CDA數(shù)據(jù)分析研究院出品

為了揭開人工智能(AI)的神秘面紗，并展現(xiàn)它的優(yōu)點，麻省理工學院的智能探索創(chuàng)造了“探索之橋”，將新的智能工具和想法帶入教室、實驗室和家庭。今年春天，十多名本科研究機會項目(UROP)的學生加入了該項目，以使所有人都能使用人工智能。本科生開發(fā)的應用程序旨在教授孩子們有關人工智能的知識，改善對人工智能項目和基礎設施的訪問，并利用人工智能提高讀寫能力和心理健康。這里突出顯示了六個項目。

圖片來源于： Larry Rouen 參與由情報部門資助的歐洲圖書館計劃的學生包括:Amanda Li、Maya Nigrin、Yuria Utsumi、Kika Arias、Marco Fleming和Shreya Pandit。

• 雅典娜云計算項目

訓練人工智能模型通常需要遠程服務器來處理繁重的數(shù)據(jù)處理，但是將項目放到云中并返回并不是一件小事。為了簡化這一過程，一個名為麻省理工學院機器智能社區(qū)(MIC)的本科生俱樂部正在建立一個界面，該界面模仿了麻省理工學院的雅典娜項目(Project Athena)。雅典娜項目在上世紀80年代將臺式電腦帶入校園。

去年秋天，阿曼達·李(Amanda Li)在入職培訓時無意中發(fā)現(xiàn)了MIC。她正在尋找計算機能力來訓練人工智能語言模型，該模型是她建立的，用來識別非英語母語人士的國籍。她了解到，俱樂部有一個云信用銀行，但沒有實際的系統(tǒng)來發(fā)放這些信用，一個暫時命名為“猴子”的計劃很快就成形了。

系統(tǒng)必須將學生的訓練數(shù)據(jù)和人工智能模型發(fā)送到云端，將項目放入隊列，訓練模型，并將完成的項目發(fā)送回MIT。它還必須跟蹤個人使用情況，以確保云信用是均勻分布的。

今年春天，Monkey成為了一個UROP項目，李和大二學生Sebastian Rodriguez在Quest Bridge的指導下繼續(xù)進行這項工作。到目前為止，學生們已經(jīng)在GitHub中創(chuàng)建了四個模塊，這些模塊最終將成為分布式系統(tǒng)的基礎。

“編碼并不難，”李說。“這是探索機器學習的服務器端——Docker、谷歌云和API。我學到的最重要的事情是如何有效地設計和管理這樣一個龐大的項目?！?/p>

預計將于明年三月推出。人工智能工程師史蒂文·施賴弗(Steven Shriver)并且是Quest Bridge項目的負責人。他指出，“這是一個龐大的項目，存在一些及時的問題，業(yè)界也在努力解決。我相信學生們會明白的，當他們需要幫助的時候，我就在這里”。

• 一個易于使用的AI程序分割圖像

將圖像分割成各個組成部分的能力，構(gòu)成了更為復雜的人工智能任務的基礎，比如從微觀細胞的圖片中挑選蛋白質(zhì)，或者在破碎的材料中找出應力性骨折。雖然圖像分割程序是基礎的，但對于非工程師來說仍然很難操作。在Quest Bridge的一個項目中，第一年是馬可·弗萊明(Marco Fleming)幫助構(gòu)建了一個用于圖像分割的木星筆記本，這是Quest Bridge更廣泛使命的一部分，即開發(fā)一套人工智能積木，研究人員可以為特定應用量身定制。

弗萊明帶著自學的編程技能來到這個項目，但沒有機器學習、GitHub或命令行界面方面的經(jīng)驗。弗萊明與Quest Bridge的人工智能工程師凱瑟琳·加拉格爾(Katherine Gallagher)以及經(jīng)驗更豐富的同學桑娜·卡拉馬(秀爾·卡拉馬)合作，熟練掌握了卷積神經(jīng)網(wǎng)絡，而卷積神經(jīng)網(wǎng)絡是許多機器視覺任務的主要工具。他指出，“你拍一張照片，然后對它做大量的數(shù)學運算，機器就會知道邊緣在哪里，這有點奇怪”。同時這個項目也給了他信心，他打算今年暑假去好事達公司實習。

加拉格爾說：“我們正在為馬可這樣的人開發(fā)這些筆記本，他是一名大一新生，沒有機器學習經(jīng)驗?？吹今R可在什么地方犯了錯真的很有價值?！?馬可的參與也使Quest Bridge受益。

• 自動圖像分類器:不需要編碼

任何人都可以開發(fā)影響世界的應用程序。這是MIT AppInventor的座右銘，它是由Hal Abelson創(chuàng)建的編程環(huán)境，Hal Abelson是MIT電氣工程和計算機科學系1922屆的教授。在Abelson實驗室獨立活動期間，大二學生Yuria Utsumi開發(fā)了一個web界面，任何人都可以構(gòu)建一個深度學習分類器來對圖片進行分類，比如，快樂的臉、悲傷的臉亦或是蘋果和橘子。

通過四個步驟，Image Classification Explorer允許用戶標記和上傳他們的圖像到web，選擇一個可定制的模型，添加測試數(shù)據(jù)，并查看結(jié)果。Utsumi用一個預先訓練好的分類器構(gòu)建了這個應用程序，她重新構(gòu)造了分類器，從一組新的和不熟悉的圖像中學習。一旦用戶對新圖像重新訓練分類器，他們就可以將模型上傳到AppInventor，以便在智能手機上查看。

在最近對Explorer應用程序的測試中，波士頓拉丁學院(Boston Latin Academy)的學生上傳了用筆記本網(wǎng)絡攝像頭拍攝的自拍照，并對他們的面部表情進行了分類。Utsumi選擇了這個項目，希望獲得實用的web開發(fā)和編程技能，對于他來說，這是一個勝利的時刻。他指出：“這是我第一次在現(xiàn)實生活中解決算法問題!”并補充道:“看到學生們對機器學習越來越適應，這很有趣。我很高興能幫助擴大這個平臺，教授更多的概念”。

• 向孩子們介紹機器生成的藝術

人工智能領域最熱門的趨勢之一是一種利用生成式對抗網(wǎng)絡(GANs)創(chuàng)建計算機生成藝術的新方法。一組神經(jīng)網(wǎng)絡一起工作，創(chuàng)造一個逼真的圖像，同時讓藝術家添加他們獨特的地方。其中一個名為GANpaint的人工智能程序，是由麻省理工學院(MIT)情報總監(jiān)安東尼奧·托拉爾巴(Antonio Torralba)的實驗室開發(fā)的，它允許用戶在一組預先繪制的圖像中添加樹木、云彩和門等特征。

在Quest Bridge的一個項目中，大二學生Maya Nigrin正在幫助GANpaint適應流行的兒童編程平臺Scratch。這項工作包括培訓一個新的GAN對城堡圖片和開發(fā)自定義劃痕擴展，以集成GANpaint與劃痕。學生們還在開發(fā)木星筆記本，教其他人如何批判性地思考GANs，因為這項技術使制作和分享修改過的圖像變得更容易。

尼格林曾是一名保姆和鋼琴老師，現(xiàn)在是一名計算機科學的中學生和高中生老師。當被問及最重要的收獲時，她說:“如果你不能解決問題，就繞過它?！?/p>

負責該項目的Gallagher說，學習解決問題是任何軟件工程師的關鍵技能。他指出，“這可能很有挑戰(zhàn)性，但這也是樂趣的一部分。學生們很希望對軟件開發(fā)的必要性有一個現(xiàn)實的認識。”

• 當你感到沮喪時，機器人會把你扶起來

隨著我們盯屏幕的時間越來越多，焦慮和抑郁也正在上升。麻省理工學院媒體實驗室(MIT media Lab)媒體藝術與科學副教授辛西婭·布雷齊爾(Cynthia Breazeal)表示，如果技術是問題所在，那么它也可能是答案。

在一個新的項目中，布雷西亞正在重新啟動她的家庭機器人Jibo作為一個個人健康教練(麻省理工學院將Jibo商業(yè)化的子公司于去年秋天關閉，但麻省理工學院擁有將Jibo用于應用研究的許可證)。麻省理工學院大三學生Kika Arias在上個學期幫助Jibo設計互動，讓Jibo能夠閱讀并以個性化的建議回應人們的情緒。例如，如果Jibo感覺到你情緒低落，它可能會建議你進行一次“健康”聊天，并做一些積極的心理學練習，比如寫下一些讓你心存感激的事情。

今年夏天，健康教練Jibo將與麻省理工學院(MIT)的學生進行一項試點研究，并將面臨首次測試。為了讓它做好準備，阿里亞斯設計并組裝了她所說的“美化的機器人椅子”，這是一個為Jibo和它的一套設備(相機、麥克風、電腦和平板電腦)設計的便攜式坐墊。她把一個人類生活教練為Jibo寫的劇本翻譯成他有趣但輕松的聲音。她還為自我報告的情緒制定了一個廣泛使用的量表，研究參與者將使用該量表來評估自己的情緒，使其更有吸引力。

她說:“我不是機器學習和云計算的中堅分子，但我發(fā)現(xiàn)我能做的比我想象的多得多。我一直很想幫助別人，所以當我發(fā)現(xiàn)這個實驗室時，我想這正是我應該在的地方“。

• 一個講故事的機器人，幫助孩子們學習閱讀

大聲朗讀的孩子更容易學會閱讀，但并不是所有的父母都知道如何閱讀或有時間定期給孩子讀故事。如果一個家庭機器人可以填補，甚至促進更高質(zhì)量的親子閱讀時間呢?

在一個更大項目的第一階段，Breazeal實驗室的研究人員正在記錄父母朗讀給孩子聽的聲音，并分析閱讀過程中的視頻、音頻和生理數(shù)據(jù)?！币荒昙墝W生史里亞·潘迪特(Shreya Pandit)指出，“這些互動對孩子日后的讀寫能力有很大的影響。在講述這個故事的過程中，我們分享情感、交換問題和答案?！?/p>

Breazeal說，這些邊欄對話對學習非常重要。理想情況下，機器人的存在是為了加強親子關系，并為父母和孩子提供有用的提示。

為了了解機器人如何增強學習能力，潘迪特幫助開發(fā)了家長調(diào)查、運行行為實驗、分析數(shù)據(jù)以及整合多個數(shù)據(jù)流。她說，令人驚訝的是，她一直在了解自己有多少工作是自主完成的：她尋找問題，然后在實驗室里由其他的人運行它們，然后再挑選一個，比如一個基于說話人來分割音頻文件的算法，或者一種較為復雜的為朗讀故事打分的方法。

她說:“我試著為自己設定目標，并在每次會議后匯報一些情況?？粗@些數(shù)據(jù)，并試圖弄清楚它能告訴我們關于提高識字率的什么，這很酷?！?/p>

這些尋求情報的項目由Alphabet Inc.的技術顧問埃里克施密特(Eric Schmidt)和他的妻子溫迪(Wendy)資助。