MIT人工智能實驗室( CSAIL )近日在官網刊文，回顧了實驗室在過去一年所取得的技術突破。他們在機器人、計算機視覺、神經網絡等方面取得了矚目的成績，具體說來，有可觸摸的交互式動態視頻技術、可以”預測未來“的深度神經網絡以及能描繪出黑洞照片的程序……CSAIL 在人工智能的研究和探索上一直都處于學界前沿，其技術和研究視野得到了廣泛的認可，被稱為前沿科技的“代名詞”。想了解人工智能研究的真實狀況和未來發展趨勢，看看他們都在干什么吧。
能夠預測未來的機器，能夠修復傷口的機器人，無線情緒檢測器，這些只是今年MIT計算機科學與人工智能實驗室(CSAIL)的部分項目。今年，MIT CSAIL 的研究人員在機器人學、無線技術、軟件系統以及其他學科領域開展了一系列項目，本文介紹了16個引人注目的成果，涵蓋了 CSAIL 的多個計算機科學學科。
機器人——從探索火星到探索胃袋
可吞服的微型折疊機器人
由 CSAIL 主任 Daniela Rus 帶領的團隊開發了一種可吞服的微型折疊機器人，這種機器人裝于一個可吞服的膠囊中，進入人的胃袋后展開，在外部磁場作用下進行轉向或者沿胃壁爬動，并挪走被誤食的紐扣電池或者進行傷口修復。
太空探索 Valkyrie 機器人
CSAIL 機器人動力小組的研究人員為 NASA 的仿人機器人 “Valkyrie” 編程，以讓機器人完成一系列高難度任務，未來可用于火星探索、外太空旅行等任務。Valkyrie 機器人身上有四個攝像頭，28個力矩控制的關節，44度自由度以及超過200個傳感器，未來可以在太空任務中幫助宇航員，甚至取代宇航員執行任務。
液壓驅動3D打印機器人
CSAIL 使用交錯結合固態與液態3D打印技術打造出完整機器人，機器人使用液壓驅動，而且只有單個打印步驟，不需組裝。
計算機視覺進展
可觸摸的交互式動態視頻技術
CSAIL 提出一種稱為交互式動態視頻(Interactive Dynamic Video)的新型成像技術，能夠讓人使用普通的攝像機進入視頻并“觸摸”到視頻里的物體。
Cinema 3D 電影顯示器
來自CSAIL和以色列魏茲曼科學研究所的研究人員制作了一種名為Cinema 3D的電影顯示器，使用特殊鏡頭和鏡子，觀眾不許佩戴笨重的3D眼鏡就能觀看3D電影。
能預測未來的算法
CSAIL團隊創建了一個算法可以預測“下一幀”圖像，根據視頻展示多一張定格圖片，計算機能預測接下來圖片中主要物體的動作，比如，兩個人會擁抱還說擊掌等等。在進行了600個小時的無標簽視頻訓練后，團隊用新視頻進行了測試，算法識別正確率達43%，高于之前算法的36%。
算法繪制第一張黑洞圖片
就像無線電穿越墻一樣，黑洞的射線也穿透銀河系成愛。我們可能永遠不能看到銀河系中心，因為那里有太多東西擋在中間。要讓黑洞成像，可能需要一個直徑10000公里的望遠鏡，這而地球直徑才不到13000公里。后來中心采用多個望遠鏡同時提供數據，但是依然有很多數據空洞，需要這個叫CHIRP(Continuous High-resolution Image Reconstruction using Patch priors)的算法來彌補。用機器學習算法識別視覺模式，真實圖片中64像素的方塊遞歸，她用這些特征進一步優化算法的圖像重建。這一算法在重建原始圖片上通常比之前的算法更好，對噪音的處理也更好。
健康醫療技術
醫療助理機器人
機器人幫助產房的護士規劃工作，可建議把病人移到哪里，以及誰要做剖腹產。就像很多AI系統，這個機器人通過“看中學”被訓練的。但是研究者還從來沒有把這一技術用于規劃中作，因為協調大量有依賴關系的行為是很復雜的。為了解決這個問題，團隊訓練系統觀察人類規劃者做的事，然后和所有可能的行為進行對比。這樣它具備了可以動態響應從沒見過的新狀況的規劃能力。
計算機識別MRI影像胎兒器官
MIT和波士頓兒童醫院、麻州醫院的研究者，提出算法識別核磁共振掃描中胎兒器官，以更好地評估胎兒健康，讓醫生從動態的醫學圖像中解脫出來
無線設備EQ-Rado識別情緒
無線設備EQ-Rado通過測量呼吸和心律檢測情緒，可分辨你是興奮、高興、生氣還是悲傷。EQ-Radio發射無限信號到人體，檢測反射過來的信息，用算法進行心律抽取和分析。
算法、系統和網絡
Polaris 系統提高網頁加載速度
當你輸入網址，你的瀏覽器并不知道網頁是什么。瀏覽器必須獲取“對象”HTML文件、Javascript、圖片等才能加載網頁，但是每個“對象”可能相互之間有所依賴，所以瀏覽器必須等待一些有依賴的對象，謹慎的進行加載。但是Polaris自動根據所有對象之間的關系，這些可以在一個單獨頁面列下來。比如它發現當一個對象從另一個對象那里讀取數據或者更新值的時候，它用詳細的關系日志為網頁創建一個依賴關系圖。
分析蟻群行為創建更好的網絡通信算法
CSAIL的一個團隊通過分析蟻群行為創建更好的網絡溝通算法，可應用于例如：社交網絡和機器人群的集體決策。螞蟻超級擅長估算附近其它螞蟻的密度。這個能力在幾個溝通行為中扮演重要角色。
訓練神經網絡解釋決策
近年來，人工智能研究中效果最好的系統被認為是神經網絡。但是神經網絡是"黑箱“。訓練之后的神經網絡也許很擅長數據分類，但是連它的創造者都不知道為什么?視覺數據方面，有時候可能自動化實驗確定哪個數據特征讓升級網絡做出反應，但是文本處理的系統更不透明。
為了解釋神經網絡的決策，CSAIL研究者把網絡分為兩個模塊。第一個模塊提取訓練數據中的文本片段，文本片段根據它的長度和連貫性打分。然后被傳給第二個模塊，這個模塊做預測和分類。如果第一個模塊提取了三個詞，第二個模塊，把他們跟正確的評分對應，這樣系統就像人類一樣知道評判的原則。
數據安全
網絡安全峰會
CSAIL 舉辦了一次網絡安全峰會，召集了來自學術界、工業界的技術人員，以及政府相關人士，演講人包括美國國家安全局局長 Michael Rogers 和聯邦調查局副局長 Andrew McCabe。
匿名網絡系統 Riffle
研究人員開發了一個新的匿名網絡系統 Riffle，能夠使用較少的帶寬在匿名用戶之間傳輸大文件。目前廣泛使用的匿名網絡系統是 Tor，但它本身有一些漏洞，甚至被FBI盯上用于追捕罪犯。Riffle 修補了Tor的一些漏洞，在對抗黑客監聽方面有著更好的安全性。
預測網絡攻擊系統 AI2
深度學習系統 AI2 能夠在一些人類輸入的幫助下預測85%的網絡攻擊。