通过人工智能革新日常产品

“谁是Bram Stoker?”这三个词证明了人工智能的惊人潜力。这是2011年Jeopardy特别值得纪念的最后一个问题的答案 !。这三个竞争对手是前冠军布拉德·鲁特和肯·詹宁斯，以及由IBM开发的超级计算机沃森。通过正确回答最终问题，沃森成为第一台在着名智力竞赛节目中击败人类的计算机。

“在某种程度上，沃森赢得了 危险! 对人们来说似乎不公平，“Jeehwan Kim说，他是班级'47职业发展教授，也是麻省理工学院机械工程和材料科学与工程系的一名教员。“当时，Watson连接到一个房间大小的超级计算机，而人脑只有几磅。但复制人类大脑学习能力的能力非常困难。“

Kim专注于机器学习，它依靠算法教授计算机如何像人脑一样学习。“机器学习是认知计算，”他解释道。“你的计算机在没有告诉计算机它正在看什么的情况下识别出来的东西。”

机器学习是实践中人工智能的一个例子。虽然“机器学习”这个短语经常让人联想到像“西部世界”或“太空堡垒卡拉狄加”这样的节目中的科幻小说，但智能系统和设备已经在我们日常生活的结构中普及。计算机和手机使用面部识别来解锁。系统感知并调节我们家中的温度。设备可以按需回答问题或播放我们喜爱的音乐。几乎每家大型汽车公司都参与了开发安全自动驾驶汽车的竞赛。

要使这些产品中的任何一个工作，软件和硬件都必须完美同步。摄像机，触觉传感器，雷达和光检测都需要正常运行才能将信息反馈给计算机。需要设计算法，以便这些机器可以处理这些感知数据并根据最高的成功概率做出决策。

Kim和麻省理工学院机械工程系的大部分教师正在创建与硬件连接以创建智能设备的新软件。这些研究人员正致力于改善日常生活并使人类更安全，更高效，更有信息的项目，而不是建立在流行文化中浪漫化的有感知机器人。

Jeehwan Kim拿起一张纸。如果他和他的团队成功，有一天，像IBM的Watson这样的超级计算机的能力将缩小到一张纸的大小。“我们正试图在信纸尺寸上建立一个真实的物理神经网络，”Kim解释说。

迄今为止，大多数神经网络都是基于软件的，并且使用称为冯诺依曼计算方法的传统方法制造。然而Kim一直在使用神经形态计算方法。

“神经形态计算机意味着便携式AI，”金说。“因此，你在一个小规模的晶圆上构建人工神经元和突触。”结果就是所谓的“芯片上的脑”。

Kim的神经网络不像二进制信令计算信息，而是像模拟设备一样处理信息。信号就像人工神经元一样，在数千个阵列上移动到特定的交叉点，其功能类似于突触。连接了数千个阵列，可以同时处理大量信息。便携式设备第一次可以模仿大脑的处理能力。

“这种方法的关键是你真的需要很好地控制人工神经突触。当你谈论成千上万的交叉点时，这就带来了挑战，“金说。

根据Kim的说法，迄今为止用于制造这些人工神经突触的设计和材料并不理想。神经形态芯片中使用的非晶材料使得一旦施加电压就难以控制离子。

在 今年早些时候发表的一篇 Nature Materials研究中，Kim发现，当他的团队用硅锗制作芯片时，他们能够控制流出突触的电流，并将变异性降低到1%。通过控制突触对刺激的反应，是时候将它们的芯片用于测试了。

“我们设想，如果我们用材料构建实际的神经网络，我们实际上可以进行手写识别，”Kim说。在他们新的人工神经网络设计的计算机模拟中，他们提供了数千个手写样本。他们的神经网络能够准确识别95%的样本。

“如果你有一个相机和手写数据集的算法连接到我们的神经网络，你就可以实现手写识别，”Kim解释说。

虽然构建用于手写识别的物理神经网络是Kim团队的下一步，但这项新技术的潜力超越了手写识别。“将超级计算机的功率缩小到便携式尺寸可能会彻底改变我们使用的产品，”Kim说。“潜力是无限的 - 我们可以将这项技术整合到我们的手机，电脑和机器人中，使它们变得更加智能化。”

虽然Kim正致力于使我们的便携式产品更加智能化，但Sanjay Sarma教授和研究科学家Josh Siegel希望将智能设备集成到我们拥有的最大产品中：我们的家园。

一天晚上，当他的一个断路器继续熄火时，萨玛正在他的家中。这种断路器 - 被称为电弧故障断路器(AFCI) - 设计用于在检测到电弧时切断电源以防止火灾。虽然AFCI在防止火灾方面表现出色，但在Sarma的案例中似乎没有问题。“没有明显的理由让它继续下去，”Sarma回忆道。“令人难以置信的分心。”

AFCI以这种“滋扰旅行”而臭名昭着，这种旅行不必要地断开安全物体的连接。Sarma还担任麻省理工学院开放式学习的副总裁，他将挫败感转化为机遇。如果他能够将AFCI与智能技术相结合并将其连接到“物联网”，他可以教断路器了解产品何时安全或产品实际存在火灾风险。

“把它想象成病毒扫描程序，”西格尔解释说。“病毒扫描程序连接到一个系统，随着时间的推移用新的病毒定义更新它们。”如果Sarma和Siegel可以将类似的技术嵌入到AFCI中，断路器可以准确地检测出插入的产品并随着时间的推移学习新的对象定义。

例如，如果将新的真空吸尘器插入断路器并且电源无故断电，智能AFCI可以了解它是安全的并将其添加到已知安全物体列表中。AFCI借助神经网络学习这些定义。但是，与Jeewhan Kim的物理神经网络不同，这个网络是基于软件的。

通过在电弧放电模拟期间收集数千个数据点来构建神经网络。然后编写算法以帮助网络评估其环境，识别模式，并基于实现期望结果的概率做出决策。在35美元的微型计算机和声卡的帮助下，该团队可以将这项技术廉价地集成到断路器中。

随着智能AFCI了解它遇到的设备，它可以使用物联网同时将其知识和定义分发到其他所有家庭。

“物联网也可以被称为'事物智慧'，”萨玛说。“在云的帮助下，智能的本地技术可以使我们的环境具有适应性，并使用户体验无缝。”

断路器只是神经网络可用于使家庭更智能的众多方式之一。这种技术可以控制房屋的温度，检测何时出现异常情况，例如入侵或爆裂管道，并运行诊断程序以查看何时需要维修。

“我们正在开发用于监控自学习机械系统的软件，”Siegel解释道。“你没有教导这些设备的所有规则，你教他们如何学习规则。”

人工智能不仅可以帮助改善用户与产品，设备和环境的交互方式。它还可以通过优化制造和设计过程来提高制造物体的效率。

“自动化的增长以及包括3D打印，人工智能和机器学习在内的互补技术促使我们从长远来看，重新思考我们如何设计工厂和供应链，”副教授A. John Hart说。

Hart在三维打印领域进行了广泛的研究，认为人工智能是提高制造质量保证的一种方式。配备高性能传感器的三维打印机能够动态分析数据，这将有助于加速大规模生产的3D打印。

“拥有3D打印机，学习如何创建缺陷较少的零件，并在制造零件时检查零件将是一件非常重要的事情 - 特别是当您制造的产品具有关键属性，如医疗设备或飞机发动机零件时， “哈特解释道。

设计这些部件结构的过程也可以从智能软件中受益。Maria Yang副教授一直在研究设计师如何使用自动化工具进行更高效的设计。“我们称之为混合智能设计，”杨说。“目标是实现智能工具和人类设计师之间的有效协作。”

在最近的一项研究中，杨和研究生Edward Burnell测试了一种具有不同自动化水平的设计工具。参与者使用该软件为停车标志或桥梁的2-D桁架挑选节点。然后，该工具将自动提供基于智能算法的优化解决方案，用于连接节点的位置和每个部件的宽度。

“我们正在努力设计出符合设计师思考方式的智能算法，”Burnell说。

如果麻省理工学院校园里有什么东西与科幻小说的未来派机器人最相似，那就是Sangbae Kim教授的机器人猎豹。这种四足动物使用LIDAR技术感知周围环境，并根据这些信息进行移动。就像它的名字一样，它可以在障碍物上奔跑跳跃。

Kim主要关注导航。“我们正在构建一个专门为机器人动态运动而设计的独特系统，”Kim解释说。“我相信它将重塑世界上的互动机器人。你可以想到各种应用 - 医疗，医疗保健，工厂。“

Kim看到了最终将他的研究与他的同事Jeewhan Kim正在研究的物理神经网络联系起来的机会。“如果你想让猎豹认出人，声音或手势，你需要大量的学习和处理，”他说。“Jeewhan的神经网络硬件有朝一日可能会成功。”

将便携式神经网络的强大功能与能够巧妙地导航其周围环境的机器人相结合，可以为人类和人工智能交互开辟新的可能性世界。这只是机械工程研究人员如何通过合作将AI研究提升到新水平的一个例子。

虽然我们距离智能机器人的交互还有几十年的距离，但人工智能和机器学习已经进入了我们的日常工作。无论是使用面部和手写识别来保护我们的信息，利用物联网来保证我们的家庭安全，还是帮助工程师更有效地构建和设计，AI技术的好处是无处不在的。

被机器人超越的世界的科幻幻想远非事实。“有这种浪漫的想法，一切都将是自动的，”Maria Yang补充道。“但我认为现实是你将拥有能够与人合作的工具，并帮助他们的日常生活变得更轻松。”