您现在的位置是：首页 > 科技 > 正文
将人工智能与激情结合起来 这是为什么呢
发布时间：2024-07-02 19:57:01来源：
当麻省理工学院斯蒂芬A.施瓦茨曼计算机学院于今年秋季开学时，计算思维将成为麻省理工学院教育的标志，并且将在2月26日为期三天的大学庆祝活动的最后一次招待会上展示将要展示的内容。
在一个装满电子屏幕的帐篷里，学生和博士后轮流解释他们如何通过将计算与他们感兴趣的主题相结合来创造新事物，包括预测华尔街的恐慌性销售，分析普通药物中的填充成分，以及开发更多能量 - 高效的软件和硬件。海报会议以麻省理工学院五所学校的本科生，研究生和博士后为特色。这里突出了八个项目。
自闭症被认为具有强大的遗传基础，但很少发现负责的基因突变。麻省理工学院的研究人员与波士顿儿童医院和哈佛医学院合作，利用人工智能探索自闭症的隐藏起源。
与他的顾问，工作 邦妮伯杰 和 宝茹蕙，数学和医学教授在麻省理工学院和哈佛大学分别研究生 麦克斯韦谢尔曼 帮助开发了一种算法来检测有自闭症的人造成一些细胞携带太多以前未知的基因突变或DNA太少。
研究小组发现，高达1%的自闭症患者会携带这些突变，而廉价的消费者基因测试只能用唾液样本检测到它们。研究人员表示，每年都有数百名携带这些突变且存在自闭症风险的儿童以这种方式被识别出来。
“早期发现孤独症可以让孩子们更早地获得支持性服务，”谢尔曼说，“这可以带来持久的益处。”
随着人工智能系统自动执行更多任务，评估其决策并提醒公众注意可能发生的故障的需求已经变得更加紧迫。在MIT-IBM Watson AI实验室的一个项目中 ，研究生 Lily Weng 正在帮助构建一个有效的通用框架，用于量化深度神经网络被欺骗或误导成错误的容易程度。
与IBM研究员Pin-Yu Chen和 麻省理工学院电气工程与计算机科学系 (EECS)教授 Luca Daniel领导的团队合作 ，开发了一种方法，可以报告每个输入在改变之前可以改变多少神经网络犯了一个错误。该团队现在正在将框架扩展到更大，更通用的神经网络，并开发工具来根据不同的输入变更方法量化其脆弱程度。这项工作产生了一系列论文，最近在麻省理工学院的IBM 博客文章中进行了总结。
到2014年埃博拉病毒从几内亚和利比里亚蔓延到塞拉利昂时，政府已做好准备。它迅速关闭了学校并关闭了与两国的边界。尽管如此，相对于其人口而言，塞拉利昂的情况比其邻国还要糟糕，有14,000名疑似感染者和4,000 人死亡。
麻省理工学院数据，系统和社会研究所(IDSS)的研究生Marie Charpignon 想知道原因。她的搜索成为网络科学和模型的最终项目 ，这是由EECS的Dugald C. Jackson教授Patrick Jaillet教授的课程 。
在对贸易，移民和世界卫生组织数据的网络分析中，查菲尼翁发现医疗资源的严重短缺似乎解释了为什么埃博拉在塞拉利昂造成了相对更大的破坏，尽管该国采取了预防措施。
“塞拉利昂每30,000名居民就有一名医生，医生是第一个被感染的医生，”她说。“这进一步降低了医疗救助的可用性。”
她说，如果塞拉利昂没有采取果断行动，可能会更糟。她的研究结果表明，流行病学模型应考虑医院和医务人员聚集的地方，以更好地预测流行病将如何展开。
当劳动力便宜时，建筑物的设计使用的材料更少，但随着劳动力成本的增加，设计选择转向低效但易于建造的建筑物。毕业生穆罕默德·伊斯梅尔说，这就是今天世界上许多人都喜欢用标准化钢筋混凝土建造的建筑物的原因 。
AI现在正在改变设计方程式。在塔拉，一个总部位于新德里的非营利组织，伊斯梅尔和他的顾问，合作 凯特琳穆勒，在副教授 建筑系 和 土木与环境工程系，使用计算工具，以减少混凝土在的量建筑物。
“我们可以再次将结构性能作为建筑设计过程的一部分，并建造出既高效又经济的令人兴奋的优雅建筑，”Ismail说。
这项工作涉及计算建筑物的形状随着设计的变化而承受多少负荷。Ismael和Mueller开发了一种优化算法来计算可以最大化效率并提供雕塑元素的形状。钢筋混凝土的混合性质是液体和固体，脆性和韧性，是他们必须克服的挑战。通过与客户保持密切联系，确保模型能够在地面上进行翻译是另一回事。
“如果某些东西不起作用，我可以远程连接到麻省理工学院的计算机，调整代码，并在一小时内为TARA准备好新设计，”伊斯梅尔说。
机器人与人类接触的越多，它们就越有用。这意味着当他们感到困惑时要求反馈，并在他们与我们及其环境互动时无缝地吸收新信息。理想情况下，这意味着要转向我们与机器人交谈的世界，而不是编程。
在由计算机科学与人工智能实验室演讲人员 Boris Katz和 麻省理工学院航空航天系教授 Nicholas Roy领导的项目中 ，研究生 Yen-Ling Kuo 设计了一套实验来了解人类和人类机器人可以合作，机器人必须学会遵守命令。
在一个视频游戏实验中，志愿者被要求驾驶一辆装满兔子的汽车穿过墙壁和火坑的障碍物。Kuo承认，这听起来像是“荒诞喜剧”，但其目标很简单：了解人类如何通过危险条件策划课程，同时解释周围其他人的行为。来自实验的数据将用于设计算法，帮助机器人计划和解释他们对其他人正在做什么的理解。
创造力被认为在健康老龄化中发挥着重要作用，研究表明创造性人物更善于适应老年人的挑战。麻烦的是，不是每个人都与他们内心的艺术家保持联系。
麻省理工学院媒体实验室的研究生 吉列尔莫·伯纳尔说：“也许他们是会计师，或者从事商业活动，并不认为自己是创意类型 。” “我开始思考，如果我们可以利用深度学习模型来帮助人们探索他们的创作方面呢?”
通过媒体实验室教授 Pattie Maes，Bernal开发了 Paper Dreams，这是一种交互式故事讲述工具，它使用生成模型为用户提供灵感。随着草图展开，Paper Dreams想象场景如何进一步发展并为艺术家添加建议颜色，纹理和新对象。“偶然性表盘”让艺术家可以决定他们想要的建议。
“当你操纵它们时，看到图画和颜色是实时演变的，这是一种神奇的体验，”伯纳尔说，他正在探索使平台更容易获得的方法。
卢旺达新妈妈的最主要死因是剖腹产后的感染。麻省理工学院，哈佛医学院，布莱根妇女医院和卢旺达卫生合作伙伴的研究人员正在开发一种计算工具来预测母亲的手术后伤口是否可能被感染，以便更快地识别处于危险中的母亲。
研究人员收集了来自527名女性的剖腹产伤口照片，这些照片使用的卫生工作者在手术后10至12天用智能手机拍摄照片。与他的顾问，工作 理查德·弗莱彻，在麻省理工学院的研究员 d-实验室，研究生Subby Olubeko帮助培训一对模型挑选出发展成感染的伤口。当他们在完整数据集上测试逻辑回归模型时，它给出了几乎完美的预测。
Olubeko说，伤口排水的颜色，以及伤口在其中心出现的亮度，是模型所具有的两个特征。该团队计划今年春季开展一项实地试验，收集来自更多样化的女性群体的伤口照片，并拍摄红外图像以查看是否有其他信息。
新闻向网络的迁移使广告商能够在高质量的新闻报道中放置更加个性化，引人入胜的广告。通常伪装成合法新闻，由内容推荐网络推动的所谓“原生”广告为陷入困境的新闻业带来了急需的收入。但是以什么代价?
“本土广告应该有助于新闻业应对金融危机，但如果它们加强了公众对媒体的不信任并推动读者远离质量新闻呢?”研究生Manon Revel说 。
假新闻的主张占据了2016年大选，但政治化的原生广告也很常见。为了衡量他们的影响力，Revel加入了由麻省理工学院政治学系教授 Adam Berinsky领导的项目 ， Munther Dahleh教授，EECS教授和IDSS 主任，麻省理工学院斯隆管理学院教授 Dean Eckles和 阿里Jadbabaie，CEE教授，IDSS副主任。
标签：