CDA数据分析研究院出品
为了揭开人工智能(AI)的神秘面纱，并展现它的优点，麻省理工学院的智能探索创造了“探索之桥”，将新的智能工具和想法带入教室、实验室和家庭。今年春天，十多名本科研究机会项目(UROP)的学生加入了该项目，以使所有人都能使用人工智能。本科生开发的应用程序旨在教授孩子们有关人工智能的知识，改善对人工智能项目和基础设施的访问，并利用人工智能提高读写能力和心理健康。这里突出显示了六个项目。
图片来源于： Larry Rouen 参与由情报部门资助的欧洲图书馆计划的学生包括:Amanda Li、Maya Nigrin、Yuria Utsumi、Kika Arias、Marco Fleming和Shreya Pandit。
雅典娜云计算项目
训练人工智能模型通常需要远程服务器来处理繁重的数据处理，但是将项目放到云中并返回并不是一件小事。为了简化这一过程，一个名为麻省理工学院机器智能社区(MIC)的本科生俱乐部正在建立一个界面，该界面模仿了麻省理工学院的雅典娜项目(Project Athena)。雅典娜项目在上世纪80年代将台式电脑带入校园。
去年秋天，阿曼达·李(Amanda Li)在入职培训时无意中发现了MIC。她正在寻找计算机能力来训练人工智能语言模型，该模型是她建立的，用来识别非英语母语人士的国籍。她了解到，俱乐部有一个云信用银行，但没有实际的系统来发放这些信用，一个暂时命名为“猴子”的计划很快就成形了。
系统必须将学生的训练数据和人工智能模型发送到云端，将项目放入队列，训练模型，并将完成的项目发送回MIT。它还必须跟踪个人使用情况，以确保云信用是均匀分布的。
今年春天，Monkey成为了一个UROP项目，李和大二学生Sebastian Rodriguez在Quest Bridge的指导下继续进行这项工作。到目前为止，学生们已经在GitHub中创建了四个模块，这些模块最终将成为分布式系统的基础。
“编码并不难，”李说。“这是探索机器学习的服务器端——Docker、谷歌云和API。我学到的最重要的事情是如何有效地设计和管理这样一个庞大的项目。”
预计将于明年三月推出。人工智能工程师史蒂文·施赖弗(Steven Shriver)并且是Quest Bridge项目的负责人。他指出，“这是一个庞大的项目，存在一些及时的问题，业界也在努力解决。我相信学生们会明白的，当他们需要帮助的时候，我就在这里”。
一个易于使用的AI程序分割图像
将图像分割成各个组成部分的能力，构成了更为复杂的人工智能任务的基础，比如从微观细胞的图片中挑选蛋白质，或者在破碎的材料中找出应力性骨折。虽然图像分割程序是基础的，但对于非工程师来说仍然很难操作。在Quest Bridge的一个项目中，第一年是马可·弗莱明(Marco Fleming)帮助构建了一个用于图像分割的木星笔记本，这是Quest Bridge更广泛使命的一部分，即开发一套人工智能积木，研究人员可以为特定应用量身定制。
弗莱明带着自学的编程技能来到这个项目，但没有机器学习、GitHub或命令行界面方面的经验。弗莱明与Quest Bridge的人工智能工程师凯瑟琳·加拉格尔(Katherine Gallagher)以及经验更丰富的同学桑娜·卡拉马(秀尔·卡拉马)合作，熟练掌握了卷积神经网络，而卷积神经网络是许多机器视觉任务的主要工具。他指出，“你拍一张照片，然后对它做大量的数学运算，机器就会知道边缘在哪里，这有点奇怪”。同时这个项目也给了他信心，他打算今年暑假去好事达公司实习。
加拉格尔说：“我们正在为马可这样的人开发这些笔记本，他是一名大一新生，没有机器学习经验。看到马可在什么地方犯了错真的很有价值。” 马可的参与也使Quest Bridge受益。
自动图像分类器:不需要编码
任何人都可以开发影响世界的应用程序。这是MIT AppInventor的座右铭，它是由Hal Abelson创建的编程环境，Hal Abelson是MIT电气工程和计算机科学系1922届的教授。在Abelson实验室独立活动期间，大二学生Yuria Utsumi开发了一个web界面，任何人都可以构建一个深度学习分类器来对图片进行分类，比如，快乐的脸、悲伤的脸亦或是苹果和橘子。
通过四个步骤，Image Classification Explorer允许用户标记和上传他们的图像到web，选择一个可定制的模型，添加测试数据，并查看结果。Utsumi用一个预先训练好的分类器构建了这个应用程序，她重新构造了分类器，从一组新的和不熟悉的图像中学习。一旦用户对新图像重新训练分类器，他们就可以将模型上传到AppInventor，以便在智能手机上查看。
在最近对Explorer应用程序的测试中，波士顿拉丁学院(Boston Latin Academy)的学生上传了用笔记本网络摄像头拍摄的自拍照，并对他们的面部表情进行了分类。Utsumi选择了这个项目，希望获得实用的web开发和编程技能，对于他来说，这是一个胜利的时刻。他指出：“这是我第一次在现实生活中解决算法问题!”并补充道:“看到学生们对机器学习越来越适应，这很有趣。我很高兴能帮助扩大这个平台，教授更多的概念”。
向孩子们介绍机器生成的艺术
人工智能领域最热门的趋势之一是一种利用生成式对抗网络(GANs)创建计算机生成艺术的新方法。一组神经网络一起工作，创造一个逼真的图像，同时让艺术家添加他们独特的地方。其中一个名为GANpaint的人工智能程序，是由麻省理工学院(MIT)情报总监安东尼奥·托拉尔巴(Antonio Torralba)的实验室开发的，它允许用户在一组预先绘制的图像中添加树木、云彩和门等特征。
在Quest Bridge的一个项目中，大二学生Maya Nigrin正在帮助GANpaint适应流行的儿童编程平台Scratch。这项工作包括培训一个新的GAN对城堡图片和开发自定义划痕扩展，以集成GANpaint与划痕。学生们还在开发木星笔记本，教其他人如何批判性地思考GANs，因为这项技术使制作和分享修改过的图像变得更容易。
尼格林曾是一名保姆和钢琴老师，现在是一名计算机科学的中学生和高中生老师。当被问及最重要的收获时，她说:“如果你不能解决问题，就绕过它。”
负责该项目的Gallagher说，学习解决问题是任何软件工程师的关键技能。他指出，“这可能很有挑战性，但这也是乐趣的一部分。学生们很希望对软件开发的必要性有一个现实的认识。”
当你感到沮丧时，机器人会把你扶起来
随着我们盯屏幕的时间越来越多，焦虑和抑郁也正在上升。麻省理工学院媒体实验室(MIT media Lab)媒体艺术与科学副教授辛西娅·布雷齐尔(Cynthia Breazeal)表示，如果技术是问题所在，那么它也可能是答案。
在一个新的项目中，布雷西亚正在重新启动她的家庭机器人Jibo作为一个个人健康教练(麻省理工学院将Jibo商业化的子公司于去年秋天关闭，但麻省理工学院拥有将Jibo用于应用研究的许可证)。麻省理工学院大三学生Kika Arias在上个学期帮助Jibo设计互动，让Jibo能够阅读并以个性化的建议回应人们的情绪。例如，如果Jibo感觉到你情绪低落，它可能会建议你进行一次“健康”聊天，并做一些积极的心理学练习，比如写下一些让你心存感激的事情。
今年夏天，健康教练Jibo将与麻省理工学院(MIT)的学生进行一项试点研究，并将面临首次测试。为了让它做好准备，阿里亚斯设计并组装了她所说的“美化的机器人椅子”，这是一个为Jibo和它的一套设备(相机、麦克风、电脑和平板电脑)设计的便携式坐垫。她把一个人类生活教练为Jibo写的剧本翻译成他有趣但轻松的声音。她还为自我报告的情绪制定了一个广泛使用的量表，研究参与者将使用该量表来评估自己的情绪，使其更有吸引力。
她说:“我不是机器学习和云计算的中坚分子，但我发现我能做的比我想象的多得多。我一直很想帮助别人，所以当我发现这个实验室时，我想这正是我应该在的地方“。
一个讲故事的机器人，帮助孩子们学习阅读
大声朗读的孩子更容易学会阅读，但并不是所有的父母都知道如何阅读或有时间定期给孩子读故事。如果一个家庭机器人可以填补，甚至促进更高质量的亲子阅读时间呢?
在一个更大项目的第一阶段，Breazeal实验室的研究人员正在记录父母朗读给孩子听的声音，并分析阅读过程中的视频、音频和生理数据。”一年级学生史里亚·潘迪特(Shreya Pandit)指出，“这些互动对孩子日后的读写能力有很大的影响。在讲述这个故事的过程中，我们分享情感、交换问题和答案。”
Breazeal说，这些边栏对话对学习非常重要。理想情况下，机器人的存在是为了加强亲子关系，并为父母和孩子提供有用的提示。
为了了解机器人如何增强学习能力，潘迪特帮助开发了家长调查、运行行为实验、分析数据以及整合多个数据流。她说，令人惊讶的是，她一直在了解自己有多少工作是自主完成的：她寻找问题，然后在实验室里由其他的人运行它们，然后再挑选一个，比如一个基于说话人来分割音频文件的算法，或者一种较为复杂的为朗读故事打分的方法。
她说:“我试着为自己设定目标，并在每次会议后汇报一些情况。看着这些数据，并试图弄清楚它能告诉我们关于提高识字率的什么，这很酷。”
这些寻求情报的项目由Alphabet Inc.的技术顾问埃里克施密特(Eric Schmidt)和他的妻子温迪(Wendy)资助。
联系客服
