CSAIL与业界合作推出人工智能计划

从自动驾驶汽车到物联网，人工智能(AI)近年来已达到新的复杂程度。考虑到这一点，本周麻省理工学院的计算机科学与人工智能实验室(CSAIL)启动了一项行业合作，专注于利用机器学习来创建功能性人类系统。

近40名高级研究人员将与包括创始成员BT，微软，诺基亚贝尔实验室，Salesforce和斯伦贝谢在内的一系列组织一起参与新的“SystemsThatLearn @ CSAIL”(STL)计划。成员公司将与CSAIL科学家合作，提出新的研究方向并开发实际应用。

“开发人工智能和机器学习能力是金融，能源，制造业和医疗保健等领域未来的关键，”STL执行董事Lori Glover说。“虽然对专业知识的需求很大，但人才供应仍然很少且分布不均。通过人工智能领域的民主化，SystemsThatLearn @ CSAIL正在努力解决这一技能差距。“

STL以CSAIL的大数据计划为基础，该计划开发了用于处理复杂数据集的工具。虽然许多机器学习解决方案都经过不同阶段的培训和部署，但STL旨在集成这些流程，专注于处理分布式数据和计算能力的一系列资源。

另一个目标是使数据科学的关键方面不那么费力。一个2016报告发现，数据科学家花费80%的时间收集和整理数据，只有20%的分析它。

“通过促进与学术界的行业互动，我们希望创建新的工具和系统，通过自动化大量繁琐的数据科学工作来提高生产力，”麻省理工学院教授塞缪尔·马登说，他是STL的两位教师，Tommi Jaakkola教授。 。“我们已经看到自动驾驶汽车和个性化医疗保健等领域有可能改变整个行业。”

CSAIL主任Daniela Rus在开场致辞中将AI和系统研究人员描述为两个可以从更强大的合作中受益的社区。

“我们的宏伟愿景是创造新一代人工智能工具，这些工具深深植根于系统，可以使这些系统更好，”罗斯说。“我的目​​标是到达一个机器学习成为操作系统正常工作的地方。”

一个STL项目是数据发现工具“ Data Civilizer ”，它允许组织从数千个不同的业务数据库和文件中发现相关数据集。另一个是“模型数据库”，这是一种机器学习管理系统，可以为数据科学家节省时间，并使他们可以轻松地将特定培训示例的性能与特定模型功能相关联。

根据STL技术总监Stephen Buckley的说法，他们开发的许多软件工具都将在MIT的开源许可下发布。

“最终目标是使机器学习工具的访问和使用民主化，而不需要对底层技术的高级知识，”Buckley说。