無(wú)需數(shù)學(xué)就能寫(xiě)AI，MIT提出AI專(zhuān)用編程語(yǔ)言Gen

無(wú)需數(shù)學(xué)就能寫(xiě)AI，MIT提出AI專(zhuān)用編程語(yǔ)言Gen

【新智元導(dǎo)讀】為使AI算法開(kāi)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(kāi)發(fā)出一種名為“Gen.”的新型概率編程系統(tǒng)，無(wú)需處理方程式或手動(dòng)編寫(xiě)高性能代碼，即可在計(jì)算機(jī)視覺(jué)、機(jī)器人和統(tǒng)計(jì)等領(lǐng)域編碼，操作簡(jiǎn)單，即使沒(méi)有足夠的計(jì)算機(jī)或數(shù)學(xué)知識(shí)也可輕松上手。

你有沒(méi)有想過(guò)，如果有一天編寫(xiě)人工智能的代碼，變得像寫(xiě)HTML一樣簡(jiǎn)單？

眾所周知，人工智能對(duì)計(jì)算機(jī)科學(xué)和數(shù)學(xué)知識(shí)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(mén)動(dòng)力。

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

在本周編程語(yǔ)言設(shè)計(jì)和實(shí)施會(huì)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(chēng)，希望通過(guò)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(dòng)化。同時(shí)提高生產(chǎn)力，讓專(zhuān)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(gè)推斷3D身體姿勢(shì)的demo，通過(guò)簡(jiǎn)短的Gen程序便完成了任務(wù)。通常來(lái)說(shuō)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(hù)從應(yīng)用AI技術(shù)的多個(gè)領(lǐng)域編寫(xiě)模型和算法，例如計(jì)算機(jī)視覺(jué)、機(jī)器人、和統(tǒng)計(jì)，無(wú)需處理方程式或手動(dòng)編寫(xiě)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(lèi)型的組件。

和一些研究人員開(kāi)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(zhuān)業(yè)研究人員還可以使用Gen編寫(xiě)先前不可行的復(fù)雜模型和推理算法，用于預(yù)測(cè)任務(wù)。

此外，研究人員還展示了Gen簡(jiǎn)化數(shù)據(jù)分析的能力：使用另一個(gè)Gen程序，自動(dòng)生成復(fù)雜統(tǒng)計(jì)模型，用于讓專(zhuān)家進(jìn)行分析、解釋和預(yù)測(cè)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(dòng)編碼才能進(jìn)行準(zhǔn)確的預(yù)測(cè)，如今只需編寫(xiě)幾行代碼，即可分析金融趨勢(shì)、航空旅行、投票模式和疾病傳播等方面的見(jiàn)解。

MIT腦與認(rèn)知科學(xué)系（Department of Brain and Cognitive Sciences）研究員Vikash K. Mansinghka稱(chēng)Gen是“第一個(gè)靈活、自動(dòng)化、高效的系統(tǒng)，足以涵蓋計(jì)算機(jī)視覺(jué)和數(shù)據(jù)科學(xué)中那些非常不同類(lèi)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(zhuān)家自動(dòng)生成機(jī)器學(xué)習(xí)系統(tǒng)、而無(wú)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(guò)側(cè)重于深度學(xué)習(xí)模型，對(duì)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(gè)非常重大的使命，將全世界最好的3個(gè)特性：自動(dòng)化，靈活性和速度集于一身。

在概率AI中，推理算法對(duì)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(cè)。這樣做最終會(huì)生成一個(gè)模型，描述如何對(duì)新數(shù)據(jù)進(jìn)行預(yù)測(cè)。

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(yǔ)言融入Julia，每種建模語(yǔ)言都針對(duì)不同類(lèi)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(jí)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(kāi)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(guó)國(guó)防部的國(guó)防高級(jí)研究計(jì)劃署正在進(jìn)行的機(jī)器常識(shí)項(xiàng)目，該項(xiàng)目旨在模擬人類(lèi)18個(gè)月大小孩的常識(shí)，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)。現(xiàn)在看到人們發(fā)現(xiàn)了什么是有趣的，“Mansinghka說(shuō)。

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(lái)，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(wèn)題解決者使用概率編程，因此對(duì)問(wèn)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(yǔ)言之所以成功，是因?yàn)樗鼈兪?a href="http://www.ttokpm.com/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(lái)有效地解決新問(wèn)題。Gen對(duì)概率編程也是如此。“

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