麻省理工學(xué)院的一個(gè)研究小組正在努力讓初學(xué)者更容易進(jìn)入人工智能的領(lǐng)域，同時(shí)也幫助專家推動(dòng)這一領(lǐng)域的發(fā)展。

在本周的編程語言設(shè)計(jì)和實(shí)現(xiàn)會(huì)議上，研究人員描述了一種名為“Gen”的新型概率編程系統(tǒng)。用戶從人工智能技術(shù)應(yīng)用的多個(gè)領(lǐng)域(如計(jì)算機(jī)視覺、機(jī)器人和統(tǒng)計(jì))編寫模型和算法，而無需處理方程或手工編寫高性能代碼。GEN還讓專家研究人員編寫以前不可行的復(fù)雜模型和推理算法(用于預(yù)測(cè)任務(wù))。

例如，在他們的論文中，研究人員證明，一個(gè)簡(jiǎn)短的GEN程序可以推斷三維身體的姿勢(shì)，這是一項(xiàng)困難的計(jì)算機(jī)視覺推理任務(wù)，在自治系統(tǒng)、人機(jī)交互和增強(qiáng)現(xiàn)實(shí)中都有應(yīng)用。在幕后，這個(gè)程序包括執(zhí)行圖形繪制、深入學(xué)習(xí)和概率模擬類型的組件.將這些不同的技術(shù)結(jié)合在一起，可以使這項(xiàng)任務(wù)的準(zhǔn)確性和速度比早期系統(tǒng)表現(xiàn)得更好。

研究人員說由于GEN的簡(jiǎn)單性，它可以很容易地被任何人使用，從新手到專家。“這項(xiàng)工作的動(dòng)機(jī)之一是讓計(jì)算機(jī)科學(xué)或數(shù)學(xué)專業(yè)水平較低的人更容易獲得自動(dòng)化人工智能，”第一作者馬爾科·庫蘇馬諾·托納(Marco Cusumano TOwner)說，他是電子工程和計(jì)算機(jī)科學(xué)系的博士生。“我們還想提高生產(chǎn)力，這意味著專家們可以更容易地快速迭代和構(gòu)建他們的人工智能系統(tǒng)。”

研究人員還展示了GEN通過使用另一個(gè)GEN程序來簡(jiǎn)化數(shù)據(jù)分析的能力，該程序自動(dòng)生成復(fù)雜的統(tǒng)計(jì)模型，通常由專家用來分析、解釋和預(yù)測(cè)數(shù)據(jù)中的基本模式。在研究人員的前期工作基礎(chǔ)上，讓用戶可以編寫幾行代碼，以揭示金融趨勢(shì)、航空旅行、投票模式和疾病傳播等趨勢(shì)的真知灼見。這與早期的系統(tǒng)不同，早期的系統(tǒng)需要大量手工編碼才能做出準(zhǔn)確的預(yù)測(cè)。

負(fù)責(zé)概率計(jì)算項(xiàng)目的大腦和認(rèn)知科學(xué)系研究員Vikash K.Mansinghka‘05、Meng’09、PHD‘09說：“GEN是第一個(gè)靈活、自動(dòng)化和高效的系統(tǒng)，能夠涵蓋計(jì)算機(jī)視覺和數(shù)據(jù)科學(xué)中非常不同類型的例子，并提供最先進(jìn)的性能。”

加入Cusumano-TOwner和Mansinghka的論文是Feras Saad‘15，SM’16和Alexander K.Lew，他們都是CSAIL的研究生和概率計(jì)算項(xiàng)目的成員。

世界上最好的

2015年，谷歌發(fā)布了tensorFlow，這是一個(gè)開源的應(yīng)用程序編程接口庫(Api)，它可以幫助初學(xué)者和專家自動(dòng)生成機(jī)器學(xué)習(xí)系統(tǒng)，而不用做太多的數(shù)學(xué)運(yùn)算?，F(xiàn)在被廣泛使用，該平臺(tái)正在幫助大眾化方面的一些人工智能。但是，盡管它是自動(dòng)化和高效的，但它狹隘地集中在深度學(xué)習(xí)模式上，與人工智能的更廣泛的前景相比，這些模式既昂貴又有限。

今天還有很多其他的人工智能技術(shù)，比如統(tǒng)計(jì)和概率模型，以及仿真引擎。其他一些概率編程系統(tǒng)具有足夠的靈活性，可以涵蓋多種人工智能技術(shù)，但它們的運(yùn)行效率很低。

研究人員試圖將所有世界中最好的-自動(dòng)化、靈活性和速度-融為一體。曼辛格卡說：“如果我們這樣做，也許我們可以幫助更廣泛的建模和推理算法的大眾化，就像TensorFlow為深入學(xué)習(xí)所做的那樣。”

在概率人工智能中，推理算法對(duì)數(shù)據(jù)進(jìn)行運(yùn)算，并根據(jù)新的數(shù)據(jù)連續(xù)調(diào)整概率進(jìn)行預(yù)測(cè)。這樣做最終會(huì)產(chǎn)生一個(gè)模型，該模型描述如何對(duì)新數(shù)據(jù)進(jìn)行預(yù)測(cè)。

基于早期概率編程系統(tǒng)中使用的概念，研究人員將幾種自定義建模語言集成到Julia中，這是一種通用的編程語言，也是麻省理工學(xué)院開發(fā)..每種建模語言都針對(duì)不同類型的人工智能建模方法進(jìn)行了優(yōu)化，使其更加通用。GEN還為推理任務(wù)提供了高層次的基礎(chǔ)設(shè)施，使用了多種方法，如優(yōu)化、變分推理、某些概率方法和深度學(xué)習(xí)。除此之外，研究人員還進(jìn)行了一些調(diào)整，以使實(shí)現(xiàn)高效運(yùn)行。

在實(shí)驗(yàn)室之外

外部用戶已經(jīng)在尋找利用GEN進(jìn)行人工智能研究的方法。例如，英特爾正與麻省理工學(xué)院合作，利用GEN對(duì)其用于機(jī)器人和增強(qiáng)現(xiàn)實(shí)系統(tǒng)的深度感應(yīng)器進(jìn)行三維姿態(tài)估計(jì)。麻省理工學(xué)院林肯實(shí)驗(yàn)室也在合作，將GEN應(yīng)用于用于人道主義救援和救災(zāi)的空中機(jī)器人技術(shù)。

GEN正開始被用于麻省理工學(xué)院智能探索計(jì)劃下的雄心勃勃的人工智能項(xiàng)目。例如，GEN是麻省理工學(xué)院-IBM沃森人工智能實(shí)驗(yàn)室項(xiàng)目的核心，以及美國(guó)國(guó)防部高級(jí)研究計(jì)劃局正在進(jìn)行的機(jī)器常識(shí)項(xiàng)目，該項(xiàng)目旨在一個(gè)18個(gè)月大的孩子的水平上模擬人類的常識(shí)。Mansinghka是這一項(xiàng)目的主要調(diào)查人員之一。

“對(duì)于GEN來說，這是第一次，研究人員很容易整合一組不同的人工智能技術(shù)?？纯慈藗儸F(xiàn)在發(fā)現(xiàn)了什么是可能的，這將是很有趣的，“Mansinghka說。

優(yōu)步(Uber)首席科學(xué)家兼人工智能副總裁、沒有參與這項(xiàng)研究的劍橋大學(xué)(Cambridge University)教授祖賓·加赫拉馬尼(Zoubin Ghahramani)表示：“自深度學(xué)習(xí)問世以來，概率編程是人工智能前沿最有希望的領(lǐng)域之一。GEN代表了這一領(lǐng)域的重大進(jìn)步，將有助于基于概率推理的人工智能系統(tǒng)的可擴(kuò)展和實(shí)際實(shí)現(xiàn)。”

谷歌(Google)的研究總監(jiān)彼得·諾維格(PeterNorvig)也贊揚(yáng)了這項(xiàng)工作，他也沒有參與這項(xiàng)研究。他說：“[GEN]允許問題解決者使用概率編程，因此對(duì)這個(gè)問題有一個(gè)更有原則的方法，但不受概率規(guī)劃系統(tǒng)設(shè)計(jì)者的選擇的限制。”通用編程語言…成功是因?yàn)樗麄?hellip;使程序員的任務(wù)更容易，也使程序員有可能創(chuàng)造一個(gè)全新的東西，有效地解決一個(gè)新的問題。GEN在概率編程方面也是如此。“

GEN的源代碼是公開可得并將在即將召開的開源開發(fā)人員會(huì)議上展示，包括Strange循環(huán)和JuliaCon。這項(xiàng)工作在一定程度上得到了DARPA的支持。