MIT人工智能實驗室( CSAIL )近日在官網(wǎng)刊文，回顧了實驗室在過去一年所取得的技術突破。他們在機器人、計算機視覺、神經(jīng)網(wǎng)絡等方面取得了矚目的成績，具體說來，有可觸摸的交互式動態(tài)視頻技術、可以”預測未來“的深度神經(jīng)網(wǎng)絡以及能描繪出黑洞照片的程序……CSAIL 在人工智能的研究和探索上一直都處于學界前沿，其技術和研究視野得到了廣泛的認可，被稱為前沿科技的“代名詞”。想了解人工智能研究的真實狀況和未來發(fā)展趨勢，看看他們都在干什么吧。
能夠預測未來的機器，能夠修復傷口的機器人，無線情緒檢測器，這些只是今年MIT計算機科學與人工智能實驗室(CSAIL)的部分項目。今年，MIT CSAIL 的研究人員在機器人學、無線技術、軟件系統(tǒng)以及其他學科領域開展了一系列項目，本文介紹了16個引人注目的成果，涵蓋了 CSAIL 的多個計算機科學學科。
機器人——從探索火星到探索胃袋
可吞服的微型折疊機器人
由 CSAIL 主任 Daniela Rus 帶領的團隊開發(fā)了一種可吞服的微型折疊機器人，這種機器人裝于一個可吞服的膠囊中，進入人的胃袋后展開，在外部磁場作用下進行轉(zhuǎn)向或者沿胃壁爬動，并挪走被誤食的紐扣電池或者進行傷口修復。
太空探索 Valkyrie 機器人
CSAIL 機器人動力小組的研究人員為 NASA 的仿人機器人 “Valkyrie” 編程，以讓機器人完成一系列高難度任務，未來可用于火星探索、外太空旅行等任務。Valkyrie 機器人身上有四個攝像頭，28個力矩控制的關節(jié)，44度自由度以及超過200個傳感器，未來可以在太空任務中幫助宇航員，甚至取代宇航員執(zhí)行任務。
液壓驅(qū)動3D打印機器人
CSAIL 使用交錯結合固態(tài)與液態(tài)3D打印技術打造出完整機器人，機器人使用液壓驅(qū)動，而且只有單個打印步驟，不需組裝。
計算機視覺進展
可觸摸的交互式動態(tài)視頻技術
CSAIL 提出一種稱為交互式動態(tài)視頻(Interactive Dynamic Video)的新型成像技術，能夠讓人使用普通的攝像機進入視頻并“觸摸”到視頻里的物體。
Cinema 3D 電影顯示器
來自CSAIL和以色列魏茲曼科學研究所的研究人員制作了一種名為Cinema 3D的電影顯示器，使用特殊鏡頭和鏡子，觀眾不許佩戴笨重的3D眼鏡就能觀看3D電影。
能預測未來的算法
CSAIL團隊創(chuàng)建了一個算法可以預測“下一幀”圖像，根據(jù)視頻展示多一張定格圖片，計算機能預測接下來圖片中主要物體的動作，比如，兩個人會擁抱還說擊掌等等。在進行了600個小時的無標簽視頻訓練后，團隊用新視頻進行了測試，算法識別正確率達43%，高于之前算法的36%。
算法繪制第一張黑洞圖片
就像無線電穿越墻一樣，黑洞的射線也穿透銀河系成愛。我們可能永遠不能看到銀河系中心，因為那里有太多東西擋在中間。要讓黑洞成像，可能需要一個直徑10000公里的望遠鏡，這而地球直徑才不到13000公里。后來中心采用多個望遠鏡同時提供數(shù)據(jù)，但是依然有很多數(shù)據(jù)空洞，需要這個叫CHIRP(Continuous High-resolution Image Reconstruction using Patch priors)的算法來彌補。用機器學習算法識別視覺模式，真實圖片中64像素的方塊遞歸，她用這些特征進一步優(yōu)化算法的圖像重建。這一算法在重建原始圖片上通常比之前的算法更好，對噪音的處理也更好。
健康醫(yī)療技術
醫(yī)療助理機器人
機器人幫助產(chǎn)房的護士規(guī)劃工作，可建議把病人移到哪里，以及誰要做剖腹產(chǎn)。就像很多AI系統(tǒng)，這個機器人通過“看中學”被訓練的。但是研究者還從來沒有把這一技術用于規(guī)劃中作，因為協(xié)調(diào)大量有依賴關系的行為是很復雜的。為了解決這個問題，團隊訓練系統(tǒng)觀察人類規(guī)劃者做的事，然后和所有可能的行為進行對比。這樣它具備了可以動態(tài)響應從沒見過的新狀況的規(guī)劃能力。
計算機識別MRI影像胎兒器官
MIT和波士頓兒童醫(yī)院、麻州醫(yī)院的研究者，提出算法識別核磁共振掃描中胎兒器官，以更好地評估胎兒健康，讓醫(yī)生從動態(tài)的醫(yī)學圖像中解脫出來
無線設備EQ-Rado識別情緒
無線設備EQ-Rado通過測量呼吸和心律檢測情緒，可分辨你是興奮、高興、生氣還是悲傷。EQ-Radio發(fā)射無限信號到人體，檢測反射過來的信息，用算法進行心律抽取和分析。
算法、系統(tǒng)和網(wǎng)絡
Polaris 系統(tǒng)提高網(wǎng)頁加載速度
當你輸入網(wǎng)址，你的瀏覽器并不知道網(wǎng)頁是什么。瀏覽器必須獲取“對象”HTML文件、Javascript、圖片等才能加載網(wǎng)頁，但是每個“對象”可能相互之間有所依賴，所以瀏覽器必須等待一些有依賴的對象，謹慎的進行加載。但是Polaris自動根據(jù)所有對象之間的關系，這些可以在一個單獨頁面列下來。比如它發(fā)現(xiàn)當一個對象從另一個對象那里讀取數(shù)據(jù)或者更新值的時候，它用詳細的關系日志為網(wǎng)頁創(chuàng)建一個依賴關系圖。
分析蟻群行為創(chuàng)建更好的網(wǎng)絡通信算法
CSAIL的一個團隊通過分析蟻群行為創(chuàng)建更好的網(wǎng)絡溝通算法，可應用于例如：社交網(wǎng)絡和機器人群的集體決策。螞蟻超級擅長估算附近其它螞蟻的密度。這個能力在幾個溝通行為中扮演重要角色。
訓練神經(jīng)網(wǎng)絡解釋決策
近年來，人工智能研究中效果最好的系統(tǒng)被認為是神經(jīng)網(wǎng)絡。但是神經(jīng)網(wǎng)絡是"黑箱“。訓練之后的神經(jīng)網(wǎng)絡也許很擅長數(shù)據(jù)分類，但是連它的創(chuàng)造者都不知道為什么?視覺數(shù)據(jù)方面，有時候可能自動化實驗確定哪個數(shù)據(jù)特征讓升級網(wǎng)絡做出反應，但是文本處理的系統(tǒng)更不透明。
為了解釋神經(jīng)網(wǎng)絡的決策，CSAIL研究者把網(wǎng)絡分為兩個模塊。第一個模塊提取訓練數(shù)據(jù)中的文本片段，文本片段根據(jù)它的長度和連貫性打分。然后被傳給第二個模塊，這個模塊做預測和分類。如果第一個模塊提取了三個詞，第二個模塊，把他們跟正確的評分對應，這樣系統(tǒng)就像人類一樣知道評判的原則。
數(shù)據(jù)安全
網(wǎng)絡安全峰會
CSAIL 舉辦了一次網(wǎng)絡安全峰會，召集了來自學術界、工業(yè)界的技術人員，以及政府相關人士，演講人包括美國國家安全局局長 Michael Rogers 和聯(lián)邦調(diào)查局副局長 Andrew McCabe。
匿名網(wǎng)絡系統(tǒng) Riffle
研究人員開發(fā)了一個新的匿名網(wǎng)絡系統(tǒng) Riffle，能夠使用較少的帶寬在匿名用戶之間傳輸大文件。目前廣泛使用的匿名網(wǎng)絡系統(tǒng)是 Tor，但它本身有一些漏洞，甚至被FBI盯上用于追捕罪犯。Riffle 修補了Tor的一些漏洞，在對抗黑客監(jiān)聽方面有著更好的安全性。
預測網(wǎng)絡攻擊系統(tǒng) AI2
深度學習系統(tǒng) AI2 能夠在一些人類輸入的幫助下預測85%的網(wǎng)絡攻擊。