人工智能黑科技：神经网络与机器人最前沿（下）

能够预测未来的机器，能够修复伤口的机器人，无线情绪检测器，这些只是今年MIT计算机科学与人工智能实验室（CSAIL）的部分项目。今年，MIT CSAIL的研究人员在机器人学、无线技术、软件系统以及其他学科领域开展了一系列项目，本文将介绍16个引人注目的成果，涵盖了CSAIL的多个计算机科学学科。上周为您分享了

上期

，今天继续分享下期~

健康医疗技术

医疗助理机器人

机器人帮助产房的护士规划工作，可建议把病人移到哪里，以及谁要做剖腹产。就像很多AI系统，这个机器人是通过“看中学”被训练的。但是研究者还从来没有把这一技术用于规划中，因为协调大量有依赖关系的行为是很复杂的。为了解决这个问题，团队训练系统观察人类规划者做的事，然后和所有可能的行为进行对比。这样它具备了可以动态响应从没见过的新状况的规划能力。

计算机识别MRI影像胎儿器官

MIT和波士顿儿童医院、麻州医院的研究者，提出算法识别核磁共振扫描中胎儿器官，以更好地评估胎儿健康，让医生从动态的医学图像中解脱出来

无线设备EQ-Rado识别情绪

无线设备EQ-Rado通过测量呼吸和心律检测情绪，可分辨你是兴奋、高兴、生气还是悲伤。EQ-Radio发射无限信号到人体，检测反射过来的信息，用算法进行心律抽取和分析。

算法、系统和网络

Polaris系统提高网页加载速度

当你输入网址，你的浏览器并不知道网页是什么。浏览器必须获取“对象”HTML文件、Javascript、图片等才能加载网页，但是每个“对象”可能相互之间有所依赖，所以浏览器必须等待一些有依赖的对象，谨慎的进行加载。但是Polaris自动根据所有对象之间的关系，这些可以在一个单独页面列下来。比如它发现当一个对象从另一个对象那里读取数据或者更新值的时候，它用详细的关系日志为网页创建一个依赖关系图。

分析蚁群行为创建更好的网络通信算法

CSAIL的一个团队通过分析蚁群行为创建更好的网络沟通算法，可应用于例如：社交网络和机器人群的集体决策。蚂蚁超级擅长估算附近其它蚂蚁的密度。这个能力在几个沟通行为中扮演重要角色。

训练神经网络解释决策

近年来，人工智能研究中效果最好的系统被认为是神经网络。但是神经网络是"黑箱“。训练之后的神经网络也许很擅长数据分类，但是连它的创造者都不知道为什么？视觉数据方面，有时候可能自动化实验确定哪个数据特征让升级网络做出反应，但是文本处理的系统更不透明。

为了解释神经网络的决策，CSAIL研究者把网络分为两个模块。第一个模块提取训练数据中的文本片段，文本片段根据它的长度和连贯性打分。然后被传给第二个模块，这个模块做预测和分类。如果第一个模块提取了三个词，第二个模块，把他们跟正确的评分对应，这样系统就像人类一样知道评判的原则。

数据安全

网络安全峰会

CSAIL举办了一次网络安全峰会，召集了来自学术界、工业界的技术人员，以及政府相关人士，演讲人包括美国国家安全局局长Michael Rogers和联邦调查局副局长Andrew McCabe。

匿名网络系统Riffle

研究人员开发了一个新的匿名网络系统Riffle，能够使用较少的带宽在匿名用户之间传输大文件。目前广泛使用的匿名网络系统是Tor，但它本身有一些漏洞，甚至被FBI盯上用于追捕罪犯。Riffle修补了Tor的一些漏洞，在对抗黑客监听方面有着更好的安全性。

预测网络攻击系统AI2

深度学习系统AI2能够在一些人类输入的帮助下预测85%的网络攻击。

关注我们，人工智能黑科技（上）将在上篇文章中发布！

此文整理自网络，不代表本公众号观点