"Wie is Bram Stoker?" Die drie woorden demonstreerden het verbazingwekkende potentieel van kunstmatige intelligentie. Het was het antwoord op een laatste vraag in een bijzonder gedenkwaardige aflevering van Jeopardy! uit 2011. De drie deelnemers waren voormalig kampioenen Brad Rutter en Ken Jennings, en Watson, een supercomputer ontwikkeld door IBM. Door de laatste vraag goed te beantwoorden, Watson werd de eerste computer die een mens versloeg in de beroemde quizshow.

"Op een manier, Watson wint Jeopardy! leek oneerlijk voor mensen, " zegt Jeehwan Kim, de Class '47 Career Development Professor en een faculteitslid van de MIT-afdelingen van Mechanical Engineering en Materials Science and Engineering. "Destijds, Watson was aangesloten op een supercomputer ter grootte van een kamer, terwijl het menselijk brein slechts een paar kilo weegt. Maar het vermogen om het leervermogen van een menselijk brein na te bootsen, is ongelooflijk moeilijk."

Kim is gespecialiseerd in machine learning, die afhankelijk is van algoritmen om computers te leren leren als een menselijk brein. "Machine learning is cognitief computergebruik, " legt hij uit. "Je computer herkent dingen zonder dat je de computer vertelt waar hij naar kijkt."

Machine learning is een voorbeeld van kunstmatige intelligentie in de praktijk. Hoewel de uitdrukking 'machine learning' vaak sciencefiction oproept die wordt getypeerd in shows als 'Westworld' of 'Battlestar Galactica, " Slimme systemen en apparaten zijn al alomtegenwoordig in ons dagelijks leven. Computers en telefoons gebruiken gezichtsherkenning om te ontgrendelen. Systemen voelen en passen de temperatuur in onze huizen aan. Apparaten beantwoorden vragen of spelen onze favoriete muziek af op aanvraag. Bijna elke grote auto bedrijf is in de race om een ​​veilige zelfrijdende auto te ontwikkelen.

Om een ​​van deze producten te laten werken, de software en hardware moeten beide perfect synchroon werken. camera's, tactiele sensoren, radar, en lichtdetectie moeten allemaal goed functioneren om informatie terug te sturen naar computers. Er moeten algoritmen worden ontworpen zodat deze machines deze sensorische gegevens kunnen verwerken en beslissingen kunnen nemen op basis van de hoogste kans op succes.

Kim en een groot deel van de faculteit van MIT's Department of Mechanical Engineering creëren nieuwe software die verbinding maakt met hardware om intelligente apparaten te maken. In plaats van de in de populaire cultuur geromantiseerde bewuste robots te bouwen, deze onderzoekers werken aan projecten die het dagelijks leven verbeteren en de mens veiliger maken, efficiënter, en beter geïnformeerd.

Draagbare apparaten slimmer maken

Jeehwan Kim houdt een vel papier omhoog. Als hij en zijn team succes hebben, op een dag zal de kracht van een supercomputer als IBM's Watson worden teruggebracht tot het formaat van één vel papier. "We proberen een echt fysiek neuraal netwerk te bouwen op een letterpapierformaat, " legt Kim uit.

Daten, de meeste neurale netwerken zijn op software gebaseerd en gemaakt met behulp van de conventionele methode die bekend staat als de Von Neumann-computermethode. Kim heeft echter gebruik gemaakt van neuromorfe computermethoden.

"Neuromorfe computer betekent draagbare AI, "zegt Kim. "Dus, je bouwt kunstmatige neuronen en synapsen op een kleinschalige wafer." Het resultaat is een zogenaamde 'brain-on-a-chip'.

In plaats van informatie uit binaire signalering te berekenen, Het neurale netwerk van Kim verwerkt informatie als een analoog apparaat. Signalen werken als kunstmatige neuronen en verplaatsen zich over duizenden arrays naar bepaalde kruispunten, die functioneren als synapsen. Met duizenden verbonden arrays, enorme hoeveelheden informatie in één keer kunnen worden verwerkt. Voor de eerste keer, een draagbaar apparaat zou de verwerkingskracht van de hersenen kunnen nabootsen.

"De sleutel bij deze methode is dat je de kunstmatige synapsen echt goed moet beheersen. Als je het hebt over duizenden kruispunten, dit brengt uitdagingen met zich mee, " zegt Kim.

Volgens Kim, het ontwerp en de materialen die tot nu toe zijn gebruikt om deze kunstmatige synapsen te maken, waren niet ideaal. De amorfe materialen die in neuromorfische chips worden gebruikt, maken het ongelooflijk moeilijk om de ionen te controleren zodra er spanning op staat.

In een Natuurmaterialen studie die eerder dit jaar werd gepubliceerd, Kim ontdekte dat toen zijn team een ​​chip maakte van siliciumgermanium, ze in staat waren de stroom die uit de synaps stroomt te beheersen en de variabiliteit tot 1 procent te verminderen. Met controle over hoe de synapsen reageren op stimuli, het was tijd om hun chip op de proef te stellen.

"We stellen ons voor dat als we het werkelijke neurale netwerk met materiaal opbouwen, we daadwerkelijk handschriftherkenning kunnen doen, ", zegt Kim. In een computersimulatie van hun nieuwe kunstmatige neurale netwerkontwerp, ze leverden duizenden handschriftvoorbeelden. Hun neurale netwerk was in staat om 95 procent van de monsters nauwkeurig te herkennen.

"Als je een camera en een algoritme voor de handschriftdataset hebt aangesloten op ons neurale netwerk, u kunt handschriftherkenning bereiken, " legt Kim uit.

Hoewel het bouwen van het fysieke neurale netwerk voor handschriftherkenning de volgende stap is voor Kims team, het potentieel van deze nieuwe technologie gaat verder dan handschriftherkenning. "Het verkleinen van de kracht van een supercomputer tot een draagbaar formaat kan een revolutie teweegbrengen in de producten die we gebruiken, ", zegt Kim. "Het potentieel is grenzeloos - we kunnen deze technologie in onze telefoons integreren, computers, en robots om ze aanzienlijk slimmer te maken."

Huizen slimmer maken

Terwijl Kim werkt aan het intelligenter maken van onze draagbare producten, Professor Sanjay Sarma en onderzoekswetenschapper Josh Siegel hopen slimme apparaten te integreren in het grootste product dat we bezitten:onze huizen.

Een avond, Sarma was in zijn huis toen een van zijn stroomonderbrekers afging. Deze stroomonderbreker, ook wel arc-fault circuit interrupter (AFCI) genoemd, is ontworpen om de stroom uit te schakelen wanneer een elektrische boog wordt gedetecteerd om brand te voorkomen. Hoewel AFCI's geweldig zijn in het voorkomen van branden, in het geval van Sarma leek er geen probleem te zijn. "Er was geen aanwijsbare reden waarom het doorging, " herinnert Sarma zich. "Het was ongelooflijk storend."

AFCI's zijn berucht om zulke 'overlastige reizen, ' die veilige objecten onnodig loskoppelen. Sarma, die ook fungeert als MIT's vice-president voor open leren, maakte van zijn frustratie een kans. Als hij de AFCI zou kunnen verankeren met slimme technologieën en deze zou kunnen verbinden met het 'internet of things, ' hij zou de stroomonderbreker kunnen leren wanneer een product veilig is of wanneer een product daadwerkelijk brandgevaar oplevert.

"Zie het als een virusscanner, " legt Siegel uit. "Virusscanners zijn verbonden met een systeem dat ze in de loop van de tijd bijwerkt met nieuwe virusdefinities." Als Sarma en Siegel soortgelijke technologie in AFCI's zouden kunnen integreren, de stroomonderbrekers kunnen precies detecteren welk product is aangesloten en in de loop van de tijd nieuwe objectdefinities leren.

Indien, bijvoorbeeld, een nieuwe stofzuiger wordt aangesloten op de stroomonderbreker en de stroom wordt zonder reden uitgeschakeld, de slimme AFCI kan leren dat het veilig is en het toevoegen aan een lijst met bekende veilige objecten. De AFCI leert deze definities met behulp van een neuraal netwerk. Maar, in tegenstelling tot Jeewhan Kim's fysieke neurale netwerk, dit netwerk is op software gebaseerd.

Het neurale netwerk wordt gebouwd door duizenden datapunten te verzamelen tijdens simulaties van boogvorming. Vervolgens worden algoritmen geschreven om het netwerk te helpen zijn omgeving te beoordelen, patronen herkennen, en beslissingen te nemen op basis van de waarschijnlijkheid van het bereiken van het gewenste resultaat. Met behulp van een microcomputer van $ 35 en een geluidskaart, het team kan deze technologie goedkoop integreren in stroomonderbrekers.

Terwijl de slimme AFCI leert over de apparaten die het tegenkomt, het kan tegelijkertijd zijn kennis en definities naar elk ander huis verspreiden via het internet der dingen.

"Internet of things zou net zo goed 'intelligence of things' kunnen worden genoemd, " zegt Sarma. "Slim, lokale technologieën met behulp van de cloud kunnen onze omgevingen adaptief en de gebruikerservaring naadloos maken."

Stroomonderbrekers zijn slechts een van de vele manieren waarop neurale netwerken kunnen worden gebruikt om huizen slimmer te maken. Dit soort technologie kan de temperatuur van uw huis regelen, detecteren wanneer er een anomalie is, zoals een inbraak of gesprongen leiding, en voer een diagnose uit om te zien wanneer dingen gerepareerd moeten worden.

"We ontwikkelen zelflerende software voor het bewaken van mechanische systemen, " legt Siegel uit. "Je leert deze apparaten niet alle regels, je leert ze hoe ze de regels moeten leren."

Productie en ontwerp slimmer maken

Kunstmatige intelligentie kan niet alleen helpen de manier waarop gebruikers omgaan met producten te verbeteren, apparaten, en omgevingen. Het kan ook de efficiëntie waarmee objecten worden gemaakt verbeteren door het fabricage- en ontwerpproces te optimaliseren.

"Groei in automatisering samen met complementaire technologieën, waaronder 3D-printen, AI, en machine learning dwingt ons om, op lange termijn, heroverwegen hoe we fabrieken en toeleveringsketens ontwerpen, " zegt universitair hoofddocent A. John Hart.

Hart, die uitgebreid onderzoek heeft gedaan naar 3D-printen, ziet AI als een manier om de kwaliteitsborging in de productie te verbeteren. 3D-printers met hoogwaardige sensoren, die in staat zijn om gegevens on-the-fly te analyseren, zal de acceptatie van 3D-printen voor massaproductie helpen versnellen.

"Het hebben van 3D-printers die leren onderdelen te maken met minder defecten en onderdelen te inspecteren terwijl ze ze maken, zal heel belangrijk zijn, vooral wanneer de producten die je maakt kritieke eigenschappen hebben, zoals medische apparaten of onderdelen voor vliegtuigmotoren, ’ legt Hart uit.

Het hele proces van het ontwerpen van de structuur van deze onderdelen kan ook profiteren van intelligente software. Universitair hoofddocent Maria Yang heeft gekeken naar hoe ontwerpers automatiseringstools kunnen gebruiken om efficiënter te ontwerpen. "We noemen het hybride intelligentie voor ontwerp, ", zegt Yang. "Het doel is om een ​​effectieve samenwerking tussen intelligente tools en menselijke ontwerpers mogelijk te maken."

In een recente studie, Yang en afgestudeerde student Edward Burnell testten een ontwerptool met verschillende automatiseringsniveaus. Deelnemers gebruikten de software om knooppunten te kiezen voor een 2D-truss van een stopbord of een brug. De tool zou dan automatisch met geoptimaliseerde oplossingen komen op basis van intelligente algoritmen voor waar knooppunten moeten worden aangesloten en de breedte van elk onderdeel.

"We proberen slimme algoritmen te ontwerpen die passen bij de manier waarop ontwerpers al denken, ' zegt Burnell.

Robots slimmer maken

Als er iets op de campus van MIT is dat het meest lijkt op de futuristische robots van sciencefiction, het zou de robotcheetah van professor Sangbae Kim zijn. Het vierpotige wezen voelt zijn omgeving met behulp van LIDAR-technologieën en beweegt in reactie op deze informatie. Net als zijn naamgenoot, het kan rennen en springen over obstakels.

Kim's primaire focus ligt op navigatie. "We bouwen een zeer uniek systeem dat speciaal is ontworpen voor dynamische bewegingen van de robot, " legt Kim uit. "Ik geloof dat het de interactieve robots in de wereld een nieuwe vorm gaat geven. U kunt aan allerlei toepassingen denken:medische, gezondheidszorg, fabrieken."

Kim ziet kans om zijn onderzoek uiteindelijk te verbinden met het fysieke neurale netwerk waar zijn collega Jeewhan Kim aan werkt. "Als je wilt dat de cheeta mensen herkent, stem, of gebaren, je moet veel leren en verwerken, "zegt hij. "Jeewhan's neurale netwerkhardware zou dat op een dag mogelijk kunnen maken."

Het combineren van de kracht van een draagbaar neuraal netwerk met een robot die in staat is om vakkundig door de omgeving te navigeren, zou een nieuwe wereld van mogelijkheden kunnen openen voor interactie tussen mens en AI. Dit is slechts één voorbeeld van hoe onderzoekers in de werktuigbouwkunde een dag kunnen samenwerken om AI-onderzoek naar een hoger niveau te tillen.

Hoewel we misschien tientallen jaren verwijderd zijn van interactie met intelligente robots, kunstmatige intelligentie en machine learning hebben al hun weg gevonden naar onze routines. Of het nu gaat om gezichts- en handschriftherkenning om onze informatie te beschermen, gebruik te maken van het internet der dingen om onze huizen veilig te houden, of ingenieurs helpen om efficiënter te bouwen en te ontwerpen, de voordelen van AI-technologieën zijn alomtegenwoordig.

De sciencefictionfantasie van een door robots ingehaalde wereld is verre van waar. "Er is een romantisch idee dat alles automatisch gaat, " voegt Maria Yang toe. "Maar ik denk dat de realiteit is dat je tools zult hebben die met mensen werken en hun dagelijks leven een beetje gemakkelijker maken."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.