這 16 個 MIT 重大科技事件能幫你理解 2016 年的重大技術突破

評論
評論

本文轉載自合作媒體 tech2ipo

麻省理工學院電腦科學與人工智慧實驗室(CSAIL)是麻省理工學院今年最受關注的校內研究機構之一。CSAIL 旨在發現電腦的未來應用,解決區域和全球的重大挑戰,目前主要研究的領域包括:人工智慧、電腦系統、電腦理論等。CSAIL 內的 50 多個研究小組負責了數百個研究項目,他們的目標是讓電腦和電腦系統更加智慧,更容易使用,更加安全,同時更加高效。

上周,MIT CSAIL 發表了年度榜單, 列出了 2016 年 CSAIL 取得的 16 項技術突破 。今天,TECH2IPO 就帶各位看一下 2016 年 CSAIL 做出的 16 項最振奮人心的技術突破。

1、能吞進去的折疊機器人

1

CSAIL 的研究人員發明了一款可以折疊的機器人,它可以塞進膠囊被病人吞下。進入人體消化道後,膠囊會被溶解,機器人就會自動展開,醫生可以在人體外用磁鐵來控制機器人的移動。當到達指定患病位置後,機器人將釋放藥物或者修復傷口。

2、Valkyrie 外星機器人

2

麻省理工學院電子工程專業大四學生 Sarah Hensley 與團隊一起研發了這款準備送往火星的機器人 Valkyrie。Valkyrie 有 28 個可控制關節,4 個鏡頭,200 多個獨立的感測器,可以獨立行走、完全各個關節。目前已經可以完成開門等動作。據了解,這款機器人將用做未來空間探索任務,它或許還將登上火星完成一些任務。

3、固液混合 3D 列印機器人

3

為什麼 3D 列印會用到液體?因為如果有液體,就可以列印出具備液壓傳動系統的物體。CSAIL 的研究人員今年 4 月份發明了一款能夠混合液體和固體材料的 3D 列印機,機器會按照圖紙自動列印具備液壓傳動裝置的物體,裝上電池和馬達,就可以開動了。

4、CSAIL 安全峰會

4

CSAIL 在今年 12 月舉辦了一次網路安全峰會,聚集了全球的科技精英和來自美國 NSA 和 FBI 的官員。峰會聚焦於用戶隱私和網路安全,例如駭客的時間演變、加強對網路犯罪的立法等。

5、安全匿名文件傳輸系統

CSAIL 的網路安全研究專家發現先有的許多匿名瀏覽、下載工具存在安全隱患,於是乎他們在今年 7 月份發表了 Riffle(mixnet 混合網)。研究人員表示,Riffle 網路在對抗駭客監聽方面有著更高的安全性,不會像洋蔥網路 Tor 一樣出現訊息洩漏的風險,更好地保護用戶隱私。

6、預防網路攻擊的 AI2 深度學習系統

6

CSAIL 與創業公司 PatternEx 共同開發了一個名叫 AI2 的深度學習系統,它可以準確地預測 85% 的網路攻擊。這個深度學習系統每天分析 3.6 一行網路日誌,據此可以預測出 85% 的網路攻擊行為。據悉,AI2 檢測的攻擊活動越多,收到的回饋越多,準確性就越高。

7、可觸摸的互動式動態影片系統

7

CSAIL 的研究人員 8 月份時開發了一套名叫互動式動態影片(Interactive Dynamic Video)的系統,它可以捕捉物體的無禮行為,然後將其數位化後在電腦上進行互動。透過這樣的互動式影片,可以預測物體受到未知力量時的反應。以後的 3D 建模人物動作或物體動作,將更加簡單。

8、免 3D 眼鏡的 3D 電影院

8

今年 7 月份,CSAIL 的研究人員與以色列的研究人員一同研發出了一套不需要帶 3D 眼鏡就可以體驗到 3D 效果的解決方案。這種 Cinema 3D 技術,可以在螢幕上創造多重視差效果,用鏡頭和鏡子提供多種角度的視角,覆蓋整個電影院,不需要佩戴 3D 眼鏡即可體驗 3D 電影。

9、透過看美劇來預判人類行為的深度學習演算法

9

當我們看到兩個人見面的時候,一般會認為他們會握手、擁抱或者親吻對方。這樣的猜測是基於我們日常生活的經驗,而在此之前,電腦並不會這麼做。CSAIL 的研究人員就研發了這麼一個可以預測人類行為的深度學習演算法,讓人驚訝的是,這個演算法需要讓電腦去看一些美劇,比如說《絕望的主婦》《生活大爆炸》《辦公室》等。這個演算法在看美劇的時候,可以學習劇中人物的下一個動作,據此來對真實生活中的行為進行預測。

10、生成黑洞圖片的演算法

10

CSAIL 的研究人員與哈佛史密森天體物理中心合作,開發了一個利用全球射電望遠鏡數據來生成黑洞圖片的演算法。他們利用演算法,把全世界所有的射電望遠鏡擺在一起,將地球看作一個大型的望遠鏡,據此生產出了全球第一張黑洞照片。

11、可自動指派任務的機器人

11

CSAIL 的研究人員現在已經讓人工智慧具備了安排任務的能力。同樣是今年 7 月份,CSAIL 讓一個醫用機器人實現為護士安排工作的任務。這個機器人搭載的人工智慧學習了護士日常是如何安排任務的,在實際使用中,機器人給出的合理任務有 90% 被護士接受。這樣一來,護士就可以專心地照顧病人,按照醫囑給病人送藥、服藥,節省了大量的時間。

12、胎兒核磁共振器官識別演算法

12

一般來講,孕婦檢查胎兒健康與否會選擇超音波,但是卻無法發現胎兒是否有先天性器官疾病以及營養缺失。這類檢查可以透過核磁共振來完成,但核磁共振的問題在於沒有專人來解讀掃描圖像。CSAIL 的研究人員開發了一個核磁共振演算法,可以讓電腦查看連續的掃描圖像來判斷器官是否完整、健康。

13、EQ-Radio 無線表情識別器

13

知人知面不知心,看到一個人在笑,但如何判斷他是真的開心還是假裝的。CSAIL 的一名教授和兩名博士生開發了 EQ-Radio 系統,可以利用心跳、呼吸來判斷一個人是真的開心還是真的難過。到目前位置,EQ-Radio 系統的判斷準確率已經達到了 87%。EQ-Radio 有助於分析消費者行為,為精準廣告投放和娛樂選題提供數據基礎。其次它還能幫助用戶了解自身壓力、焦慮水平,以便調節好生活狀態。

14、網頁加載速度快 34% 的 Polaris 系統

14

今年年初 CSAIL 與哈佛大學共同開發出了一項名為 Polaris 的 JS 框架,它可以重疊網頁目標的下載過程,使整個頁面的加載時間減少 34%。Polaris 根據會根據網頁情況讀取和評估對象的先後順序,合理地利用客戶端 CPU 及網路,確保網路通道都在使用,提高瀏覽器最大網路請求數目,進而提高加載速度。

15、螞蟻身上學來的社群網路通訊演算法

15

依舊是高產的 7 月,CSAIL 的研究人員通過研究螞蟻族群的溝通方法,設計了一種網路通訊演算法,它可以讓社群網路、網路決策收集有更好地表現。生物學家認為,螞蟻會基於種群的密度來估算探索過程中遇到其他螞蟻的頻率。他們設計的新演算法會對環境的隨即探索設置一個觀察值,快速地完成對種群密度的估算。研究者表示,這不是亂設的一個數字,而是經過嚴禁分析的,我們發現估算的做法很好,隨著時間的推演會越來越精確。

16、讓人工智慧解釋自己行為的神經網絡

16

今年 10 月份,CSAIL 的研究人員對外公布了他們訓練神經網絡的新方法,他們訓練的神經網絡不僅僅需要對行為進行預測、對內容進行歸類,還要「對自己的行為作出解釋」。在現實生活中,人們會對神經網絡提供的決策產生懷疑,很想了解它做出這個決定時背後的邏輯,比如醫生看到一個電腦給的決策時,希望能夠了解整個決策產生的方法,以便確保神經網絡是在做正確的事情。CSAIL 的研究人員就讓神經網絡在做出決策的同時給出做決策的解釋,避免黑箱操作。

相關文章

評論