麻省理工学院开发最新人工智能编程语言，小白也能轻松用！

近日，麻省理工学院的学生们成功创造了一种全新的人工智能编程语言。他们表示，从新手到专家，Gen可以被任何人轻松使用。无需复杂的代码，这种新颖的概率编程系统就可以让用户编写用于统计预测的复杂模型和推理程序，使其更容易被所有人访问。

很多精确的预测模型在过去需要大量的手工编码，但是Gen改变了这一点。Gen既能引领新手涉足人工智能领域，又能帮助专家取得新进展，让他们仅用几行代码就能将自己的想法打造成原型，并为自己的自动化人工智能系统编写代码。

研究人员试图将自动化、灵活性和高效等AI界最好的属性结合在一起。开发Gen的团队成员Vikash K. Mansinghka认为，“如果我们能做到这一点，也许我们可以帮助更广泛的建模和推理算法实现大众化，就像TensorFlow为深度学习所做的那样。”

Gen适用哪里？根据MIT的论文描述，Gen可以应用于例如计算机视觉、机器人和统计等多个AI技术领域的模型编写及算法，无需处理方程式或手动编写高性能代码。

一个简短的Gen程序可以帮助用户推断出困难的计算机视觉推理任务，比如推断出3D的身体姿势。这在自主系统、人机交互和增强现实中都有应用。

不仅如此，Gen程序还包含执行图形渲染、深度学习和概率模拟类型等组件。与一些研究人员开发的早期系统相比，这些不同技术的结合具有更高的准确性和速度。

Gen可以通过使用另一个Gen程序来简化数据分析，该程序可自动生成通常由专家用于分析、解释和预测数据中基础模式的复杂统计模型。而早期的系统则需要大量的手动编码才能进行准确的预测。

是什么让Gen与众不同?与TensorFlow、PyTorch、Theano等深度学习平台不同，Gen程序明确分解了建模和推理。

通过自动化的过程来计算各种先进的蒙特卡罗技术所需的提案密度，Gen为Julia和TensorFlow代码的结合提供了一个优质平台。

论文中还提到，Gen在解决包括单深度图像3D身体姿态在内的推理方面，远远优于现有的概率编程语言。Gen还可以使用如优化、变分推理、某些概率方法和深度学习等方法，为推理任务提供高级基础架构。Gen拥有更灵活的推理编程能力，这使性能提高变为可能。

就实例而言，Gen在以下方向找到了自己的定位： 英特尔和麻省理工学院合作，正在开发用于Gen增强现实系统的深度感知相机。

麻省理工学院林肯实验室(MITLincolnLaboratory)将Gen应用于航空机器人领域，用于人道主义救援和灾难响应。Gen是MIT-IBM Watson AI Lab项目的核心，美国国防高级研究计划局(Defense Advanced Research ProjectsAgency)正在进行该项研究，该项目旨在模拟18个月大婴儿的人类常识水平。

Uber首席科学家、人工智能副总裁、剑桥大学教授ZoubinGhahramani虽然没有参与这项研究，但是他表示，“Gen代表了这一领域的重大进步，将有助于基于概率推理的可伸缩性和实际的AI系统实现。”

Google的研究主管Peter Norvig也没有参加这项研究，但他同样对Gen给予了高度评价：“(Gen)允许遇到问题的人使用概率编程，从而针对问题本身提出更有原则的解决方法，并且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，是因为它们让 程序员 更容易完成任务，同时也让程序员能够创造出全新的事物来高效地解决新问题。Gen对概率编程也是如此。”