為使AI算法開發初學者更容易進行編程設計，MIT的研究人員開發出一種名為“Gen.”的新型概率編程系統，無需處理方程式或手動編寫高性能代碼，即可在計算機視覺、機器人和統計等領域編碼，操作簡單，即使沒有足夠的計算機或數學知識也可輕松上手。

你有沒有想過，如果有一天編寫人工智能的代碼，變得像寫HTML一樣簡單？

眾所周知，人工智能對計算機科學和數學知識的要求之高，阻礙了人工智能研究的普及，以及初學者的入門動力。

MIT的一個研究小組正在努力降低人工智能的入行門檻，讓初學者更容易的進入這個領域，這樣也同時能夠幫助專家們推動這一領域的發展。

在本周編程語言設計和實施會議上，MIT研究小組發表的一篇論文，其中描述了一種名為“Gen.”的新型概率編程系統。

論文第一作者、電氣工程和計算機科學系博士生Marco Cusumano-Towner稱，希望通過Gen能夠讓計算機科學和數學基礎比較薄弱的人，也能夠更容易使用，完成一些用例中的自動化。同時提高生產力，讓專業研究人員可以更輕松的快速迭代AI系統、做出原型。

研究人員在論文中給出了一個推斷3D身體姿勢的demo，通過簡短的Gen程序便完成了任務。通常來說3D身姿應用比較廣泛，在自治系統、人機交互和增強現實領域均有涉及；但背后的實現難度非常高。

在demo中，用戶從應用AI技術的多個領域編寫模型和算法，例如計算機視覺、機器人、和統計，無需處理方程式或手動編寫高性能代碼。其實在幕后，demo程序包括了執行圖形渲染，深度學習和概率模擬類型的組件。

和一些研究人員開發的早期系統相比，這些不同技術的結合可以提高這項任務的準確性和速度。除此之外，專業研究人員還可以使用Gen編寫先前不可行的復雜模型和推理算法，用于預測任務。

此外，研究人員還展示了Gen簡化數據分析的能力：使用另一個Gen程序，自動生成復雜統計模型，用于讓專家進行分析、解釋和預測數據中的基礎模式。當然，這是建立在研究人員先前工作的基礎之上。

早期需要大量的手動編碼才能進行準確的預測，如今只需編寫幾行代碼，即可分析金融趨勢、航空旅行、投票模式和疾病傳播等方面的見解。

MIT腦與認知科學系（Department of Brain and Cognitive Sciences）研究員Vikash K. Mansinghka稱Gen是“第一個靈活、自動化、高效的系統，足以涵蓋計算機視覺和數據科學中那些非常不同類型的例子，并提供最先進的性能”。

嫌TensorFlow太偏科，Gen追求的是全世界最好的

TensorFlow也可以幫助初學者和專家自動生成機器學習系統、而無需進行太多數學計算的。但MIT研究人員認為TF太過側重于深度學習模型，對范圍更廣的人工智能而言，這些模型既昂貴又有限。

像統計和概率模型以及模擬引擎等大量AI技術已經被廣泛使用。其他一些概率編程系統雖然靈活性足夠，可以涵蓋幾種AI技術，但運行效率低下。

因此Gen便被賦予了一個非常重大的使命，將全世界最好的3個特性：自動化，靈活性和速度集于一身。

在概率AI中，推理算法對數據執行操作，并基于新數據連續地重新調整概率以進行預測。這樣做最終會生成一個模型，描述如何對新數據進行預測。

借鑒早期概率編程系統Church中使用的概念，研究人員將幾種自定義建模語言融入Julia，每種建模語言都針對不同類型的AI建模方法進行了優化，使其更加通用。

Gen還使用各種方法（如優化、變分推理、概率方法和深度學習）為推理任務提供高級基礎架構。最重要的是，研究人員添加了一些調整，以使實現有效運行。

走出實驗室，獲得世界的贊許

英特爾已經與MIT合作，使用Gen從機器人和增強現實系統中使用的深度感相機進行三維姿態估計。MIT林肯實驗室還在為人道主義救援和災難響應的空中機器人應用提供合作。

在MIT Quest for Intelligence下，Gen開始被用于雄心勃勃的AI項目。例如，Gen是MIT-IBM Watson AI Lab項目的核心，以及美國國防部的國防高級研究計劃署正在進行的機器常識項目，該項目旨在模擬人類18個月大小孩的常識，而Mansinghka是該項目的主要研究人員之一。

“有了Gen，這是第一次，研究人員很容易整合一堆不同的AI技術。現在看到人們發現了什么是有趣的，“Mansinghka說。

Uber首席科學家兼人工智能副總裁兼劍橋大學教授Zoubin Ghahramani表示：“自從深度學習出現以來，概率編程是人工智能前沿領域最有前途的領域之一。Gen代表了該領域的重大進步，將有助于基于概率推理的AI系統的可擴展和實際實施。“

谷歌的研究主管Peter Norvig也贊揚了這項工作：“[Gen]允許問題解決者使用概率編程，因此對問題采用更原則的方法，但不受概率編程系統設計者的選擇限制，通用編程語言之所以成功，是因為它們使程序員更容易完成任務，但也使程序員能夠創建一些全新的東西來有效地解決新問題。Gen對概率編程也是如此。“

Gen的源代碼是公開的，正在即將舉行的開源開發者大會上展示，包括Strange Loop和JuliaCon。這項工作部分得到了DARPA的支持。