為使AI算法開發(fā)初學(xué)者更容易進(jìn)行編程設(shè)計(jì)，MIT的研究人員開發(fā)出一種名為“Gen.”的新型概率編程系統(tǒng)，無需處理方程式或手動編寫高性能代碼，即可在計(jì)算機(jī)視覺、機(jī)器人和統(tǒng)計(jì)等領(lǐng)域編碼，操作簡單，即使沒有足夠的計(jì)算機(jī)或數(shù)學(xué)知識也可輕松上手。

你有沒有想過，如果有一天編寫人工智能的代碼，變得像寫HTML一樣簡單？

眾所周知，人工智能對計(jì)算機(jī)科學(xué)和數(shù)學(xué)知識的要求之高，阻礙了人工智能研究的普及，以及初學(xué)者的入門動力。

MIT的一個研究小組正在努力降低人工智能的入行門檻，讓初學(xué)者更容易的進(jìn)入這個領(lǐng)域，這樣也同時能夠幫助專家們推動這一領(lǐng)域的發(fā)展。

在本周編程語言設(shè)計(jì)和實(shí)施會議上，MIT研究小組發(fā)表的一篇論文，其中描述了一種名為“Gen.”的新型概率編程系統(tǒng)。

論文第一作者、電氣工程和計(jì)算機(jī)科學(xué)系博士生Marco Cusumano-Towner稱，希望通過Gen能夠讓計(jì)算機(jī)科學(xué)和數(shù)學(xué)基礎(chǔ)比較薄弱的人，也能夠更容易使用，完成一些用例中的自動化。同時提高生產(chǎn)力，讓專業(yè)研究人員可以更輕松的快速迭代AI系統(tǒng)、做出原型。

研究人員在論文中給出了一個推斷3D身體姿勢的demo，通過簡短的Gen程序便完成了任務(wù)。通常來說3D身姿應(yīng)用比較廣泛，在自治系統(tǒng)、人機(jī)交互和增強(qiáng)現(xiàn)實(shí)領(lǐng)域均有涉及；但背后的實(shí)現(xiàn)難度非常高。

在demo中，用戶從應(yīng)用AI技術(shù)的多個領(lǐng)域編寫模型和算法，例如計(jì)算機(jī)視覺、機(jī)器人、和統(tǒng)計(jì)，無需處理方程式或手動編寫高性能代碼。其實(shí)在幕后，demo程序包括了執(zhí)行圖形渲染，深度學(xué)習(xí)和概率模擬類型的組件。

和一些研究人員開發(fā)的早期系統(tǒng)相比，這些不同技術(shù)的結(jié)合可以提高這項(xiàng)任務(wù)的準(zhǔn)確性和速度。除此之外，專業(yè)研究人員還可以使用Gen編寫先前不可行的復(fù)雜模型和推理算法，用于預(yù)測任務(wù)。

此外，研究人員還展示了Gen簡化數(shù)據(jù)分析的能力：使用另一個Gen程序，自動生成復(fù)雜統(tǒng)計(jì)模型，用于讓專家進(jìn)行分析、解釋和預(yù)測數(shù)據(jù)中的基礎(chǔ)模式。當(dāng)然，這是建立在研究人員先前工作的基礎(chǔ)之上。

早期需要大量的手動編碼才能進(jìn)行準(zhǔn)確的預(yù)測，如今只需編寫幾行代碼，即可分析金融趨勢、航空旅行、投票模式和疾病傳播等方面的見解。

MIT腦與認(rèn)知科學(xué)系（Department of Brain and Cognitive Sciences）研究員Vikash K. Mansinghka稱Gen是“第一個靈活、自動化、高效的系統(tǒng)，足以涵蓋計(jì)算機(jī)視覺和數(shù)據(jù)科學(xué)中那些非常不同類型的例子，并提供最先進(jìn)的性能”。

嫌TensorFlow太偏科，Gen追求的是全世界最好的

TensorFlow也可以幫助初學(xué)者和專家自動生成機(jī)器學(xué)習(xí)系統(tǒng)、而無需進(jìn)行太多數(shù)學(xué)計(jì)算的。但MIT研究人員認(rèn)為TF太過側(cè)重于深度學(xué)習(xí)模型，對范圍更廣的人工智能而言，這些模型既昂貴又有限。

像統(tǒng)計(jì)和概率模型以及模擬引擎等大量AI技術(shù)已經(jīng)被廣泛使用。其他一些概率編程系統(tǒng)雖然靈活性足夠，可以涵蓋幾種AI技術(shù)，但運(yùn)行效率低下。

因此Gen便被賦予了一個非常重大的使命，將全世界最好的3個特性：自動化，靈活性和速度集于一身。

在概率AI中，推理算法對數(shù)據(jù)執(zhí)行操作，并基于新數(shù)據(jù)連續(xù)地重新調(diào)整概率以進(jìn)行預(yù)測。這樣做最終會生成一個模型，描述如何對新數(shù)據(jù)進(jìn)行預(yù)測。

借鑒早期概率編程系統(tǒng)Church中使用的概念，研究人員將幾種自定義建模語言融入Julia，每種建模語言都針對不同類型的AI建模方法進(jìn)行了優(yōu)化，使其更加通用。

Gen還使用各種方法（如優(yōu)化、變分推理、概率方法和深度學(xué)習(xí)）為推理任務(wù)提供高級基礎(chǔ)架構(gòu)。最重要的是，研究人員添加了一些調(diào)整，以使實(shí)現(xiàn)有效運(yùn)行。

走出實(shí)驗(yàn)室，獲得世界的贊許

英特爾已經(jīng)與MIT合作，使用Gen從機(jī)器人和增強(qiáng)現(xiàn)實(shí)系統(tǒng)中使用的深度感相機(jī)進(jìn)行三維姿態(tài)估計(jì)。MIT林肯實(shí)驗(yàn)室還在為人道主義救援和災(zāi)難響應(yīng)的空中機(jī)器人應(yīng)用提供合作。

在MIT Quest for Intelligence下，Gen開始被用于雄心勃勃的AI項(xiàng)目。例如，Gen是MIT-IBM Watson AI Lab項(xiàng)目的核心，以及美國國防部的國防高級研究計(jì)劃署正在進(jìn)行的機(jī)器常識項(xiàng)目，該項(xiàng)目旨在模擬人類18個月大小孩的常識，而Mansinghka是該項(xiàng)目的主要研究人員之一。

“有了Gen，這是第一次，研究人員很容易整合一堆不同的AI技術(shù)?，F(xiàn)在看到人們發(fā)現(xiàn)了什么是有趣的，“Mansinghka說。

Uber首席科學(xué)家兼人工智能副總裁兼劍橋大學(xué)教授Zoubin Ghahramani表示：“自從深度學(xué)習(xí)出現(xiàn)以來，概率編程是人工智能前沿領(lǐng)域最有前途的領(lǐng)域之一。Gen代表了該領(lǐng)域的重大進(jìn)步，將有助于基于概率推理的AI系統(tǒng)的可擴(kuò)展和實(shí)際實(shí)施?！?/p>

谷歌的研究主管Peter Norvig也贊揚(yáng)了這項(xiàng)工作：“[Gen]允許問題解決者使用概率編程，因此對問題采用更原則的方法，但不受概率編程系統(tǒng)設(shè)計(jì)者的選擇限制，通用編程語言之所以成功，是因?yàn)樗鼈兪?a href="http://m.greenbey.cn/v/tag/1730/" target="_blank">程序員更容易完成任務(wù)，但也使程序員能夠創(chuàng)建一些全新的東西來有效地解決新問題。Gen對概率編程也是如此。“

Gen的源代碼是公開的，正在即將舉行的開源開發(fā)者大會上展示，包括Strange Loop和JuliaCon。這項(xiàng)工作部分得到了DARPA的支持。