您现在的位置是:首页 > 科技 > 正文

麻省理工学院寻求智力资助的本科研究项目揭开AI的神秘面纱

发布时间:2024-07-02 18:54:02来源:

导读 为了揭开人工智能(AI)的神秘面纱并解锁其优势,麻省理工学院的情报探索创建了Quest Bridge,将新的智能工具和想法带入教室,实验室和家

为了揭开人工智能(AI)的神秘面纱并解锁其优势,麻省理工学院的情报探索创建了Quest Bridge,将新的智能工具和想法带入教室,实验室和家庭。今年春天,十几个 本科生研究机会计划 (UROP)的学生加入了该项目的使命,让所有人都可以使用AI。本科生致力于应用程序,旨在教孩子们关于人工智能,改善人工智能程序和基础设施的访问,并利用人工智能来提高识字率和心理健康。这里突出了六个项目。

培训AI模型通常需要远程服务器来处理繁重的数字运算,但将项目迁移到云端并返回并非易事。为了简化这一过程,一个名为MIT机器智能社区 (MIC)的本科俱乐部 正在建立一个以MIT的Project Athena为模型的界面 ,该平台在20世纪80年代将桌面计算引入校园。

去年秋天,Amanda Li在导演期间偶然发现了MIC。她一直在寻找计算机能力,以培养她为确定非英语母语人士的国籍而建立的AI语言模型。她了解到,该俱乐部拥有一系列云积分,但没有实用的系统可以让他们离开。建立这样一个暂定名为“猴子”的系统的计划很快就形成了。

系统必须将学生的训练数据和AI模型发送到云端,将项目放入队列,训练模型,并将完成的项目发送回麻省理工学院。它还必须跟踪个人使用情况,以确保云信用均匀分布。

今年春天,Monkey成为UROP项目,Li和二年级学生Sebastian Rodriguez在Quest Bridge的指导下继续开展工作。到目前为止,学生们已经在GitHub中创建了四个模块,最终将成为分布式系统的基础。

“编码不是困难的部分,”李说。“这是探索机器学习的服务器端 - Docker,Google Cloud和API。我学到的最重要的事情是如何有效地设计和管理像这样大的项目。“

预计明年某个时候将推出。“这是一个巨大的项目,行业也在努力解决一些及时的问题,”正在监督该项目的Quest Bridge AI工程师Steven Shriver说。“我毫不怀疑学生会弄清楚:我在这里需要帮助。”

将图像分成其组成部分的能力是更复杂的AI任务的基础,例如在微观细胞的图片中挑选蛋白质,或者在破碎的材料中应力破裂。虽然基础,图像分割程序仍然很难让非工程师导航。在Quest Bridge的一个项目中,第一年的Marco Fleming帮助构建了一个用于图像分割的Jupyter笔记本,这是Quest Bridge开发一套AI构建模块的更广泛使命,研究人员可以根据具体应用进行定制。

Fleming带着自学编码技能来到这个项目,但没有机器学习,GitHub或使用命令行界面的经验。与Quest Bridge的AI工程师Katherine Gallagher以及更有经验的同学Sule Kahraman合作,Fleming精通卷积神经网络,这是许多机器视觉任务的主力。“这有点奇怪,”他解释道。“你拍了一张照片并做了很多数学计算,然后机器就会知道边缘的位置。”今年夏天在Allstate进行暑期实习,Fleming说这个项目给了他一个信心提升。

加拉格尔说,他的参与也使Quest Bridge受益。“我们正在为像Marco这样没有机器学习经验的新人开发这些笔记本电脑。看到马克被绊倒的地方真的很有价值。“

任何人都可以构建影响世界的应用程序。这就是麻省理工学院AppInventor的座右铭,这是 一个编程环境,由麻省理工学院电气工程和计算机科学系 1922年的Class教授 Hal Abelson创立 。在独立活动期间在Abelson的实验室工作,大二学生Yuria Utsumi开发了一个网络界面,让任何人都可以建立一个深度学习分类器来分类,比如快乐的面孔和悲伤的面孔,或苹果和橘子。

通过四个步骤,图像分类浏览器允许用户标记图像并将其上载到Web,选择可自定义的模型,添加测试数据以及查看结果。Utsumi使用预先训练好的分类器构建了应用程序,她重组后可以从一组新的和不熟悉的图像中学习。一旦用户在新图像上重新训练分类器,他们就可以将模型上传到AppInventor以在智能手机上查看。

在最近的Explorer应用程序测试中,波士顿拉丁学院的学生上传了他们的笔记本电脑网络摄像头拍摄的自拍照并对其面部表情进行了分类 Utsumi选择了希望获得实用网络开发和编程技能的项目,这是一个胜利的时刻。“这是我第一次在现实生活中解决算法问题!”她说。“看到学生们对机器学习更加满意,这很有趣,”她补充道。“我很高兴能够帮助扩展平台以传授更多概念。”

人工智能最热门的趋势之一是使用生成对抗网络(即GAN)创建计算机生成艺术的新方法。一对神经网络协同工作以创建逼真的图像,同时让艺术家添加他们独特的扭曲。在MIT Quest for Intelligence Director Antonio Torralba实验室开发的 一个名为GANpaint的 AI程序 允许用户将树木,云和门等功能添加到一组预先绘制的图像中。

在Quest Bridge的一个项目中,大二的Maya Nigrin正在帮助GANpaint适应流行的儿童编码平台 Scratch。这项工作涉及在城堡图片上培训新的GAN,并开发定制Scratch扩展以将GANpaint与Scratch集成。学生们还在开发Jupyter笔记本,教他人如何批判性地思考GAN,因为这项技术使得制作和分享篡改图像变得更加容易。

Nigrin是一位前保姆和钢琴教师,现在为计算机科学的中学生和中学生提供辅导,她说她选择了该项目,重点是K-12教育。当被问及最重要的外卖时,她说:“如果你无法解决问题,那就去解决吧。”

对项目进行监督的加拉格尔说,学习解决问题是任何软件工程师的关键技能。“这可能具有挑战性,”她说,“但这是乐趣的一部分。希望学生能够真实地了解软件开发的内容。“

随着我们花更多时间盯着屏幕,焦虑和抑郁正在上升。但麻省理工学院媒体实验室媒体艺术与科学副教授辛西娅·布雷泽尔(Cynthia Breazeal)表示, 如果技术成为问题,那也可能就是答案 。

在一个新项目中,Breazeal正在重新启动她的家用机器人Jibo作为个人健康教练。(麻省理工学院分拆商业化的Jibo去年秋天关闭,但麻省理工学院有许可使用Jibo进行应用研究)。麻省理工学院的初级学生Kika Arias在上一学期帮助设计了Jibo的互动,通过个性化的建议来阅读和回应人们的情绪。例如,如果Jibo感觉到你失败了,它可能会建议一个“健康”聊天和一些积极的心理学练习,比如写下你感激的东西。

健康教练吉博今年夏天将与麻省理工学院的学生一起参加一项试点研究。为了做好准备,Arias设计并组装了她所谓的“美化机器人座椅”,这是一款适用于Jibo及其仪器套件的便携式座椅:相机,麦克风,电脑和平板电脑。她将人生教练为Jibo写的剧本翻译成他俏皮但悠闲的声音。并且她已经广泛使用自我报告的情绪量表,研究参与者将用它来评价他们的情绪,更具吸引力。

“我不是一个学习硬核的机器,云计算类型,但我发现我的能力比我想象的要多得多,”她说。“我一直觉得有很强烈的愿望来帮助别人,所以当我找到这个实验室时,我认为这正是我应该做的。”

大声朗读的孩子往往会更容易阅读,但并非所有家长都知道如何阅读或有时间定期向孩子朗读故事。如果一个家庭机器人可以填写,甚至促进更高质量的亲子阅读时间怎么办?

在一个大型项目的第一阶段,Breazeal实验室的研究人员在他们向孩子们大声朗读时记录父母,并正在分析阅读过程中的视频,音频和生理数据。“这些互动在儿童晚年的读写能力中起着重要作用,”本学期从事该项目的一年级学生Shreya Pandit说。“在讲述故事时,情感分享,问答交流。”

Breazeal说,这些边栏对话对学习至关重要。理想情况下,机器人可以加强亲子关系,并为父母和孩子提供有用的提示。

为了理解机器人如何增强学习,潘伟迪帮助开发了父调查,运行行为实验,分析数据和集成多个数据流。她说,有一个惊喜,就是学习了多少工作是自我导向的:她在选择问题之前寻找问题,研究解决方案并在实验室中由其他人运行它们 - 例如,基于谁来分割音频文件的算法说话,或者是对朗读故事的复杂性进行评分的方式。

“我试着为自己设定目标,并在每次会议后报告一些事情,”她说。“看看这些数据很酷,并试图弄清楚它能告诉我们什么能提高识字能力。”

标签:

上一篇
下一篇