麻省理工學院的一個研究小組正在努力讓初學者更容易進入人工智能的領域，同時也幫助專家推動這一領域的發(fā)展。

在本周的編程語言設計和實現(xiàn)會議上，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應用的多個領域（如計算機視覺、機器人和統(tǒng)計）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雜模型和推理算法（用于預測任務）。

例如，在他們的論文中，研究人員證明，一個簡短的GEN程序可以推斷三維身體的姿勢，這是一項困難的計算機視覺推理任務，在自治系統(tǒng)、人機交互和增強現(xiàn)實中都有應用。在幕后，這個程序包括執(zhí)行圖形繪制、深入學習和概率模擬類型的組件。將這些不同的技術結合在一起，可以使這項任務的準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的簡單性，它可以很容易地被任何人使用，從新手到專家。“這項工作的動機之一是讓計算機科學或數(shù)學專業(yè)水平較低的人更容易獲得自動化人工智能，”第一作者馬爾科·庫蘇馬諾·托納（Marco Cusumano TOwner）說，他是電子工程和計算機科學系的博士生。“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建他們的人工智能系統(tǒng)?！?/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，該程序自動生成復雜的統(tǒng)計模型，通常由專家用來分析、解釋和預測數(shù)據(jù)中的基本模式。在研究人員的前期工作基礎上，讓用戶可以編寫幾行代碼，以揭示金融趨勢、航空旅行、投票模式和疾病傳播等趨勢的真知灼見。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確的預測。

負責概率計算項目的大腦和認知科學系研究員Vikash K.Mansinghka‘05、Meng’09、PHD‘09說：“GEN是第一個靈活、自動化和高效的系統(tǒng)，能夠涵蓋計算機視覺和數(shù)據(jù)科學中非常不同類型的例子，并提供最先進的性能?！?/p>

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

世界上最好的

2015年，谷歌發(fā)布了tensorFlow，這是一個開源的應用程序編程接口庫（Api），它可以幫助初學者和專家自動生成機器學習系統(tǒng)，而不用做太多的數(shù)學運算?，F(xiàn)在被廣泛使用，該平臺正在幫助大眾化方面的一些人工智能。但是，盡管它是自動化和高效的，但它狹隘地集中在深度學習模式上，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，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)具有足夠的靈活性，可以涵蓋多種人工智能技術，但它們的運行效率很低。

研究人員試圖將所有世界中最好的-自動化、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為深入學習所做的那樣?！?/p>

在概率人工智能中，推理算法對數(shù)據(jù)進行運算，并根據(jù)新的數(shù)據(jù)連續(xù)調整概率進行預測。這樣做最終會產(chǎn)生一個模型，該模型描述如何對新數(shù)據(jù)進行預測。

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，也是麻省理工學院開發(fā)。。每種建模語言都針對不同類型的人工智能建模方法進行了優(yōu)化，使其更加通用。GEN還為推理任務提供了高層次的基礎設施，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習。除此之外，研究人員還進行了一些調整，以使實現(xiàn)高效運行。

在實驗室之外

外部用戶已經(jīng)在尋找利用GEN進行人工智能研究的方法。例如，英特爾正與麻省理工學院合作，利用GEN對其用于機器人和增強現(xiàn)實系統(tǒng)的深度感應器進行三維姿態(tài)估計。麻省理工學院林肯實驗室也在合作，將GEN應用于用于人道主義救援和救災的空中機器人技術。

GEN正開始被用于麻省理工學院智能探索計劃下的雄心勃勃的人工智能項目。例如，GEN是麻省理工學院-IBM沃森人工智能實驗室項目的核心，以及美國國防部高級研究計劃局正在進行的機器常識項目，該項目旨在一個18個月大的孩子的水平上模擬人類的常識。Mansinghka是這一項目的主要調查人員之一。

“對于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?？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）首席科學家兼人工智能副總裁、沒有參與這項研究的劍橋大學（Cambridge University）教授祖賓·加赫拉馬尼（Zoubin Ghahramani）表示：“自深度學習問世以來，概率編程是人工智能前沿最有希望的領域之一。GEN代表了這一領域的重大進步，將有助于基于概率推理的人工智能系統(tǒng)的可擴展和實際實現(xiàn)?！?/p>

谷歌（Google）的研究總監(jiān)彼得·諾維格（PeterNorvig）也贊揚了這項工作，他也沒有參與這項研究。他說：“［GEN］允許問題解決者使用概率編程，因此對這個問題有一個更有原則的方法，但不受概率規(guī)劃系統(tǒng)設計者的選擇的限制?！蓖ㄓ镁幊陶Z言…成功是因為他們…使程序員的任務更容易，也使程序員有可能創(chuàng)造一個全新的東西，有效地解決一個新的問題。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)人員會議上展示，包括Strange循環(huán)和JuliaCon。這項工作在一定程度上得到了DARPA的支持。