智慧製造2019.05.02

從黑洞初登場看 A.I. 影像演算應用

飛飛

創新 自造者 機器人

黑洞視覺影像全球首映! 從愛因斯坦提出概念性相對論,走過百年,直到此次透過遠觀事件視界,黑洞面貌近乎實證。電腦影像處理受益於演算法的突破性進展,其借用人類神經作用概念於實務應用深度學習技術,從 2012 年開始蓬勃發展至今還不滿十年。

黑洞視覺影像全球首映! 從愛因斯坦提出概念性相對論,走過百年,直到此次透過遠觀事件視界,黑洞面貌近乎實證。電腦影像處理受益於演算法的突破性進展,其借用人類神經作用概念於實務應用深度學習技術,從 2012 年開始蓬勃發展至今還不滿十年。

 

無論是照片或是影片,都是將我們的三維度立體空間轉化為二度平面空間。如果再將此二度平面空間轉存入電腦世界,就需再轉換為現今電腦發展基礎 ─ 0 與 1 所構築的零維度數位世界,好比於螢畫面上以 Pixel 畫素點線成二維,建構出平面影像。電腦進行影像分析與處理,當然也就必須遵循此零維度世界的法則,而無法直接跳至二維度平面影像辨識。人類神經作用即是由一個個神經元所在的零維間相互傳導:當電波超過一定界值時,即會傳導至下一個神經元,否則在界值內則不會啟動訊息傳遞。這也就是類神經網路概念發展的起點。目前所謂的影像識別演算,一般是將影像縱橫切割,成為由零維度點線成面的棋盤式構面,並將個別零維度所構築的 0 與 1 棋盤面架構同等加權後,再透過固定規則(如:去 0 值),基於其所得數位值結構,形塑出與之相對應的影像特徵;每一次前述過程處理一個影像特徵,因此愈多次重複過程就能表徵愈多影像特點,促使愈明確辨識影像,而這中間的處理次數即為所謂「深度」學習之指稱所在:意即多層次演算,有別於過往工程師以單一次處理為角度的演算架構設計思維。 而其所謂的「類神經」亦在於其針對單一特徵以 0 與 1 表其有或沒有,並經層層傳遞相疊加,連結成單張影像主要特徵,從而能透過資料庫比對辨識出「是」(如:貓)或「非」(貓)兩者其一的結果。

要從地球遠觀黑洞,或可比擬為針尖大小的實物,以其比例大小的視野,站在我們手指指尖端眺望自身眼瞳那般。以天文影像觀測而言,通常在於重塑極其遙遠距離之外的巨質量物體,而這代表的是反過來說,因距離因素使得觀測目標成了我們視覺影像中極小的一個光影。以演算法還原此小黑點般影像為其所攝得原貌,成了目前較可行的處理方式,並因而得以突破過往影像處理多半侷限於映象概念視線限制。除此之外,此次黑洞面貌初影,還應用了上述影像演算中的加權概念,作為驗證影像可靠性的其一方法,避免「心有所想」的主觀意識因素;其方法是以各地回傳影像的儲值架構,套用不同加權值之後,最終獲得相同影像面貌,從而確立其面貌的可靠性。

 

先解構再建構有助跳脫我們人體感官界限。在我們可感知的環境裡,其中其實都是由無數基礎物質構建,譬如:細胞構成人體、電子構成雷電現像、水氣構成雲霧等,而這些構建基礎都是在其為人發現之前,令人無法想像的存在。經點線面交叉形塑立體,是我們所在三維空間的構成基礎所在。因而,解構將能協助我們透視本質,再據此建構/還原面貌,從其探索過程帶來更多新知與思考角度,並通往未來更多探知。目前 A.I. 影像處理雖僅止於辨識「非黑即白」兩者其一的二元相對概念,然而聰明的科學家仍能透過現有演算方法反向證明黑洞視覺影像生成的可靠性,即是從解構再建構過程中所得,巧思創新應用。不只是科技革新,應用創新更將能巧妙化解思考盲點,躍進未來。

 

誰說將來有一天黑洞觀光不可能呢?

延伸討論

智慧製造

層級防護的金鐘罩鐵布杉

飛飛
近來又聽聞駭人駭客事件。此些駭人的原因在於多起遭駭客入侵的事件中,其目標已轉為資訊設備製造商。過往駭客事件多半是單一使用者,如今則顯示駭客已將目標轉為提供眾多使用者設備與服務的供應端。
智慧製造

Massive IoT 大規模地端聯網主力軍 - LPWAN

飛飛
物聯網之中的 Massive IoT 巨量萬物聯網特性,是此概念極具商業應用價值的重心。
智慧製造

5G IIoT 前傳 ─ 英雄會,你拿到門票了嗎?

飛飛
全球 5G 動起來,台灣當然也不缺席!NCC 預定最遲於 2020 年釋照,並規劃其後兩年內商轉。5G 重點在於實現萬物聯網的實質經濟效益,而這也將是德國於 2011 年全球首發聲工業 4.0 之後,首次物聯網級通訊規格挺進商用階段。因此,我們也可以說為期五年的 5G IIoT 前置準備期已經開跑。