當你手中只有一張模糊的圖像時，你能以多高的精度測量物體？維也納工業(yè)大學的研究人員利用人工智能突破了可能性的邊界。任何圖像都無法達到絕對清晰。150多年來，科學家們早已認識到，即使最先進的顯微鏡和相機也無法突破根本的分辨率極限。我們不可能以無限精度確定粒子的確切位置，某種程度的模糊始終存在。這種限制并非源于技術缺陷，而是源于光的本質特性及信息傳遞方式。

為此，維也納工業(yè)大學、格拉斯哥大學和格勒諾布爾大學的研究人員共同探索了一個根本性問題：光學技術所能達到的終極精度究竟是多少？我們能否無限接近這個理論極限？這支國際團隊不僅從理論上定義了可實現的最低精度極限，更開發(fā)出基于神經網絡的人工智能系統(tǒng)——經過充分訓練后，該系統(tǒng)表現出的精度已無限接近理論極限。目前該方法正被應用于成像技術的實踐領域，包括醫(yī)療診斷設備。

圖片:Artificial-Intelligence-Measurement-Concept-scaled.jpg

一個球體（頂部）被放置在云狀玻璃板（中央）上方，其發(fā)出的光線在屏幕（底部）上形成復雜圖案。通過人工智能分析圖像數據可以確定球體的位置，其定位精度非常接近本研究得出的終極分辨率極限。

精度存在絕對極限

維也納工業(yè)大學理論物理研究所的Stefan Rotter教授解釋道："假設我們正透過不規(guī)則毛玻璃觀察一個小物體，我們看到的不僅是物體影像，更是由明暗光斑組成的復雜光紋。問題在于：基于這種圖像，我們估算物體實際位置的精度極限究竟是多少？"這種場景在生物物理學和醫(yī)學成像領域至關重要。當光線被生物組織散射時，看似會丟失深層組織結構信息。但理論上能回收多少信息？這不僅是個技術問題，更涉及物理學設定的根本限制。

這個問題的答案由一個理論度量提供——所謂"費希爾信息"。該度量描述了光學信號包含多少關于未知參數（如物體位置）的信息。如果費希爾信息量較低，無論采用多么精密的分析手段都無法實現精確測定。基于費希爾信息概念，研究團隊成功計算出不同實驗場景下理論可實現精度的上限值。

神經網絡從混沌光紋中學習

當維也納工業(yè)大學團隊提供理論支持時，格勒諾布爾大學的Dorian Bouchet與格拉斯哥大學的Ilya Starshynov、Daniele Faccio共同設計并實施了對應實驗。實驗中，激光束照射位于混濁液體后的微型反射物體，記錄下的圖像僅呈現高度畸變的光紋。測量條件隨液體混濁度變化——這意味著從信號中獲取精確位置信息的難度也在動態(tài)變化。

研究作者之一TU Wien表示："這些圖像在人眼看來如同隨機圖案，但若將大量此類圖像（每張都標注已知物體位置）輸入神經網絡，網絡就能學會特定圖案與位置的關聯。"經過充分訓練后，即使面對全新的未知圖案，神經網絡也能非常精確地判定物體位置。

無限接近物理極限

特別值得注意的是：神經網絡預測的精度僅略低于通過費希爾信息計算的理論最大值。Stefan Rotter強調："這意味著我們的人工智能算法不僅高效，而且近乎最優(yōu)，它幾乎完全達到了物理定律允許的精度極限。"

這一認識具有深遠意義：借助智能算法，光學測量方法可在醫(yī)療診斷、材料研究、量子技術等廣泛領域實現顯著提升。研究團隊未來計劃與應用物理學和醫(yī)學領域的合作伙伴共同探索這些人工智能方法在具體系統(tǒng)中的實踐應用。

相關鏈接：https://www.nature.com/articles/s41566-025-01657-6