麻省理工學院的一個研究小組正在研究如何讓初學者更容易的進入到人工智能領域，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)。“用戶無需處理方程或手工編寫高性能代碼，就可以從應用人工智能技術的多個領域(如計算機視覺、機器人和統(tǒng)計)編寫模型和算法。Gen還允許專家研究人員編寫復雜的模型和推理算法——用于預測任務——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視覺推理任務，在自主系統(tǒng)、人機交互和增強現(xiàn)實中都有應用。在幕后，該程序包括執(zhí)行圖形繪制、深度學習和概率模擬類型的組件。這些不同技術的結合使這項任務比一些研究人員開發(fā)的早期系統(tǒng)具有更高的準確性和速度。

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，電氣工程和計算機科學系博士生Marco Cusumano-Towner說 ：“這項工作的動機之一是讓計算機科學或數(shù)學專業(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，該程序自動生成復雜的統(tǒng)計模型，專家通常使用這些模型來分析、解釋和預測數(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行準確的預測。

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

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)，可以幫助初學者和專家自動生成機器學習系統(tǒng)，而不需要做太多數(shù)學運算。如今，該平臺得到了廣泛應用，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習模型，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，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)新數(shù)據(jù)不斷調(diào)整概率來進行預測。這樣做最終會產(chǎn)生一個模型，描述如何對新數(shù)據(jù)進行預測。

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行了優(yōu)化，使其更加通用。Gen還為推理任務提供高級基礎設施，使用各種方法，如優(yōu)化、變分推理、某些概率方法和深度學習。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進行人工智能研究的方法。例如，英特爾公司正與麻省理工學院合作，利用Gen公司用于機器人和增強現(xiàn)實系統(tǒng)的深度感知相機進行三維姿態(tài)估計。麻省理工學院林肯實驗室(MIT Lincoln Laboratory)也在合作開發(fā)Gen在航空機器人領域的應用，用于人道主義救援和災難響應。

在麻省理工學院(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行的機器常識項目的核心，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。看看人們現(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)步首席科學家、人工智能副總裁、劍橋大學(Cambridge University)教授佐賓?加拉馬尼(Zoubin Ghahramani)沒有參與這項研究。Gen代表了這一領域的重大進步，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，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。”Gen對概率編程也是如此。”

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。