新智元报道
来源：MIT
编辑：元子
【新智元导读】为使AI算法开发初学者更容易进行编程设计，MIT的研究人员开发出一种名为“Gen.”的新型概率编程系统，无需处理方程式或手动编写高性能代码，即可在计算机视觉、机器人和统计等领域编码，操作简单，即使没有足够的计算机或数学知识也可轻松上手。
你有没有想过，如果有一天编写人工智能的代码，变得像写HTML一样简单？
众所周知，人工智能对计算机科学和数学知识的要求之高，阻碍了人工智能研究的普及，以及初学者的入门动力。
MIT的一个研究小组正在努力降低人工智能的入行门槛，让初学者更容易的进入这个领域，这样也同时能够帮助专家们推动这一领域的发展。
在本周编程语言设计和实施会议上，MIT研究小组发表的一篇论文，其中描述了一种名为“Gen.”的新型概率编程系统。
论文第一作者、电气工程和计算机科学系博士生Marco Cusumano-Towner称，希望通过Gen能够让计算机科学和数学基础比较薄弱的人，也能够更容易使用，完成一些用例中的自动化。同时提高生产力，让专业研究人员可以更轻松的快速迭代AI系统、做出原型。
研究人员在论文中给出了一个推断3D身体姿势的demo，通过简短的Gen程序便完成了任务。通常来说3D身姿应用比较广泛，在自治系统、人机交互和增强现实领域均有涉及；但背后的实现难度非常高。
在demo中，用户从应用AI技术的多个领域编写模型和算法，例如计算机视觉、机器人、和统计，无需处理方程式或手动编写高性能代码。其实在幕后，demo程序包括了执行图形渲染，深度学习和概率模拟类型的组件。
和一些研究人员开发的早期系统相比，这些不同技术的结合可以提高这项任务的准确性和速度。除此之外，专业研究人员还可以使用Gen编写先前不可行的复杂模型和推理算法，用于预测任务。
此外，研究人员还展示了Gen简化数据分析的能力：使用另一个Gen程序，自动生成复杂统计模型，用于让专家进行分析、解释和预测数据中的基础模式。当然，这是建立在研究人员先前工作的基础之上。
早期需要大量的手动编码才能进行准确的预测，如今只需编写几行代码，即可分析金融趋势、航空旅行、投票模式和疾病传播等方面的见解。
MIT脑与认知科学系（Department of Brain and Cognitive Sciences）研究员Vikash K. Mansinghka称Gen是“第一个灵活、自动化、高效的系统，足以涵盖计算机视觉和数据科学中那些非常不同类型的例子，并提供最先进的性能”。
嫌TensorFlow太偏科，Gen追求的是全世界最好的
TensorFlow也可以帮助初学者和专家自动生成机器学习系统、而无需进行太多数学计算的。但MIT研究人员认为TF太过侧重于深度学习模型，对范围更广的人工智能而言，这些模型既昂贵又有限。
像统计和概率模型以及模拟引擎等大量AI技术已经被广泛使用。其他一些概率编程系统虽然灵活性足够，可以涵盖几种AI技术，但运行效率低下。
因此Gen便被赋予了一个非常重大的使命，将全世界最好的3个特性：自动化，灵活性和速度集于一身。
在概率AI中，推理算法对数据执行操作，并基于新数据连续地重新调整概率以进行预测。这样做最终会生成一个模型，描述如何对新数据进行预测。
借鉴早期概率编程系统Church中使用的概念，研究人员将几种自定义建模语言融入Julia，每种建模语言都针对不同类型的AI建模方法进行了优化，使其更加通用。
Gen还使用各种方法（如优化、变分推理、概率方法和深度学习）为推理任务提供高级基础架构。最重要的是，研究人员添加了一些调整，以使实现有效运行。
走出实验室，获得世界的赞许
英特尔已经与MIT合作，使用Gen从机器人和增强现实系统中使用的深度感相机进行三维姿态估计。MIT林肯实验室还在为人道主义救援和灾难响应的空中机器人应用提供合作。
在MIT Quest for Intelligence下，Gen开始被用于雄心勃勃的AI项目。例如，Gen是MIT-IBM Watson AI Lab项目的核心，以及美国国防部的国防高级研究计划署正在进行的机器常识项目，该项目旨在模拟人类18个月大小孩的常识，而Mansinghka是该项目的主要研究人员之一。
“有了Gen，这是第一次，研究人员很容易整合一堆不同的AI技术。现在看到人们发现了什么是有趣的，“Mansinghka说。
Uber首席科学家兼人工智能副总裁兼剑桥大学教授Zoubin Ghahramani表示：“自从深度学习出现以来，概率编程是人工智能前沿领域最有前途的领域之一。Gen代表了该领域的重大进步，将有助于基于概率推理的AI系统的可扩展和实际实施。“
谷歌的研究主管Peter Norvig也赞扬了这项工作：“[Gen]允许问题解决者使用概率编程，因此对问题采用更原则的方法，但不受概率编程系统设计者的选择限制，通用编程语言之所以成功，是因为它们使程序员更容易完成任务，但也使程序员能够创建一些全新的东西来有效地解决新问题。Gen对概率编程也是如此。“
Gen的源代码是公开的，正在即将举行的开源开发者大会上展示，包括Strange Loop和JuliaCon。这项工作部分得到了DARPA的支持。
参考链接
MIT：http://news.mit.edu/2019/ai-programming-gen-0626
Gen项目主页：https://probcomp.github.io/Gen/
论文：https://dspace.mit.edu/bitstream/handle/1721.1/119255/MIT-CSAIL-TR-2018-020.pdf
