MIT机械工程学院研究人员们正致力于开发新的软件，通过与硬件协作创造出真正的日常智能设备

大家一定还记得多年前Waston在危险边缘中战胜人类的激动场景，虽然能耗和体积巨大的超级计算机和人类大脑比起来似乎有失公允，但这确实计算机的一大步进步，就像多年前深蓝在国际象棋中的胜利一样足以成为人工智能发展里程碑来铭记。随着时代的发展，人工智能已经从高不可攀的科学前沿走入到寻常你我他的手机中、电脑里，融入了生活中的点点滴滴里。当我们还在“西部世界”和"太空堡垒卡拉狄加"这类科幻电影中憧憬未来时，智能装备和系统已经开始和我们的生活交织在了一起，慢慢的进入了生活的方方面面。电脑和手机利用人脸识别来加密，智能家居设备自动调节屋内温度，回答我们提出的问题或者帮助我们选择最喜欢的歌曲，几乎所有的汽车公司都开始尝试使用自动驾驶功能，人工智能实用化的例子数不胜数。

在这种环境中，软件和硬件需要完美配合统一来协同工作。相机，触觉传感器，计算机和光探测设备需要将信号反馈给计算机，算法需要处理这些信息并作出决定。为了将这些强大的能力更广泛地应用于我们的日常生活造福人类，MIT机械工程学院研究人员们正致力于开发新的软件，通过与硬件协作创造出真正的日常智能设备。他们研究的不是创造小说中非凡的机器人，而是发明使人们在日常生活中更加安全、高效和舒适生活的产品。

便携设备更加智能

来自MIT 机械工程/材料工程系的 Jeehwan Kim教授正致力于利用神经形态芯片将目前巨大的神经网络压缩到有限的体积内，以便移动设备能够获得传统超算中心的能力。研究人员表示，如果将目前神经网络进行压缩小型化的课题成功的话，那么像IBM的Watson这样的超级计算机的能力将被整合到一张纸大小的空间内。

目前，大部分的神经网络系统都是基于冯诺一曼软件架构方法的架构。Kim 开始尝试使用神经形态的计算方法。神经形态电脑意味着便携式的人工智能，你不再需要云服务、超算中心。通过将人工智能网络和神经元突触架构在一个小尺度的硅片上，形成所谓的“芯片上的大脑”。神经形态电脑与传统的二进制构式不同，信息处理方式更类似于模拟装置，信号在神经元中移动，在神经元突触中交换信息，通过成千上万的矩阵相联系，大量的信息可以实现快速处理。

这种方法的关键在于较好的控制人工突触，当施加电压的时候，非晶结构的神经形态芯片上的离子流动很难控制。在今年发布的Nature Materials研究，Kim证实可以通过这种方法控制神经突触外的电流，并且将变化减小到了1%，实现了对神经突触的控制反应。如此高的控制精度使得实际使用成为了可能。

通过构建实际的神经网络，Kim可以实现书写笔记的识别，准确率达95%。通过一台相机和一个神经网络计算机，就可以实现手写数据集的算法识别。这项技术的潜力远远不止是手写方法的识别，将超级计算机缩小到可移动装备的大小，这项技术带来的变革是前途无量的，可以使得手机，电脑机器人等装备更加智能化。

给你一个更聪明更懂你的家

在Kim希望便携式设备变得更智能时，Sanjay Sarma 教授和Josh Siegel 研究员致力于将小型智能化设备整合我们的居家环境之中。这项研究源于Sarma 教授某天夜里的恼人经历——在没有任何故障的情况下，空气开关不停的跳闸，很大程度上影响正常的生活。空气开关的设计本来是为了防止触电和火灾事故的影响，但是生活中却时不时出现莫名其妙跳闸的现象。Sarma作为MIT开源学习小组的副主席，将这个小痛点化为了机遇。他将空气开关智能化，并且与物联网相连，从而更加准确的判断该电路是出处于火灾的危险状况中还是保持安全。

Siegel补充解释到：可以将它想象成一个病毒扫描器，每隔一段时间，病毒扫描器就会更新其内置的病毒定义系统。 Sarma 和 Siegel 将空气开关智能化，它能准确的检测到某个电气是否加入到了电网中。比如，当真空吸尘器将被接入到电路中，家中的空气开关如果毫无理由的突然跳闸，智能网路就会分析出具体的原因，并将真空吸尘器将其加入安全名单中。与前文的神经形态芯片不同的是，这里使用的神经网络是基于软件的。

通过收集上千次模拟测试数据，人们建立起了一个可以判断电路状态的神经网络。随后算法对环境进行评估，对模型进行识别，最终根据概率来输出希望的结果。

在跳闸时候的众多数据点，评估网络环境，识别模式，在已有概率基础上做出反应，通过一个价值35$的微型计算器和一个声卡，该团队可以最低成本的将此技术应用于神经网络解决跳闸的问题。与此同时，神经网络可以同步实现于所有家居物联网的家庭环境中。利用廉价的微型计算器研究人员们可以为断路器赋予更加智能的操作。

更重要的是，随着空气开关遇到的情况越来越多，它可以将学习到的知识分享给物联网中的其他设备，实现知识和经验的共享。物联网也可也被称为物体智能化，在云的帮助下，智能化的局部设备可以使我们的环境更加舒适，用户体验更加流畅。

空气开关只是使家居智能化众多案例中的一个。通过这些科技，可以控制我们家中的温度，监控家居环境的安全，诊断家中常用物品的寿命等。正在开发的居家环境软件，具有自我监控和学习能力。研究人员们没有去制定规则，而是教会了这些设备如何学习。

制造和设计过程智能化

人工智能不仅能帮助改进产品和设备与用户的交互过程，也能提高通优化产品的设计和制造过程，来提高生产效率。MIT的另一位研究人员 A. John Hart.认为：自动化领域中飞速发展的3-D打印，人工智能，机器学习等技术迫使我们重新思考和定位工厂设计和供应链管理的模式。Hart对3D打印进行了深入的研究，发现人工智能是提高制造过程中产品性能的重要方法。在3D打印过程中结合高性能传感器，这使得快速的数据分析称为可能，同时有助于大规模生产的推进。

使得3D打印机学会如何生产出更优质的部件会极大的提高制造业的生产能力和产品质量，尤其是在制造诸如手术器械及航空发动机零部件这些有严苛指标的部件时更是如此。零部件的设计过程也可以通过使用智能软件而大大简化。这样的流程将会被称为混合智能设计，目标是能够使智能工具和设计者高效协同工作。

研究者们在最近的一项研究中，在不同自动化等级下测试了一个设计工具，参与者运用软件选出不同种类的节点，该工具随后会自动生成解决方案，优化这些点之间的衔接。研究人员们尝试开发智能算法来适应现在设计者们的思路。

更聪明的机器人

如果一定要在MIT中选择出一个最与科幻故事中相像的机器人角色，那么一定是Sangbae Kim教授制作出的cheetah。这个四条腿的生物通过LIDAR技术来感知周围的环境，并且对相关信息作出反应。并且它还是一只名不虚传的可以跨越障碍的“猎豹”机器人。Kim的研究兴趣在于导航方面，“我们为机器人的动态运动过程设计了一套独特的导航系统，我相信这会改变机器人与世界的互动方式，并且可以应用于你能想到的各个领域——医疗，健康管理，工厂等等”。

Kim发现将他的研究与物理神经网络相结合将会迸发出新的火花。“如果你希望cheetah识别人类，声音，姿势，他需要大量的学习和处理过程，Jeewahn的神经网络硬件系统在未来的某有一天可以使这个假设成真。”

将强大能力的便携式硬件神经网络与拥有熟练导航能力的机器人相结合，将会为人机智能写作打开一扇新世界的大门。然而这只是机械工程领域与AI结合的一个缩影，未来的结合将促进两个学科和智能技术迈向新的高度。

也许将人工智能，机器学习与机器人结合起来暂时还不能实现，但是现在在手写识别，人脸识别，物联网，家居，安防和更高效的设计制造过程等方面，人工智能已经占有了不可或缺的地位。科幻小说中机器人主宰世界的设想与现实仍有差距，但充分利用智能化、自动化，为人们带来美好的生活，这在今天已经是触手可及的。人工智能技术不断与其他领域的碰撞将在未来生发出更多的美好。