人工智能新編程語言-Gen

時間 2019-11-06

標籤人工智能編程語言 gen 简体版

原文原文鏈接

MIT 的一個研究小組正努力讓初學者更容易入門人工智能，同時也幫助專家進一步推動這個領域的發展。git

在 PLDI 大會（Programming Language Design and Implementation conference）上發表的一篇論文中，研究人員介紹了一種名爲「Gen」的新型機率編程系統。用戶無需處理公式或者手寫高性能的代碼便可編寫多個 AI 應用領域的模型和算法，例如計算機視覺、機器人學以及統計學。Gen 還可讓專業研究人員編寫先前不可行的複雜模型和用於預測任務的算法。程序員

例如，在他們的論文中，研究人員展現了一個簡短的 Gen 程序能夠預測 3-D 身體姿式，這個高難度的計算機視覺預測任務在自治系統、人機交互和加強現實中均有應用。這個程序包括執行圖形渲染、深度學習和不一樣類型的機率模擬組件。與其餘早期系統相比，這些不一樣技術的結合提升了這個預測任務的準確性和速度。github

因爲其簡單性以及在某些狀況下的自動化，研究人員表示，Gen 能夠被任何人輕鬆使用，包括新手和專家。「這項工做的一個目的是讓缺少計算機科學或數學知識的人更容易入門自動化人工智能，」論文第一做者、電氣工程和計算機科學博士 Marco Cusumano-Towner 說，「咱們還但願提升生產力，可以讓專家更輕鬆地快速迭代以及製做 AI 系統原型。」算法

研究人員還展現了 Gen 經過使用另外一個 Gen 程序簡化數據分析的能力。該程序能夠自動生成專家一般用於分析、解釋和預測數據模式的複雜統計模型。這是創建在以前的工做基礎之上的。以前的工做是讓用戶編寫幾行代碼來得到金融趨勢、航空旅行、投票模式和疾病傳播等方面的靈感。與早期系統不一樣，早期系統須要大量的手動編碼才能進行準確的預測。編程

「Gen 是第一個靈活、自動化、足夠高效且可以涵蓋計算機視覺和數據科學中不一樣用例的系統，而且性能足夠好，」Vikash K. Mansinghka 表示。他是一個來自大腦和認知科學系的研究員，負責機率計算項目。機器學習

和 Cusumano-Towner、Mansinghka 一塊兒合做論文的有 Feras Saad 和 Alexander K. Lew，他們都是 CSAIL 的研究生以及機率計算項目的成員。編程語言

全世界最佳

2015 年，Google 發佈了 TensorFlow，這是一個開源的 API 庫，可讓初學者和專家無需進行太多數學計算便可自動生成機器學習系統。如今已經獲得了普遍使用，該平臺正在幫助人工智能的某些方面民主化。可是，雖然 TensorFlow 足夠自動化和高效，但它只是側重於深度學習模型，與更普遍的 AI 相比，這些模型既昂貴又有限制。oop

如今有不少其餘 AI 技術可用，例如統計和機率模型以及模擬引擎。一些其餘的機率編程系統可以靈活涵蓋幾種 AI 技術，但它們運行效率低下。性能

研究人員力求將全部最優的特性 —— 自動化、靈活性和速度 —— 結合在一塊兒。「咱們這麼作也許可使更普遍的建模和預測算法民主化，就像 TensorFlow 對深度學習起的做用，」Mansinghka 說。學習

在機率 AI 中，預測算法對數據執行操做，並基於新數據連續地微調機率以進行預測。最終會生成一個描述如何預測新數據的模型。

創建在早期機率編程系統 Church 中使用的概念基礎之上，研究人員將幾種自定義建模語言融入 Julia，這也是 MIT 開發的一種通用編程語言。每種建模語言都針對不一樣類型的 AI 建模方法進行了優化，使其更加通用。 Gen 還使用各類方法（如優化、變分推斷、某些機率方法和深度學習等）爲預測任務提供高層基礎設施。最重要的是，研究人員進行了一些調整，使其實現運行更加高效。

走出實驗室

外部用戶已經在尋找利用 Gen 進行 AI 研究的方法。好比英特爾正在與 MIT 合做，把 Gen 用於機器人和加強現實系統中使用的深度感知相機的 3D 姿式預測。MIT 林肯實驗室也在就把 Gen 用於人道主義救援和災難響應的空中機器人而開展合做。

在 MIT Quest for Intelligence 中，Gen 開始被用於雄心勃勃的 AI 項目。例如，Gen 是 MIT-IBM Watson AI Lab 項目以及美國國防部的國防高級研究計劃署正在進行的機器常識項目的核心。該項目旨在模擬 18 個月大的孩子的常識。Mansinghka 是該項目的主要研究人員之一。

「在 Gen 的幫助下，這是第一次研究人員能夠輕鬆整合一些不一樣的 AI 技術。看到人們如今發現的可能性將會頗有趣，」Mansinghka 說。

Uber 首席科學家兼人工智能副總裁以及劍橋大學教授 Zoubin Ghahramani 表示，「自從深度學習出現以來，機率編程是人工智能前沿最有前途的領域之一。 Gen 表明了這個領域的重大進步，有助於基於機率推理的 AI 系統的大規模實際應用。」他並未參與 Gen 的研究。

谷歌的研究主管 Peter Norvig 也沒有參與這項研究，他一樣也讚賞了這項工做。「[Gen] 讓問題解決者使用機率編程，所以能夠採用更原則的方法解決問題，但不受機率編程系統設計者的選擇限制，」他說。「通用編程語言之因此成功，是由於它們使程序員更容易完成任務，同時也使程序員可以創造一些全新的東西來有效地解決新問題。Gen 對機率編程也是如此。」

Gen 的源代碼是公開的，將在即將舉行的開源開發者大會上展現，包括 Strange Loop 和 JuliaCon。這項工做部分獲得了 DARPA 的支持。

原文連接：
http://news.mit.edu/2019/ai-programming-gen-0626