AI学会了像人脑一样遗忘，可编程遗忘机制为边缘AI计算“大减负”

先说几个核心判断：最近，美国俄勒冈州立大学搞出来一个很有意思的新东西——一种新型成像传感器。它不只能探测光线、存储图像，最关键的是，还能按需“遗忘”信息。这听起来是不是有点反常识？

具体是怎么实现的呢？研究团队从人脑的突触机制中获得灵感，利用有机层来捕获光生空xue，然后通过电压来调节记忆时长。正电压会加速遗忘，负电压则能把记忆延长到小时级别。这意味着，同一个硬件可以通过调节记忆时长，来适配不同的视觉任务。

更关键的是，它能在传感器端直接完成一部分基础计算，从源头减少数据搬运。能做到这一点，核心在于它的设计——有机吸光层和氧化铟镓锌（IGZO）晶体管组合在一起，实现了光吸收（有机层）与电荷输运（IGZO 沟道）的功能分离。这样一来，就省去了“传感器-内存-处理器”之间频繁的数据传输，有望大幅降低机器人视觉的能耗。

这种新型传感器可以通过光电协同调制，灵活编程自己的学习、记忆和遗忘行为，为未来提升机器人、无人机以及边缘 AI 设备的视觉系统效率，打下了不错的基础。相关论文已经发表在 Advanced Functional Materials 上 [1]。

图丨相关论文（来源：Advanced Functional Materials）

咱们得先看看现在的数码相机是怎么工作的。目前，数码相机依赖互补金属氧化物半导体（CMOS）或电荷耦合器件（CCD），把光子转换成电子。但问题是，这些器件本身没法存储图像，数据得先传输到内存里，才能进一步处理。

“传统的相机传感器在捕捉图像后，除非把信息传输到单独的存储组件，否则会立刻忘记图像内容。”俄勒冈州立大学的 Larry Cheng 助理教授解释说，“我们的设备可以识别并记住图像，而且更重要的是，它还能逐渐遗忘图像。这种逐渐遗忘的特性，是这套设备一个关键且重要的组成部分。”

（来源：https://engineering.oregonstate.edu/people/larry-che

回过头来看，在传统的冯·诺依曼计算架构里，存储和处理单元是分开的，这导致了数据频繁搬运，也就是所谓的“存储墙”瓶颈，限制了速度和能效。

研究团队从人脑的运作方式中获得灵感，开发了这种新型装置。晶体管中的电荷就像神经递质多巴胺一样，能增强突触（神经元之间的连接）之间的连通性，从而增强人们所保留的记忆。

这个新型传感器，和传统相机在信息处理方式上，有非常显著的区别：传统方案得靠 AI 识别算法来理解世界，而新方案则是利用硬件自身的短时记忆，直接记录环境变化。

具体来说，典型的 AI 图像识别算法会逐帧分析捕获的视频流，来检测运动物体；而新型传感器则存储了近期照射到设备上的光强度变化历史。通过这种方式，光电晶体管能突出环境中的变化信息，并保留其时间演化过程。更关键的是，它记住这些变化的时间，可以根据具体需求来调整。

物体运动的速度和传感器需要“记住”它的时间，呈现一种规律性的变化：物体运动越快，传感器需要记住它的时间越短；物体动得越慢，需要记住的时间则越长。举个例子，对于时速 250 公里的无人机，只需要记录瞬间的运动轨迹就够了；但对于用来识别可疑徘徊者的门铃摄像头，则需要保存更长时间的光强变化序列。

（来源：俄勒冈州立大学）

这种新方法的关键突破在于，通过可调节的记忆时长，让单个传感器能实现多样的任务——从高速目标跟踪到慢速行为监控，都能覆盖，并且在这个过程中同时优化响应速度和能耗表现。

研究人员在实验中验证了器件的性能，尤其是低功耗方面的优势。这个器件在低于 5μW·cm⁻² 的光强条件下就能正常工作，还能支持 0.5μW·cm⁻² 的弱光有效成像，比此前同类有机器件低了两个数量级以上。

Larry Cheng 补充说：“商用相机需要不断地在传感器、存储设备和处理器之间传输数据，所以运行图像识别算法相对非常耗能。直接在传感器上进行这种基础处理的能力，有望大幅降低能耗需求。”

（来源：Advanced Functional Materials）

研究人员制造的原型设备是一个 4×4 像素的阵列，大小和 U 盘差不多。阵列顶部涂覆了一层透明的有机吸光层，能把入射光转化为电荷。当光子照射到光敏层时，会产生电子和空xue。电子会转移到下方的晶体管沟道中（沟道由 IGZO 制成），而空xue则构成了器件存储功能的基础。

之所以选择 IGZO 晶体管，是因为它对可见光透明，这意味着晶体管不会吸收光，电信号传输和光敏功能得以分离。IGZO 材料适用于大面积制造，在显示技术领域应用广泛，而且由于电荷在其内部传输速度快，用它制成的晶体管漏电流极低。这两种材料的结合，使得每个像素能在单个器件内，同时检测光线并存储最近一次光照的信息。

Larry Cheng 指出，由于光敏层中的能垒，空xue会被困在孤立的有机半导体聚集体中。即使光照关闭后，这些被困的空xue仍然会通过静电作用，持续调制晶体管沟道，从而实现器件保留最近光照信息的效果。

电荷量会逐渐衰减，但研究人员可以通过对光敏层施加电压来改变其持续时间。原因在于，正电压会把捕获的空xue推离晶体管沟道更远，从而降低其作用并加速衰减，导致记忆快速遗忘；而负电压则会把空xue拉近晶体管沟道，减缓衰减过程。通过这种干预，器件可以将记忆保持数小时甚至更长时间。

实验数据显示，在 -0.5V 的栅压下，光照后的电导可以保持 5,000 秒以上。这种极性可控的切换，在单一器件内实现了增强、保持、抑制三种状态的编程。

（来源：Advanced Functional Materials）

实验验证

为了验证新型器件的实际计算能力，研究团队将器件的特性参数导入了一个人工神经网络模型，对手写数字数据集 MNIST 进行分类训练。结果显示，该器件模拟的突触权重更新线性度表现不错。在数百次训练周期后，无噪声高分辨率条件下，分类准确率达到了 90% 以上，并且对硬件中常见的参数波动表现出良好的容错度。

研究展望

当然，目前这项研究还处于器件验证阶段，必须得承认，它距离完整替代现有的 CMOS 成像系统，还有一段路要走。在未来的研究阶段，他们计划把这项技术扩展到更大的像素阵列，并开发集成成像原型，进一步探索和验证实时成像和传感器端的处理能力。

参考资料：

1.https://doi.org/10.1002/adfm.75942

2.https://spectrum.ieee.org/hybrid-phototransistor

3.https://news.oregonstate.edu/news/new-digital-memory-device-inspired-human-brain-may-improve-ai%E2%80%99s-energy-efficiency