想象一下，在举办一个3d虚拟会议时，你的客人来自不同的城市，但似乎就坐在会议桌对面。不仅如此，你的客人还可以在你真正的房间里走来走去，与同事聊天或在白板上做笔记。

就像《星际迷航》里的全息甲板！这种实时的体验已经不再是遥不可及的了。

 斯坦福大学的研究人员将人工智能与光学物理学相结合，创建了一个系统，该系统可以训练自己创建足够好的算法，以即时重现真实世界中各种三维的、不断变化的复杂性场景。

在电子工程助理教授戈登·韦茨斯坦（Gordon Wetzstein）的带领下，斯坦福大学的研究小组公布了一种神经网络，它通过使用“循环中的摄像机”来自我学习所需的技能，以评估其所绘制图像的准确性，然后从错误中学习。

韦茨斯坦表示：“最大的挑战是，我们没有足够好的算法来模拟光在复杂光学系统中（比如AR眼镜）是如何传播的。我们目前拥有的算法有两种限制，它们计算效率很低，所以需要很长时间来不断更新图像。而在实际操作中，这些图像看起来并不那么好。”

新方法在实时图像生成和图像质量方面都取得了重大进展。在对比试验中，他们的“ Holonet”神经网络开发的算法与比传统的全息软件相比，生成了更清晰，更准确的3D图像。

实时虚拟现实和增强现实技术具有广泛的应用前景，不仅仅是用于游戏和虚拟会议。实时全息技术在教育、培训和远程工作方面具有巨大的潜力。例如，一位飞机机械师可以通过探索几千英里之外的喷气发动机内部来学习，或者一位心脏外科医师可以练习特别具有挑战性的环节。

 闭路摄像头

与机器学习的许多其他应用一样，Holonet神经网络通过不断地在一组组训练图像上练习，并从错误中学习来改进算法。

韦茨斯坦表示，关键是要在AI培训课程中加入真正的相机。神经网络首先试图复制一个三维图像，然后将其投射到显示器上。数码相机将投影图像捕捉到显示器上，并将其反馈到系统中，系统可以将投影图像与原始图像进行比较。

随着时间的推移，该系统在生成精确的3d图像方面会越来越出色。最终，它有能力重现训练数据中从未见过的新图像。

这听起来很简单，但你要考虑到一个不断变化的三维图像中惊人数量的潜在波型。

韦兹斯坦表示：“把光波想象成池塘里岩石撞击水面后的涟漪。显示屏上的像素就像岩石一样，它们控制着光的波动模式，创造出你想要显示的图像。要创建一个复杂的图像，你必须以正确的方式扔很多石头。现在想想你该如何投掷这些石头来产生光波，这些光波叠加在一起，形成《星球大战》中莱娅公主的全息视频。”

人类需要从头算起的数据太多，排列太多。但是，通过将物理知识与机器学习能力相结合，不知疲倦地寻找新模式，神经网络可以开发出全新的算法，来解决困扰了专家几十年的3D问题。

 全息图的未来

尽管3D游戏和会议看起来很有趣，研究人员说，实时全息技术对增强现实也有巨大的影响。例如，使用配备AR的眼镜，人们可以将面前的普通物理物体变成虚拟键盘或仪表盘，从而控制数百英里外的电脑和机器。全息技术甚至可以让音乐家演奏虚拟乐器，并在虚拟乐团中合作。

韦茨斯坦说，这种算法触手可及，科技公司正在努力将必要硬件的小型化，从可将全息图投射到人眼的眼镜，到价格低廉的3D摄像机。事实上，苹果公司最近在其平板电脑Pad Pro上安装了3d扫描仪。

韦兹斯坦说:“通过这项工作，我们已经更接近我们的目标——创建与真实世界没有区别的视觉体验。这不同与《星际迷航》中全息甲板的设想，因为你不需要一个专用的房间，只需要在你的眼镜内安装一个微小的全息显示器。但通过结合现代神经网络技术和经典物理光学技术，我认为这个目标是可以实现的。”