para futuras aplicaciones, incluyendo cámaras de seguridad, dispositivos médicos, y por supuesto, coches autónomos.

Referencia: Julie Chang, Vincent Sitzmann, Xiong Dun, Wolfgang Heidrich & Gordon Wetzstein. Hybrid optical-electronic convolutional neural networks with optimized diffractive optics for image classification. Scientific Reportsvolume 8, Article number: 12324 (2018). DOI: 10.1038 / s41598-018-30619-y