MIT研究團隊致力於用AI革新日常用品

AiTechYun

編輯：chux

機器學習是實踐中人工智慧的一個例子。智能系統和設備已經普及到我們日常生活的結構中。電腦和手機使用臉部識別來解鎖；系統感知並調整我們家中的溫度；設備回答問題或按需播放我們最喜愛的音樂；幾乎所有主要的汽車公司都競相開發安全自駕車。

對於這些產品的工作，軟體和硬體都必須完美同步工作。相機，觸覺感測器，雷達和光線檢測都需要正常運行，以將信息反饋給計算機。研究者需要設計演算法，以便這些機器可以處理這些感官數據並根據最高成功概率做出決定。

Kim和麻省理工學院機械工程系的大部分教師正在開發新的軟體，與硬體連接以創建智能設備。這些研究人員正在研究改善日常生活並使人類更安全，更高效和更了解情況的項目，而不是在流行文化中構建浪漫的有感知機器人。

使攜帶型設備更加智能

Jeehwan Kim拿著一張紙。如果他和他的團隊取得成功，有一天像IBM沃森這樣的超級計算機的威力將縮小到一張紙的大小。「我們正在嘗試在信紙尺寸上建立一個現實的物理神經網路，」Kim解釋說。

迄今為止，大多數神經網路都是基於軟體的，並使用Von Neumann傳統計算方法製造。但是Kim一直在使用神經形態計算方法。

Kim說：「神經形態計算機意味著攜帶型AI。所以，你在小規模晶圓上製造人造神經元和突觸。結果就是所謂的「晶元上的大腦」（brain-on-a-chip）。

Kim的神經網路並不像二進位信號計算信息，而是像模擬設備一樣處理信息。信號的作用就像人造神經元一樣，在數千個陣列中移動到特定的交叉點，其功能就像突觸一樣。隨著數千個陣列的連接，一次可以處理大量的信息。這是首次攜帶型設備可以模仿大腦的處理能力。

「這種方法的關鍵是你真的需要很好地控制人造突觸。數千個交叉點時會帶來諸多挑戰，」Kim說。

迄今為止用於製造這些人造突觸的設計和材料並不理想。一旦施加電壓，用於神經形態晶元的無定形材料使得難以控制離子。

在今年早些時候發布的Nature Materials研究中，Kim發現當他的團隊用硅鍺製造晶元時，他們能夠控制流出突觸的電流並將可變性降低到1％。通過控制突觸對刺激做出的反應，現在是時候將他們的晶元進行測試了。

「我們設想如果我們用材料建立真實的神經網路，我們實際上可以做手寫識別，」Kim說。在他們新的人工神經網路設計的計算機模擬中，他們提供了數以千計的手寫樣本。他們的神經網路能夠準確識別95％的樣本。

「如果你有一個攝像頭和連接到我們的神經網路的手寫數據集的演算法，你可以實現手寫識別，」Kim解釋說。

雖然建立手寫識別的物理神經網路是Kim團隊的下一步研究，但這項新技術的潛力不僅僅是手寫識別。Kim說：「將超級計算機的功率降低到攜帶型尺寸可能會改變我們目前使用的產品。潛力是無限的，我們可以將這項技術整合到我們的手機，電腦和機器人中，使它們更加智能化。」

讓家庭更智能化

儘管Kim正致力於使我們的攜帶型產品更加智能，但Sanjay Sarma教授和研究科學家Josh Siegel希望將智能設備集成到我們擁有的最大產品中：即我們的家。

一天晚上，Sarma在家裡，一個斷路器不停地響，這個斷路器被稱為電弧-故障電路斷續器（AFCI），用來在檢測到電弧故障時關閉電源以防止火災。雖然AFCI在預防火災方面做得很好，但在Sarma的案例中，卻顯現出了問題，因為並沒有什麼故障。

AFCI因這種「騷擾」而臭名昭著，它們會莫名地斷開安全對象。Sarma擔任麻省理工學院開放式學習的副校長，他把挫折轉化為機遇。如果他可以將智能技術嵌入AFCI並將其連接到「物聯網」，他就可以教導斷路器學習何時安全或實際存在火災風險。

「把它想像成一個病毒掃描儀，」Siegel解釋說。「隨著時間的推移，病毒掃描程序會連接到一個系統，使用新的病毒定義更新它們。」如果Sarma和Siegel可以在AFCI中嵌入類似的技術，斷路器可以準確檢測到插入的產品並隨著時間學習新的對象定義。

例如，如果將新的真空吸塵器插入斷路器並且電源無故關閉，則智能AFCI可以知道它是安全的並將其添加到已知安全物體的列表中。AFCI藉助神經網路了解這些定義。但是，與Jeewhan Kim的物理神經網路不同，這個網路是基於軟體的。

神經網路是在模擬電弧期間收集數千個數據點而建立的。然後編寫演算法來幫助網路評估其環境，識別模式，並根據達到預期結果的可能性做出決定。在35美元的微型計算機和音效卡的幫助下，團隊可以以低成本將此技術集成到斷路器中。

當智能AFCI了解它遇到的設備時，它可以使用物聯網將其知識和定義同時分發給其他所有家庭。

Sarma說：「藉助雲計算的智能本地技術可以使我們的環境具有適應性，並且打造無縫式用戶體驗。」

斷路器只是神經網路可以用來使住宅更加智能的眾多方式之一。這種技術可以用來控制房屋的溫度，檢測何時存在異常情況（如入侵或爆管），以及運行診斷程序以查看何時需要維修。

「我們正在開發用於監測自學的機械系統的軟體，」Siegel解釋說。「你不會教這些設備所有的規則，你會教他們如何學習規則。」

使製造和設計變得更加智能

人工智慧不僅可以幫助改善用戶與產品，設備和環境的互動方式。它還可以通過優化製造和設計過程來提高製造物體的效率。

「隨著自動化以及互補技術，包括3D列印，人工智慧和機器學習的發展，迫使我們從長遠來看，重新思考我們如何設計工廠和供應鏈，」副教授A. John Hart說。

Hart在3D列印方面做了大量研究，他將AI視為提高製造質量保證的一種方式。採用高性能感測器的3-D印表機能夠實時分析數據，這將有助於加速採用3D列印技術進行批量生產。

「讓3D印表機學習如何創建缺陷較少的零件並檢查零件是否非常重要，特別是製造的產品具有關鍵特性時，例如醫療設備或飛機發動機零件，」哈特解釋道。

設計這些部件結構的過程也可以從智能軟體中受益。副教授Maria Yang一直在研究設計人員如何使用自動化工具進行更高效的設計。「我們稱之為混合智能設計，」Yang說。「目標是實現智能工具和人類設計師之間的有效協作。」

在最近的一項研究中，Yang和研究生Edward Burnell測試了一個具有不同自動化水平的設計工具。參與者使用該軟體挑選停車標誌或橋樑的二維桁架節點。然後該工具會自動提出基於智能演算法的優化解決方案，以便連接節點和計算每個部分的寬度。

讓機器人更聰明

如果麻省理工學院的校園裡有什麼與科幻小說的機器人非常相似，那麼一定是Sangbae Kim教授的機器人獵豹了。這個機器人使用LIDAR技術感知周圍環境，並根據這些信息進行移動。就像它的名字一樣，它可以運行並跨越障礙。

設計的重點是導航。「我們正在構建一個非常獨特的系統，專門為機器人的動態運動而設計，」Kim解釋說。「我相信這將重塑所有的互動機器人。你可以考慮將它應用到各種領域， 醫療，保健，工廠等等。」

Kim看到了機會，將他的研究與他的同事Jeewhan Kim正在研究的物理神經網路聯繫起來。他說，如果你想讓獵豹識別人、聲音或手勢，你需要大量的學習和處理。Jeewhan的神經網路硬體可能有一天會實現這一功能。

將攜帶型神經網路的功能與能夠熟練地導航周圍環境的機器人相結合，可以為人類和人工智慧交互開闢一個全新的世界。這只是機械工程研究人員如何合作將人工智慧研究帶入下一個層次的例子。

雖然可能距離完美的智能機器人出現還有數十年的時間，但人工智慧和機器學習已經在常式中找到了發展方向。無論是使用面部識別和手寫識別來保護我們的信息，進入物聯網以保持我們的家園安全，還是幫助工程師更有效地進行構建和設計，人工智慧技術的優勢都非常普遍。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！