Views: 350
A linguagem de propósito geral GE funciona para visão computacional, robótica, estatística e muito mais. Uma equipe de pesquisadores do MIT está tornando mais fácil para os novatos aprenderem com IA inteligência artificial, além de ajudar os especialistas a avançar no campo.
By Rob Matheson | MIT News Office : Em um artigo apresentado na conferência Programming Language Design and Implementation esta semana, os pesquisadores descrevem um novo sistema de programação probabilística chamado “Gen.” Usuários escrevem modelos e algoritmos de múltiplos campos onde as técnicas de IA são aplicadas – como visão computacional, robótica, e estatísticas – sem ter que lidar com equações ou escrever manualmente códigos de alto desempenho. Gen também permite que pesquisadores especialistas escrevam modelos sofisticados e algoritmos de inferência – usados para tarefas de predição – que eram anteriormente inviáveis.
Em seu artigo, por exemplo, os pesquisadores demonstram que um programa Gen curto pode inferir poses corporais em 3-D, uma difícil tarefa de inferência de visão computacional que tem aplicações em sistemas autônomos, interações homem-máquina e realidade aumentada. Nos bastidores, este programa inclui componentes que executam renderização de gráficos, deep-learning e tipos de simulações de probabilidade. A combinação dessas diversas técnicas leva a uma melhor precisão e velocidade nessa tarefa do que os sistemas anteriores desenvolvidos por alguns dos pesquisadores.
Devido à sua simplicidade – e, em alguns casos de uso, à automação – os pesquisadores dizem que o Gen pode ser usado facilmente por qualquer pessoa, desde novatos até especialistas. “Uma das motivações desse trabalho é tornar a IA automatizada mais acessível a pessoas com menos experiência em ciência da computação ou matemática”, diz o primeiro autor Marco Cusumano-Towner, um estudante de PhD no Departamento de Engenharia Elétrica e Ciência da Computação. “Também queremos aumentar a produtividade, o que significa facilitar aos especialistas a rápida iteração e prototipagem de seus sistemas de inteligência artificial”.
Os pesquisadores também demonstraram a capacidade da Gen de simplificar a análise de dados usando outro programa Gen que gera automaticamente sofisticados modelos estatísticos tipicamente usados por especialistas para analisar, interpretar e prever padrões subjacentes em dados. Isso se baseia no trabalho anterior dos pesquisadores, que permite que os usuários escrevam algumas linhas de código para descobrir insights sobre tendências financeiras, viagens aéreas, padrões de votação e disseminação de doenças, entre outras tendências. Isso é diferente dos sistemas anteriores, que exigiam muita codificação manual para previsões precisas.
“O Gen é o primeiro sistema flexível, automatizado e eficiente o suficiente para cobrir esses tipos de exemplos muito diferentes em visão computacional e ciência de dados e oferece desempenho de última geração”, diz Vikash K. Mansinghka ’05, MEng ’09. , PhD ’09, pesquisador do Departamento de Cérebro e Ciências Cognitivas que dirige o Projeto de Computação Probabilística.
Unindo-se a Cusumano-Towner e Mansinghka no papel estão Feras Saad ’15, SM ’16 e Alexander K. Lew, ambos estudantes de pós-graduação da CSAIL e membros do Projeto de Computação Probabilística.
O melhor de todos os mundos
Em 2015, o Google lançou o TensorFlow, uma biblioteca de código aberto de interfaces de programação de aplicativos (APIs) que ajuda iniciantes e especialistas a gerar automaticamente sistemas de aprendizado de máquina sem fazer muita matemática. Agora amplamente utilizada, a plataforma está ajudando a democratizar alguns aspectos da IA. Mas, embora seja automatizado e eficiente, está estreitamente focado em modelos de aprendizagem profunda, que são caros e limitados em comparação com a promessa mais ampla da IA em geral.
Mas há muitas outras técnicas de inteligência artificial disponíveis atualmente, como modelos estatísticos e probabilísticos e mecanismos de simulação. Alguns outros sistemas de programação probabilística são flexíveis o suficiente para cobrir vários tipos de técnicas de IA, mas são executados de maneira ineficiente.
Os pesquisadores procuraram combinar o melhor de todos os mundos – automação, flexibilidade e velocidade – em um só. “Se fizermos isso, talvez possamos ajudar a democratizar essa coleção muito mais ampla de algoritmos de modelagem e inferência, como o TensorFlow fez para o aprendizado profundo”, diz Mansinghka.
Na IA probabilística, os algoritmos de inferência executam operações em dados e reajustam continuamente as probabilidades com base em novos dados para fazer previsões. Fazê-lo, eventualmente, produz um modelo que descreve como fazer previsões sobre novos dados.
Construindo conceitos usados em seu sistema de programação probabilística anterior, Church , os pesquisadores incorporaram várias linguagens de modelagem personalizadas em Julia, uma linguagem de programação de propósito geral que também foi desenvolvida no MIT . Cada linguagem de modelagem é otimizada para um tipo diferente de abordagem de modelagem de IA, tornando-a mais multifuncional. A Gen também fornece infraestrutura de alto nível para tarefas de inferência, usando diversas abordagens, como otimização, inferência variacional, certos métodos probabilísticos e aprendizado profundo. Além disso, os pesquisadores adicionaram alguns ajustes para tornar as implementações mais eficientes.
Além do laboratório
Usuários externos já estão encontrando maneiras de alavancar Gen para sua pesquisa de IA. Por exemplo, a Intel está colaborando com o MIT para usar a estimativa de pose Gen for 3-D de suas câmeras de senso de profundidade usadas em sistemas de robótica e realidade aumentada. O MIT Lincoln Laboratory também está colaborando em aplicações para Gen em robótica aérea para alívio humanitário e resposta a desastres.
Gen está começando a ser usado em ambiciosos projetos de IA sob o MIT Quest for Intelligence. Por exemplo, Gen é central para um projeto MIT-IBM Watson AI Lab, juntamente com o projeto Machine Common Sense, da Agência de Projetos de Pesquisa Avançada de Defesa do Departamento de Defesa dos EUA, que visa modelar o senso comum humano no nível de um período de 18 meses. criança velha. Mansinghka é um dos principais investigadores deste projeto.
“Com Gen, pela primeira vez, é fácil para um pesquisador integrar várias técnicas diferentes de IA. Vai ser interessante ver o que as pessoas descobrem que é possível agora ”, diz Mansinghka.
Zoubin Ghahramani, cientista-chefe e vice-presidente de AI na Uber e professor da Universidade de Cambridge, que não esteve envolvido na pesquisa, diz: “A programação probabilística é uma das áreas mais promissoras na fronteira da IA desde o advento da aprendizagem profunda. Gen representa um avanço significativo neste campo e contribuirá para implementações escaláveis e práticas de sistemas de IA baseados no raciocínio probabilístico. ”
Peter Norvig, diretor de pesquisa do Google, que também não esteve envolvido nesta pesquisa, elogiou o trabalho também. “[Gen] permite que um solucionador de problemas use a programação probabilística e, assim, tenha uma abordagem mais baseada em princípios para o problema, mas não seja limitada pelas escolhas feitas pelos projetistas do sistema de programação probabilística”, diz ele. “Linguagens de programação de propósito geral… foram bem sucedidas porque… facilitam a tarefa para um programador, mas também possibilitam que um programador crie algo novo para resolver eficientemente um novo problema. Gen faz o mesmo para a programação probabilística ”.
O código fonte de Gen está publicamente disponível e está sendo apresentado nas próximas conferências de desenvolvedores de código aberto, incluindo Strange Loop e JuliaCon. O trabalho é suportado, em parte, pela DARPA.
Artigo relacionado: IA Identificar – Ensinando inteligência artificial a criar visuais com mais senso comum
Faça um comentário