麻省理工学院的一个研究团队正在努力让人工智能领域更容易为初学者所接受，同时也帮助专家推进该领域。在本周的编程语言设计与实现会议上，研究人员描述了一种名为“Gen”的新概率编程系统。用户从应用人工智能技术的多个领域编写模型和算法，例如计算机视觉、机器人和统计学，而无需处理方程式或手动编写高性能代码。GEN还允许专家研究人员编写以前不可行的复杂模型和推理算法（用于预测任务）。例如，在他们的论文中，研究人员证明了一个简短的GEN程序可以推断三维人体的姿态，这是一项困难的计算机视觉推理任务，可应用于自主系统、人机交互和增强现实。在幕后，该程序包括执行图形渲染、深度学习和概率模拟类型的组件。将这些不同的技术结合在一起，可以比早期的系统更准确、更快速地执行任务。研究人员表示，由于GEN的简单性，无论是新手还是专家，任何人都可以轻松使用它。“这项工作的动机之一是让计算机科学或数学背景较少的人更容易获得自动化人工智能，”第一作者、电气工程和计算机科学系博士生MarcoCusumanoT-Owner说。“我们还希望提高生产力，这意味着专家可以更轻松地快速迭代和构建他们的AI系统。”研究人员还通过使用另一个GEN程序展示了GEN简化数据分析的能力，该程序自动生成复杂的统计模型，专家经常使用这些模型来分析、解释和预测数据中的潜在模式。在研究人员之前的工作基础上，它允许用户编写几行代码来揭示有关金融趋势、航空旅行、投票模式和疾病传播等趋势的见解。这与早期的系统不同，后者需要大量的手动编码才能做出准确的预测。VikashK.Mansinghka'05,Meng'09,PHD'09是大脑和认知科学系的研究员，负责概率计算项目，他说：“GEN是第一个灵活、自动化和高效的系统，可以涵盖非常不同的类型，并提供最先进的性能。与Cusumano-TOwner和Mansinghka一起参与论文的还有FerasSaad'15、SM'16和AlexanderK.Lew，他们都是CSAIL概率计算项目的研究生和成员。World'sBest2015年，Google发布了tensorFlow，这是一个开源应用程序编程接口库(Api)，可帮助初学者和专家自动生成机器学习系统，而无需进行过多的数学运算。现在广泛使用，该平台正在帮助一些人工智能民主化。智力。但是，虽然它是自动化和高效的，但它只专注于深度学习模型，与人工智能的更广泛前景相比，这些模型既昂贵又有限。今天还有许多其他人工智能技术，例如统计和概率模型，以及模拟引擎。其他一些概率编程系统足够灵活，可以涵盖各种人工智能技术，但它们运行效率低下。研究人员试图将世界上最好的东西——自动化、灵活性和速度——融为一体。“如果我们这样做，也许我们可以帮助使更广泛的建模和推理算法民主化，就像TensorFlow为深度学习所做的那样，”Mansingekar说。“在概率人工智能中，推理算法对数据进行操作并不断调整概率以根据新数据进行预测。这样做最终会产生一个描述如何对新数据进行预测的模型。基于这个概念，研究人员集成了几个自定义模型语言转化为Julia，一种通用编程语言，也是麻省理工学院开发的。每种建模语言都针对不同类型的AI建模方法进行了优化，使其更通用。GEN还为推理任务提供了一个高级基础设施，使用优化，变分推理，某些概率方法和深度学习等多种方法。此外，研究人员还进行了一些调整以实现高效运行。在实验室之外，外部用户已经在寻找使用GEN进行AI的方法研究。例如，英特尔正在与麻省理工学院合作，将GEN用于机器人技术，将深度传感器用于增强现实系统ee维姿态估计。麻省理工学院林肯实验室也在合作将GEN应用于空中机器人技术，用于人道主义救援和救灾。GEN开始在DiscoveryInitiative下的MIT智能AmbitiousAI项目中使用。例如，GEN是麻省理工学院-IBM沃森人工智能实验室项目和国防高级研究计划局正在进行的机器常识项目的核心，该项目旨在模拟18个月大儿童水平的人类常识.Mansinghka是该项目的主要研究人员之一。“在GEN上，研究人员第一次很容易整合一套不同的人工智能技术。看看人们现在发现什么是可能的将会很有趣，”曼辛卡说。“自从深度学习出现以来，概率编程一直是人工智能前沿最有前途的领域之一。GEN代表了该领域的重大进步，将促进基于概率推理的人工智能系统的可扩展和实用实施。“谷歌研究总监PeterNord这项工作也得到了同样未参与该研究的PeterNorvig的称赞。“[GEN]允许问题解决者使用概率编程，因此有一种更有原则的方法来解决问题，但不受概率编程系统设计者选择的限制，”他说。通用编程语言……之所以成功，是因为它们……使程序员的任务更容易，也使程序员可以创建全新的东西，有效地解决新问题。GEN对概率编程也是如此。“GEN的源代码是公开的，并将在即将举行的开源开发者大会上展示，包括StrangeLoop和JuliaCon。这项工作得到了DARPA的部分支持。
