MIT人工智能實驗室( CSAIL )近日在官網刊文,，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、神經網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“的深度神經網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據，但是依然有很多數據空洞,，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,。就像很多AI系統,，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,，因為協調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,、系統和網絡
Polaris 系統提高網頁加載速度
當你輸入網址，你的瀏覽器并不知道網頁是什么,。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)現當一個對象從另一個對象那里讀取數據或者更新值的時候,，它用詳細的關系日志為網頁創(chuàng)建一個依賴關系圖,。
分析蟻群行為創(chuàng)建更好的網絡通信算法
CSAIL的一個團隊通過分析蟻群行為創(chuàng)建更好的網絡溝通算法，可應用于例如：社交網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。
訓練神經網絡解釋決策
近年來,，人工智能研究中效果最好的系統被認為是神經網絡,。但是神經網絡是"黑箱“。訓練之后的神經網絡也許很擅長數據分類,，但是連它的創(chuàng)造者都不知道為什么?視覺數據方面,，有時候可能自動化實驗確定哪個數據特征讓升級網絡做出反應，但是文本處理的系統更不透明,。
為了解釋神經網絡的決策,，CSAIL研究者把網絡分為兩個模塊。第一個模塊提取訓練數據中的文本片段,，文本片段根據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,，這樣系統就像人類一樣知道評判的原則,。
數據安全
網絡安全峰會
CSAIL 舉辦了一次網絡安全峰會，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 和聯邦調查局副局長 Andrew McCabe,。
匿名網絡系統 Riffle
研究人員開發(fā)了一個新的匿名網絡系統 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絡系統是 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,。
預測網絡攻擊系統 AI2
深度學習系統 AI2 能夠在一些人類輸入的幫助下預測85%的網絡攻擊。