دستیابی به دقت بی‌سابقه در تصویربرداری با هوش مصنوعی

دقت بی‌سابقه با شبکه‌های عصبی

تیمی از محققان بین‌المللی با استفاده از شبکه‌های عصبی مصنوعی توانستند در شرایطی که تصویر تنها شامل الگوهای نوری پراکنده و نامنظم است، مکان دقیق یک جسم را با دقتی بی‌سابقه تشخیص دهند. این الگوریتم هوشمند پس از آموزش گسترده با داده‌های تصویری، عملکردی نزدیک به حد نظری تعیین‌شده توسط اطلاعات فیشر (Fisher Information) از خود نشان داد؛ معیاری که سقف اطلاعات قابل استخراج از یک سیگنال نوری را مشخص می‌کند.

غلبه بر محدودیت‌های ذاتی نور

اشتفان روتر، استاد فیزیک نظری در دانشگاه صنعتی وین، درباره این دستاورد اظهار داشت: «در تصویربرداری نوری، حتی با پیشرفته‌ترین دوربین‌ها و میکروسکوپ‌ها همواره محدودیتی بنیادی در وضوح وجود دارد که ناشی از ذات نور و نحوه انتقال اطلاعات است. اما اکنون توانسته‌ایم به کمک الگوریتم‌های یادگیری ماشین از دل الگوهای نوری پیچیده، اطلاعات بسیار دقیقی استخراج کنیم.»

در آزمایش انجام‌شده، پرتوی لیزر به جسمی کوچک در پشت یک مایع کدر تابانده شد و تنها الگوهای نوری پراکنده حاصل از آن ثبت گردید. به گفته محققان، این الگوها برای چشم انسان بسیار تصادفی به نظر می‌رسند، اما شبکه عصبی آموزش‌دیده توانست از آنها موقعیت جسم را به‌دقت استخراج کند.

نتایج نزدیک به مرز فیزیکی

ماکسیمیلیان وایمار، یکی از پژوهشگران این پروژه، بیان کرد: «دقت الگوریتم ما تنها اندکی پایین‌تر از دقتی است که طبق نظریه اطلاعات فیشر در بهترین حالت ممکن است. این یعنی هوش مصنوعی ما عملکردی نزدیک به مرز فیزیکی دارد.»

پیامدهای گسترده برای آینده

این دستاورد می‌تواند تأثیر چشمگیری بر فناوری‌های تصویربرداری در حوزه‌هایی مانند:

• تشخیص‌های پزشکی: بهبود دقت در تصویربرداری‌های تشخیصی.
• تحقیق در مواد پیشرفته: امکان بررسی دقیق‌تر ساختار مواد.
• فناوری کوانتومی: پیشرفت در سیستم‌های مبتنی بر نور و ذرات کوانتومی.

تیم تحقیقاتی اکنون در حال برنامه‌ریزی برای همکاری با پژوهشگران حوزه فیزیک کاربردی و علوم پزشکی است تا این روش‌ها را در سیستم‌های واقعی به‌کار گیرد.