麻省理工学院的一个研究小组正在努力让初学者更容易接触到人工智能，同时也帮助专家在这一领域取得进展。
在本周的编程语言设计和实施会议上研究人员发表了一篇论文，研究人员描述了一种名为“Gen.”的新型概率编程系统。用户从应用AI技术的多个领域编写模型和算法 - 例如计算机视觉、机器人和统计，无需处理方程式或手动编写高性能代码。 Gen还允许专家研究人员编写先前不可行的复杂模型和推理算法用于预测任务。
例如，在他们的论文中，研究人员证明了一个简短的Gen程序可以推断3-D人体姿势，这是一个困难的计算机视觉推理任务，在自治系统，人机交互和增强现实中有应用。在幕后，该程序包括执行图形渲染，深度学习和概率模拟类型的组件。与一些研究人员开发的早期系统相比，这些不同技术的结合可以提高这项任务的准确性和速度。
由于其简单性 - 以及在某些用例中的自动化 - 研究人员表示，Gen可以被任何人轻松使用，从新手到专家。 “这项工作的一个动机是让计算机科学或数学专业知识较少的人更容易获得自动化人工智能，”作者，电气工程和计算机科学系博士生Marco Cusumano-Towner表示， “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程序简化数据分析的能力，该程序可自动生成通常由专家用于分析、解释和预测数据中基础模式的复杂统计模型。这建立在研究人员之前的工作基础之上，该工作让用户可以编写几行代码，以发现对金融趋势、航空旅行、投票模式和疾病传播等方面的见解。这与早期的系统不同，早期的系统需要大量的手动编码才能进行准确的预测。
“Gen是个灵活、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，并提供先进的性能。”
好的
2015年，Google发布了TensorFlow，这是一个开源的应用程序编程接口（API）库，可帮助初学者和专家自动生成机器学习系统，而无需进行太多数学计算。现在广泛使用，该平台正在帮助人工智能的某些方面民主化。但是，虽然它是自动化和高效的，但它只是侧重于深度学习模型，与一般的AI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AI技术可用，例如统计和概率模型以及模拟引擎。其他一些概率编程系统足够灵活，可以涵盖几种AI技术，但运行效率低下。
研究人员试图将自动化、灵活性和速度这些世界上好的东西结合在一起。Mansinghka认为，“如果我们能做到这一点，也许我们可以帮助民主化更广泛的建模和推理算法集合民主化，就像TensorFlow为深度学习所做的那样。”
在概率AI中，推理算法对数据执行操作，并基于新数据连续地重新调整概率以进行预测。这样做终会生成一个模型，描述如何对新数据进行预测。
建立在早期概率编程系统Church中使用的概念，研究人员将几种自定义建模语言融入Julia，这是一种也在麻省理工学院开发的通用编程语言。每种建模语言都针对不同类型的AI建模方法进行了优化，使其更加通用。 Gen还使用各种方法（如优化、变分推理、某些概率方法和深度学习）为推理任务提供基础架构。重要的是，研究人员还添加了一些调整，以使实现有效运行。
实验室之外的合作
外部用户已经在寻找利用Gen进行AI研究的方法。例如，英特尔正在与麻省理工学院合作，使用Gen从机器人和增强现实系统中使用的深度感相机进行三维姿态估计。麻省理工学院林肯实验室还在为人道主义救援和灾难响应的空中机器人应用提供合作。
在MIT Quest for Intelligence下，Gen开始被用于雄心勃勃的AI项目。例如，Gen是MIT-IBM Watson AI Lab项目的核心，以及美国国防部的国防研究计划署正在进行的机器常识项目，该项目旨在模拟人类常识，旨在建模18个月大婴儿水平的人类常识库。 Mansinghka是该项目的主要研究人员之一。
Mansinghka表示，“有了Gen，研究人员次可以很容易地集成大量不同的AI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。”
Uber首席科学家兼人工智能副总裁兼剑桥大学教授Zoubin Ghahramani表示，“自从深度学习出现以来，概率编程是人工智能前沿领域有前途的领域之一。Gen代表了该领域的重大进步，将有助于基于概率推理的AI系统的可扩展和实际AI系统实施。”
谷歌的研究主管彼得·诺维格（Peter Norvig）没有参与这项研究，但他赞扬了这项工作。 “[Gen]允许问题解决者使用概率编程，因此对问题采用更原则的方法，但不受概率编程系统设计者的选择限制，”他说。 “通用编程语言......之所以成功，是因为它们使程序员更容易完成任务，但也使程序员能够创建一些全新的东西来有效地解决新问题。 Gen对概率编程也是如此。”
Gen的源代码「链接」是公开的，正在即将举行的开源开发者大会上展示，包括Strange Loop和JuliaCon。这项工作部分得到了DARPA的支持。
