麻省理工研究人员开发AI专用编程语言

麻省理工学院的一个研究小组正在研究如何让初学者更容易的进入到人工智能领域，同时也帮助专家推动这一领域的发展。

在本周的编程语言设计与实现大会上，研究人员发表了一篇论文，描述了一个名为“Gen”的新型概率编程系统。“用户无需处理方程或手工编写高性能代码，就可以从应用人工智能技术的多个领域(如计算机视觉、机器人和统计)编写模型和算法。Gen还允许专家研究人员编写复杂的模型和推理算法——用于预测任务——这在以前是不可行的。

例如，在他们的论文中，研究人员证明了一个短Gen程序可以推断出3-D的身体姿势，这是一个困难的计算机视觉推理任务，在自主系统、人机交互和增强现实中都有应用。在幕后，该程序包括执行图形绘制、深度学习和概率模拟类型的组件。这些不同技术的结合使这项任务比一些研究人员开发的早期系统具有更高的准确性和速度。

研究人员表示 由于其简单性 ，以及在的自动化中的应用，Gen可以被任何人轻松使用，无论是新手还是专家。第一作者，电气工程和计算机科学系博士生Marco Cusumano-Towner说 ：“这项工作的动机之一是让计算机科学或数学专业知识较少的人更容易使用到自动化人工智能”。“我们还希望提高生产力，这意味着专家可以更轻松地快速迭代和制作AI系统原型。”

研究人员还展示了Gen通过使用另一个Gen程序来简化数据分析的能力，该程序自动生成复杂的统计模型，专家通常使用这些模型来分析、解释和预测数据中的底层模式。这是基于研究人员先前的工作，该工作允许用户编写几行代码，以了解金融趋势、航空旅行、投票模式以及疾病传播等趋势。这与早期的系统不同，早期的系统需要大量手工编码才能进行准确的预测。

Gen是第一个灵活、自动化、高效的系统，足以涵盖计算机视觉和数据科学中那些非常不同类型的例子，并提供最先进的性能。

2015年，谷歌发布了TensorFlow，这是一个开源的应用程序编程接口库(api)，可以帮助初学者和专家自动生成机器学习系统，而不需要做太多数学运算。如今，该平台得到了广泛应用，帮助人工智能的某些方面实现了自主化。但是，尽管它是自动化的、高效的，但它只专注于深度学习模型，与人工智能更广泛的前景相比，这些模型既昂贵又有限。

但是现在有很多其他的人工智能技术可用，比如统计和概率模型，以及仿真引擎。其他一些概率编程系统足够灵活，可以涵盖多种人工智能技术，但它们的运行效率很低。

研究人员试图将自动化、灵活性和速度这些世界上最好的东西结合在一起。Mansinghka说:“如果我们能做到这一点，也许我们就能帮助更广泛的建模和推理算法集合自主化，就像TensorFlow为深度学习所做的那样。”

在概率人工智能中，推理算法对数据进行运算，并根据新数据不断调整概率来进行预测。这样做最终会产生一个模型，描述如何对新数据进行预测。

基于早期概率编程系统Church中使用的概念，研究人员将几种自定义建模语言合并到Julia中，Julia是一种通用编程语言，也是麻省理工学院开发的。每种建模语言都针对不同类型的人工智能建模方法进行了优化，使其更加通用。Gen还为推理任务提供高级基础设施，使用各种方法，如优化、变分推理、某些概率方法和深度学习。除此之外，研究人员还添加了一些调整，以使实现更有效地运行。

外部用户已经在寻找利用Gen进行人工智能研究的方法。例如，英特尔公司正与麻省理工学院合作，利用Gen公司用于机器人和增强现实系统的深度感知相机进行三维姿态估计。麻省理工学院林肯实验室(MIT Lincoln Laboratory)也在合作开发Gen在航空机器人领域的应用，用于人道主义救援和灾难响应。

在麻省理工学院(MIT)的智能探索项目下，Gen开始被用于雄心勃勃的人工智能项目。例如，Gen是麻省理工学院和ibm沃森人工智能实验室项目的核心，同时也是美国国防部高级研究计划局正在进行的机器常识项目的核心，该项目旨在模拟18个月大的孩子的人类常识水平。Mansinghka是这个项目的主要研究人员之一。

“有了Gen，研究人员第一次可以很容易地集成许多不同的人工智能技术。看看人们现在能发现什么是可能的，这将是一件有趣的事情，”Mansinghka说。

优步首席科学家、人工智能副总裁、剑桥大学(Cambridge University)教授佐宾•加拉马尼(Zoubin Ghahramani)没有参与这项研究。Gen代表了这一领域的重大进步，将有助于基于概率推理的可伸缩和实际的AI系统实现。”

谷歌的研究主管Peter Norvig也赞扬了这项工作，他也没有参与这项研究。他表示:“(Gen)允许问题解决者使用概率编程，从而对问题有更有原则的解决方法，但不受概率编程系统设计者所作选择的限制。”“通用编程语言……之所以成功，是因为它们……让程序员更容易完成任务，但也让程序员有可能创造出全新的东西来高效地解决新问题。”Gen对概率编程也是如此。”

Gen的源代码是公开的，并将在即将召开的开源开发者大会上展示，包括Strange Loop和JuliaCon。这项工作部分由DARPA资助。