Революция повседневных продуктов с искусственным интеллектом

Инженеры-механики используют технологии искусственного интеллекта и машинного обучения для улучшения продуктов, которые мы используем в повседневной жизни.

«Кто такой Брэм Стокер?» Эти три слова продемонстрировали удивительный потенциал искусственного интеллекта. Это был ответ на последний вопрос в особо запоминающемся эпизоде ​​2011 года интеллектуальной игры «Jeopardy». Тремя соперниками были бывшие чемпионы Брэд Раттер и Кен Дженнингс и Watson - суперкомпьютер, разработанный IBM. Отвечая на окончательный вопрос правильно, Watson стал первым компьютером, который превзошел человека в знаменитой викторине.

«В некотором роде то, что Watson побеждает в игре, казалось несправедливым для людей», - говорит Jeehwan Kim, профессор по развитию карьеры и преподаватель кафедры MIT по машиностроению и материаловедению и технике. «Тогда Watson был связан с суперкомпьютером размером с комнату, в то время как человеческий мозг всего в несколько фунтов. Но возможность воспроизводить способность человеческого мозга учиться невероятно сложна».

Ким специализируется на машинном обучении, которое опирается на алгоритмы обучения компьютеров, как учиться, аналогично человеческому мозгу. «Машиноведение - это познавательные вычисления, - объясняет он. «Ваш компьютер распознает вещи, не указывая компьютеру, на что он смотрит».

Машинное обучение является одним из примеров искусственного интеллекта на практике. В то время как фраза “машинное обучение” часто вызывает в воображении научную фантастику, характерную для таких шоу, как "Westworld" или "Battlestar Galactica", умные системы и устройства уже распространены в нашей повседневной жизни. Компьютеры и телефоны используют распознавание лиц для разблокировки. Системы воспринимают и регулируют температуру в наших домах. Гаджеты отвечают на вопросы или играют нашу любимую музыку по требованию. Почти каждая крупная автомобильная компания вступила в гонку по разработке безопасного беспилотного автомобиля.

Чтобы любой из этих продуктов работал, программное обеспечение и аппаратное обеспечение должны работать в идеальной синхронизации. Камеры, тактильные датчики, радар и обнаружение света все должны правильно функционировать, чтобы передавать информацию обратно на компьютеры. Алгоритмы должны быть разработаны таким образом, чтобы эти машины могли обрабатывать эти сенсорные данные и принимать решения на основе наивысшей вероятности успеха.

Ким и большая часть факультета машиностроения MIT создают новое программное обеспечение, которое соединяется с оборудованием для создания интеллектуальных устройств. Вместо того, чтобы строить разумных роботов, романтизированных в популярной культуре, эти исследователи работают над проектами, которые улучшают повседневную жизнь и делают людей более эффективными и лучше информированными.

Сделать портативные устройства умнее

Ким поднимает лист бумаги. Если он и его команда будут успешными, в один прекрасный день мощность суперкомпьютера, такого как IBM Watson, будет уменьшена до размера одного листа бумаги. «Мы пытаемся создать реальную физическую нейронную сеть на на листе бумаги».

На сегодняшний день большинство нейронных сетей основаны на программном обеспечении и сделаны с использованием обычного метода, известного как метод вычисления фон Неймана. Ким, однако, использует методы нейроморфного вычисления.

Нейроморфный компьютер означает портативный ИИ. Итак, вы строите искусственные нейроны и синапсы на мелких пластинах. В результате получается так называемый " мозг-на-чипе".

Вместо того, чтобы вычислять информацию из двоичной системы, нейронная сеть Кима обрабатывает информацию как аналоговое устройство. Сигналы действуют как искусственные нейроны и перемещаются по тысячам массивов в определенные перекрестные точки, которые функционируют как синапсы. С тысячами подключенных массивов, огромное количество информации может быть обработано сразу. Впервые портативное оборудование может имитировать вычислительную мощность мозга.

Дизайн и материалы, которые были использованы для создания этих искусственных синапсов до сих пор, были менее идеальными. Аморфные материалы, используемые в нейроморфных чипах, невероятно затрудняют контроль ионов после приложения напряжения.

В исследовании Nature Materials, опубликованном ранее в этом году, Ким обнаружил, что когда его команда сделала чип из кремниевого германия, они смогли контролировать ток, вытекающий из синапса, и уменьшить вариабельность до 1 процента, контролируя, как синапсы реагируют на раздражители.

Хотя создание физической нейронной сети для распознавания рукописного ввода является следующим шагом для команды Кима, потенциал этой новой технологии выходит за рамки распознавания рукописного ввода. Сокращение мощности суперкомпьютера до портативного размера может революционизировать продукты, которые мы используем. Потенциал безграничен - мы можем интегрировать эту технологию в наши телефоны, компьютеры и роботы, чтобы сделать их значительно умнее.

Сделать дома умнее

В то время как Ким работает над тем, чтобы наши портативные продукты были более интеллектуальными, профессор Санджай Сарма и исследователь Джош Зигель надеются интегрировать интеллектуальные устройства в самый большой продукт, который у нас есть: наши дома.

Однажды вечером Сарма был у себя дома, когда сработал один из его выключателей. Этот автоматический выключатель, известный как прерыватель цепи дуги (AFCI), был предназначен для отключения питания при обнаружении электрической дуги для предотвращения пожаров. Хотя AFCI отлично справляются с предотвращением пожаров, в случае Сармы, похоже, причиной была не проблема пожара. «Не было никакой заметной причины для его срабатывания», - вспоминает Сарма. «Это было невероятно отвлекающим».

AFCI печально известны такими «неприятными сработками», которые отключают безопасные объекты без необходимости. Сарма, который также является вице-президентом Массачусетского технологического института для открытого обучения, превратил свое разочарование в возможность. Если он сможет внедрить AFCI со смарт-технологиями и подключить его к «интернет-вещам», он может научить выключатели узнавать, когда продукт безопасен или когда продукт действительно создает риск пожара.

«Думайте об этом, как о сканере вирусов, - объясняет Сигель. «Вирусные сканеры подключены к системе, которая с течением времени обновляет их новыми определениями вирусов». Если Sarma и Siegel смогут внедрять подобную технологию в AFCI, автоматические выключатели смогут точно определить, какой продукт подключается к сети и узнавать новые определения объектов с течением времени.

Если, например, в автоматический выключатель подключен к новому пылесосу и питание отключается без причины, смарт-AFCI может узнать, что он безопасен и добавить его в список известных безопасных объектов. AFCI изучает эти определения с помощью нейронной сети. Но, в отличие от физической нейронной сети, эта сеть основана на программном обеспечении.

Нейронная сеть построена путем сбора тысяч точек данных во время моделирования дуги. Затем записываются алгоритмы, которые помогают сети оценивать свою среду, распознавать шаблоны и принимать решения, основанные на вероятности достижения желаемого результата. С помощью микрокомпьютера стоимостью 35 долларов и звуковой карты команда может недорого интегрировать эту технологию в автоматические выключатели.

Поскольку умный AFCI узнает о устройствах, с которыми он сталкивается, он может одновременно распространять свои знания и определения в любом другом доме, используя интернет вещей.

Автоматические выключатели являются лишь одним из многих способов использования нейронных сетей, чтобы сделать дома умнее. Эта технология может контролировать температуру вашего дома, обнаруживать, когда есть аномалия, такая как вторжение или всплеск трубы, и запускать диагностику, чтобы увидеть, когда что-то нуждается в ремонте.

Сделать производство и дизайн умнее

Искусственный интеллект может помочь не только улучшить взаимодействие пользователей с продуктами, устройствами и средами. Он также может повысить эффективность, с которой объекты создаются путем оптимизации процесса изготовления и проектирования.

«Рост автоматизации наряду с дополнительными технологиями, включая трехмерную печать, ИИ и машинное обучение, заставляет нас в долгосрочной перспективе переосмыслить, как мы проектируем заводы и цепочки поставок», - говорит доцент А. Джон Харт.

Харт, который провел обширные исследования в области 3-D-печати, рассматривает AI как способ улучшить контроль качества в производстве. Трехмерные принтеры, содержащие высокопроизводительные датчики, которые способны анализировать данные «на лету», помогут ускорить принятие трехмерной печати для массового производства.

«Наличие трехмерных принтеров, которые изучают, как создавать детали с меньшим количеством дефектов и проверять детали по мере их создания, будет действительно большой проблемой, особенно когда продукты, которые вы создаете, обладают такими критическими свойствами, как медицинские устройства или детали для авиационных двигателей, - объясняет Харт.

Сам процесс проектирования структуры этих частей также может извлечь выгоду из интеллектуального программного обеспечения. Доцент Мария Янг изучает, как дизайнеры могут использовать инструменты автоматизации для более эффективного проектирования. «Мы называем это гибридным интеллектом для дизайна, - говорит Ян. «Цель состоит в том, чтобы обеспечить эффективное сотрудничество между интеллектуальными инструментами и человеческими дизайнерами».

В недавнем исследовании Ян и аспирант Эдвард Бернелл протестировали инструмент проектирования с различными уровнями автоматизации. Участники использовали программное обеспечение для выбора узлов для двумерной фермы либо знака остановки, либо моста. Затем инструмент автоматически придумает оптимизированные решения на основе интеллектуальных алгоритмов для того, где можно соединять узлы и ширину каждой части.

”Мы пытаемся разработать умные алгоритмы, которые соответствуют тому, как дизайнеры уже думают"

Сделать роботов умнее

Если в кампусе MIT есть что-то, что больше всего напоминает футуристических роботов научной фантастики, это будет роботизированный гепард профессора Сангбэ Кима. Четвероногое существо ощущает окружающую его среду с помощью ЛИДАРНЫХ технологий и движется в соответствии с этой информацией. Как и его тезка, он может бегать и прыгать через препятствия.

Основное внимание Ким уделяет навигации. ”Мы создаем уникальную систему, специально разработанную для динамического перемещения робота, - объясняет Ким. "Я считаю, что это изменит интерактивных роботов в мире. Вы можете думать о всех видах применений - от медицинских до производственных фабрик.”.

Ким видит возможность со временем связать свои исследования с физической нейронной сетью, над которой работает его коллега Джевхан Ким. «Если вы хотите, чтобы гепард узнавал людей, голос или жесты, вам нужно много обучения и обработки», - говорит он. «Аппаратное обеспечение нейронной сети могло бы позволить реализовать это когда-нибудь».

Сочетание мощностей портативной нейронной сети с роботом, умело ориентирующимся на местности, могло бы открыть новый мир возможностей для взаимодействия человека и ИИ. Это всего лишь один пример того, как исследователи в машиностроении могут однодневное сотрудничество, чтобы довести исследования ИИ до следующего уровня.

В то время как мы можем быть десятилетия от взаимодействия с интеллектуальными роботами, искусственный интеллект и машинное обучение уже нашли свой путь в наших процедурах. Независимо от того, использует ли он распознавание лица и рукописного ввода для защиты нашей информации, подключается к интернету вещей, чтобы сохранить наши дома в безопасности, или помогает инженерам строить и проектировать более эффективно, преимущества технологий ИИ являются повсеместными.

Источник, фото

технологиинаукаиижизнь
25%
0
469
224.957 GOLOS
0
В избранное
lisak
Обо всём, что интересно
469
0

Зарегистрируйтесь, чтобы проголосовать за пост или написать комментарий

Авторы получают вознаграждение, когда пользователи голосуют за их посты. Голосующие читатели также получают вознаграждение за свои голоса.

Зарегистрироваться
Комментарии (4)
Сортировать по:
Сначала старые