麻省理工學(xué)院的一個研究小組正在研究如何讓初學(xué)者更容易的進(jìn)入到人工智能領(lǐng)域，同時也幫助專家推動這一領(lǐng)域的發(fā)展。

在本周的編程語言設(shè)計與實現(xiàn)大會上，研究人員發(fā)表了一篇論文，描述了一個名為“Gen”的新型概率編程系統(tǒng)?！坝脩魺o需處理方程或手工編寫高性能代碼，就可以從應(yīng)用人工智能技術(shù)的多個領(lǐng)域(如計算機(jī)視覺、機(jī)器人和統(tǒng)計)編寫模型和算法。Gen還允許專家研究人員編寫復(fù)雜的模型和推理算法——用于預(yù)測任務(wù)——這在以前是不可行的。

例如，在他們的論文中，研究人員證明了一個短Gen程序可以推斷出3-D的身體姿勢，這是一個困難的計算機(jī)視覺推理任務(wù)，在自主系統(tǒng)、人機(jī)交互和增強(qiáng)現(xiàn)實中都有應(yīng)用。在幕后，該程序包括執(zhí)行圖形繪制、深度學(xué)習(xí)和概率模擬類型的組件。這些不同技術(shù)的結(jié)合使這項任務(wù)比一些研究人員開發(fā)的早期系統(tǒng)具有更高的準(zhǔn)確性和速度。

研究人員表示 由于其簡單性 ，以及在的自動化中的應(yīng)用，Gen可以被任何人輕松使用，無論是新手還是專家。第一作者，電氣工程和計算機(jī)科學(xué)系博士生Marco Cusumano-Towner說 ：“這項工作的動機(jī)之一是讓計算機(jī)科學(xué)或數(shù)學(xué)專業(yè)知識較少的人更容易使用到自動化人工智能”?！拔覀冞€希望提高生產(chǎn)力，這意味著專家可以更輕松地快速迭代和制作AI系統(tǒng)原型?！?/p>

研究人員還展示了Gen通過使用另一個Gen程序來簡化數(shù)據(jù)分析的能力，該程序自動生成復(fù)雜的統(tǒng)計模型，專家通常使用這些模型來分析、解釋和預(yù)測數(shù)據(jù)中的底層模式。這是基于研究人員先前的工作，該工作允許用戶編寫幾行代碼，以了解金融趨勢、航空旅行、投票模式以及疾病傳播等趨勢。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進(jìn)行準(zhǔn)確的預(yù)測。

Gen是第一個靈活、自動化、高效的系統(tǒng)，足以涵蓋計算機(jī)視覺和數(shù)據(jù)科學(xué)中那些非常不同類型的例子，并提供最先進(jìn)的性能。

2015年，谷歌發(fā)布了TensorFlow，這是一個開源的應(yīng)用程序編程接口庫(api)，可以幫助初學(xué)者和專家自動生成機(jī)器學(xué)習(xí)系統(tǒng)，而不需要做太多數(shù)學(xué)運算。如今，該平臺得到了廣泛應(yīng)用，幫助人工智能的某些方面實現(xiàn)了自主化。但是，盡管它是自動化的、高效的，但它只專注于深度學(xué)習(xí)模型，與人工智能更廣泛的前景相比，這些模型既昂貴又有限。

但是現(xiàn)在有很多其他的人工智能技術(shù)可用，比如統(tǒng)計和概率模型，以及仿真引擎。其他一些概率編程系統(tǒng)足夠靈活，可以涵蓋多種人工智能技術(shù)，但它們的運行效率很低。

研究人員試圖將自動化、靈活性和速度這些世界上最好的東西結(jié)合在一起。Mansinghka說:“如果我們能做到這一點，也許我們就能幫助更廣泛的建模和推理算法集合自主化，就像TensorFlow為深度學(xué)習(xí)所做的那樣?！?/p>

在概率人工智能中，推理算法對數(shù)據(jù)進(jìn)行運算，并根據(jù)新數(shù)據(jù)不斷調(diào)整概率來進(jìn)行預(yù)測。這樣做最終會產(chǎn)生一個模型，描述如何對新數(shù)據(jù)進(jìn)行預(yù)測。

基于早期概率編程系統(tǒng)Church中使用的概念，研究人員將幾種自定義建模語言合并到Julia中，Julia是一種通用編程語言，也是麻省理工學(xué)院開發(fā)的。每種建模語言都針對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)提供高級基礎(chǔ)設(shè)施，使用各種方法，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，研究人員還添加了一些調(diào)整，以使實現(xiàn)更有效地運行。

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，英特爾公司正與麻省理工學(xué)院合作，利用Gen公司用于機(jī)器人和增強(qiáng)現(xiàn)實系統(tǒng)的深度感知相機(jī)進(jìn)行三維姿態(tài)估計。麻省理工學(xué)院林肯實驗室(MIT Lincoln Laboratory)也在合作開發(fā)Gen在航空機(jī)器人領(lǐng)域的應(yīng)用，用于人道主義救援和災(zāi)難響應(yīng)。

在麻省理工學(xué)院(MIT)的智能探索項目下，Gen開始被用于雄心勃勃的人工智能項目。例如，Gen是麻省理工學(xué)院和ibm沃森人工智能實驗室項目的核心，同時也是美國國防部高級研究計劃局正在進(jìn)行的機(jī)器常識項目的核心，該項目旨在模擬18個月大的孩子的人類常識水平。Mansinghka是這個項目的主要研究人員之一。

“有了Gen，研究人員第一次可以很容易地集成許多不同的人工智能技術(shù)?？纯慈藗儸F(xiàn)在能發(fā)現(xiàn)什么是可能的，這將是一件有趣的事情，”Mansinghka說。

優(yōu)步首席科學(xué)家、人工智能副總裁、劍橋大學(xué)(Cambridge University)教授佐賓?加拉馬尼(Zoubin Ghahramani)沒有參與這項研究。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可伸縮和實際的AI系統(tǒng)實現(xiàn)?！?/p>

谷歌的研究主管Peter Norvig也贊揚了這項工作，他也沒有參與這項研究。他表示:“(Gen)允許問題解決者使用概率編程，從而對問題有更有原則的解決方法，但不受概率編程系統(tǒng)設(shè)計者所作選擇的限制?！薄巴ㄓ镁幊陶Z言……之所以成功，是因為它們……讓程序員更容易完成任務(wù)，但也讓程序員有可能創(chuàng)造出全新的東西來高效地解決新問題?！盙en對概率編程也是如此?！?/p>

Gen的源代碼是公開的，并將在即將召開的開源開發(fā)者大會上展示，包括Strange Loop和JuliaCon。這項工作部分由DARPA資助。