科技日報北京8月1日電 （記者張夢然）英(ying)國(guo)牛(niu)津(jin)大(da)學(xue)材(cai)料(liao)係(xi)研(yan)究(jiu)人(ren)員(yuan)聯(lian)合(he)埃(ai)克(ke)塞(sai)特(te)大(da)學(xue)和(he)明(ming)斯(si)特(te)大(da)學(xue)的(de)同(tong)事(shi)開(kai)發(fa)了(le)一(yi)種(zhong)片(pian)上(shang)光(guang)學(xue)處(chu)理(li)器(qi)，能(neng)檢(jian)測(ce)數(shu)據(ju)集(ji)中(zhong)的(de)相(xiang)似(si)性(xing)，速(su)度(du)比(bi)在(zai)電(dian)子(zi)處(chu)理(li)器(qi)上(shang)運(yun)行(xing)的(de)傳(chuan)統(tong)機(ji)器(qi)學(xue)習(xi)算(suan)法(fa)快(kuai)1000倍。發表在《光學》雜誌上的這項新研究的靈感來自諾貝爾獎獲得者伊萬·巴甫洛夫對經典條件反射的發現。

巴(ba)甫(fu)洛(luo)夫(fu)在(zai)實(shi)驗(yan)中(zhong)發(fa)現(xian)
，如(ru)果(guo)在(zai)喂(wei)食(shi)過(guo)程(cheng)中(zhong)提(ti)供(gong)另(ling)一(yi)種(zhong)刺(ci)激(ji)
，例(li)如(ru)鈴(ling)鐺(cheng)或(huo)節(jie)拍(pai)器(qi)的(de)聲(sheng)音(yin)
，使(shi)狗(gou)將(jiang)這(zhe)兩(liang)種(zhong)體(ti)驗(yan)聯(lian)係(xi)起(qi)來(lai)
，那(na)它(ta)隻(zhi)聽(ting)到(dao)聲(sheng)音(yin)就(jiu)會(hui)流(liu)口(kou)水(shui)。兩(liang)個(ge)不(bu)相(xiang)關(guan)的(de)事(shi)件(jian)配(pei)對(dui)在(zai)一(yi)起(qi)的(de)重(zhong)複(fu)關(guan)聯(lian)可(ke)產(chan)生(sheng)學(xue)習(xi)反(fan)應(ying)，也(ye)就(jiu)是(shi)條(tiao)件(jian)反(fan)射(she)。

大多數AI係統中使用的神經網絡在學習過程中通常需要大量數據示例
，比如訓練模型可靠地識別出貓，可能需要多達10000張貓/非貓圖像，造成計算和處理成本居高不下。

關聯單子學習元素（AMLE）不是依靠神經網絡青睞的反向傳播來“微調”結果，而是使用一種記憶材料來學習模式，將數據集中的相似特征關聯在一起，以模仿巴甫洛夫在案例中觀察到的條件反射的“比賽”。

在測試中
，僅用5對圖像訓練後
，AMLE就可正確識別貓/非貓圖像。

與傳統電子芯片相比
，新型光學芯片具有相當可觀的性能，這歸因於設計上的兩個關鍵差異：一種獨特的網絡架構

，將聯想學習作為構建塊
，而不是使用神經元和神經網絡；使用“波分複用”在單個通道上發送不同波長的多個光信號
，以提高計算速度。

該設備自然地捕捉數據集中的相似性
，同時使用光並行以提高整體計算速度，這遠遠超過了傳統電子芯片的能力。

研yan究jiu人ren員yuan表biao示shi，聯lian想xiang學xue習xi方fang法fa可ke作zuo為wei神shen經jing網wang絡luo的de補bu充chong
，而er不bu是shi取qu代dai它ta們men。對dui於yu不bu需xu要yao對dui數shu據ju集ji中zhong高gao度du複fu雜za的de特te征zheng進jin行xing大da量liang分fen析xi的de問wen題ti，它ta更geng有you效xiao。許xu多duo學xue習xi任ren務wu都dou是shi基ji於yu數shu量liang的de，複fu雜za程cheng度du並bing不bu高gao。在zai這zhe些xie情qing況kuang下xia
，聯lian想xiang學xue習xi可ke更geng快kuai地di完wan成cheng任ren務wu，並bing且qie計ji算suan成cheng本ben更geng低di。

【總編輯圈點】

bafuluofudegou
，yigejingdianshiyan。bafuluofuranggoubayaolingheshiwujianlilianxi
，rangtamenzaitingdaoshengyinshi，jishijianbudaoshiwu
，yenengliuxiakoushui。zhiyaoxunliandedang，jiunengzaixianggandeshiwuzhijianjianlilianxi。zhezhongjianlilianxideguocheng，qishiyeshiyizhongguangyide“學習”。麵(mian)對(dui)機(ji)器(qi)，科(ke)研(yan)人(ren)員(yuan)也(ye)一(yi)直(zhi)在(zai)探(tan)索(suo)如(ru)何(he)實(shi)現(xian)小(xiao)樣(yang)本(ben)學(xue)習(xi)。本(ben)文(wen)介(jie)紹(shao)了(le)一(yi)種(zhong)光(guang)學(xue)處(chu)理(li)器(qi)
，可(ke)將(jiang)數(shu)據(ju)集(ji)中(zhong)的(de)相(xiang)似(si)特(te)征(zheng)關(guan)聯(lian)到(dao)一(yi)起(qi)
，從(cong)而(er)能(neng)更(geng)快(kuai)地(di)處(chu)理(li)機(ji)器(qi)學(xue)習(xi)算(suan)法(fa)。看(kan)，即(ji)使(shi)是(shi)訓(xun)練(lian)人(ren)工(gong)智(zhi)能(neng)，也(ye)可(ke)以(yi)從(cong)心(xin)理(li)學(xue)等(deng)學(xue)科(ke)中(zhong)找(zhao)到(dao)靈(ling)感(gan)和(he)解(jie)法(fa)。