0
| 本文作者： 黃鑫 | 2016-08-26 08:20 |
MIT Technology review近日評選出了2016年35位在35歲以下對科技的進(jìn)步做出了杰出貢獻(xiàn)的青年科學(xué)家。這也是MIT Technology review第16次進(jìn)行這樣的評選了。他們的研究領(lǐng)域包含了醫(yī)療、可再生能源、計算機科學(xué)等方方面面，AI科技評論在此選取了其中5位研究領(lǐng)域與AI息息相關(guān)的發(fā)明者。為大家展示他們的成就與信念。
目前供職：MIT CSAIL實驗室
一項看起來完全不可能的無線電設(shè)計讓無線設(shè)備的數(shù)據(jù)傳輸能力得到了成倍的提高。
Dinesh Bharadia發(fā)明了一種所有人都說不可能實現(xiàn)的通訊技術(shù)：他發(fā)現(xiàn)了一種在相同頻率上同時發(fā)送和接收數(shù)據(jù)的方法。
因為從一臺設(shè)備上廣播出去的信號強度可能會是接收信號的1000億倍，因此幾乎沒有人會懷疑發(fā)射出去的信號會將接收到的信號完全淹沒。所以無線電設(shè)備通常會在不同的頻率上發(fā)送和接收數(shù)據(jù)，或者在接收和發(fā)送數(shù)據(jù)的狀態(tài)間快速切換?！熬瓦B教科書都已經(jīng)認(rèn)定這是不可能的了”，Bharadia說。
Bharadia發(fā)明了一套能夠選擇性避免過于強烈的信號發(fā)送從而使設(shè)備能夠順利解碼接收到的信息的硬件和軟件。從而創(chuàng)造出了第一臺全雙工無線電設(shè)備，這項技術(shù)最終能應(yīng)用到手機中去，應(yīng)該可以簡單的通過雙向使用讓無線通訊的可用帶寬加倍。這對電信公司和消費者來說簡直就是天籟之音。
Bharadia暫時從他在斯坦福的博士進(jìn)修中休學(xué)了，以便能將這項技術(shù)在Kumu Networks（運營商名）那里實現(xiàn)產(chǎn)業(yè)化應(yīng)用。德國的電信公司Deutsche Telekom去年開始測試這項技術(shù)，但是由于Bharadia的原型機的電路板太大了，難以適配到手機中去，所以工程師們首先需要想辦法將它的尺寸變小一點。
目前供職：Google DeepMind
其實教計算機玩游戲也是一件很嚴(yán)肅的事情。
在Oriol Vinyals 15歲的時候，他沉迷于星際爭霸，一個內(nèi)容是三個不同的種族之間爭奪地圖控制權(quán)的電腦游戲，就像一盤雙方都即時行動的棋局。Vinyals很快就成為了西班牙內(nèi)玩這個游戲的頂級高手?！拔夷菚r就有一種感覺，這個游戲會再次出現(xiàn)在我的生活中”，他說，“我被它所展現(xiàn)的在人工智能領(lǐng)域內(nèi)的潛力迷住了?！?/p>
Vinyals的預(yù)感成為現(xiàn)實已經(jīng)是十余年之后了。他在UC伯克利大學(xué)讀書時，幫助設(shè)計了一個能夠在人類完全不介入的情況下玩星際爭霸的名叫“主宰(游戲劇情中的一個boss角色)”的AI程序，這個程序標(biāo)志著機器學(xué)習(xí)的一場勝利。
不過，后來當(dāng)他在谷歌的AI團(tuán)隊從事開發(fā)機器翻譯技術(shù)的相關(guān)工作的時候，卻感到他不再有那么豐富的靈感了。 他決定試試自己到底能讓電腦多精確的描述一張圖片。這也是一種翻譯，只不過是從像素翻譯成文字?！拔矣浀暮芮宄保f，“我把我程序的代碼改了一下：本來輸入的內(nèi)容會是一段發(fā)于，我把它的輸入源改成了一副圖像”第二天，Vinyals給他的程序看了一張繁忙的集市的照片，旁邊的地面上散落著許多香蕉。計算機給出的結(jié)果是:“一群人站在市場里正在買水果”。“成功了！”他回憶道，“這程序不僅看出了“人們在街上”，它還讀出了圖片中更復(fù)雜的信息。這項技術(shù)現(xiàn)在被整合進(jìn)了谷歌的圖像搜索功能里，允許計算機讀取圖片并向人們展示其中與搜索內(nèi)容相關(guān)的物件
Vinyals和他的同事們還開發(fā)過一項應(yīng)用于谷歌Gmail的叫做智能回復(fù)的技術(shù)，可以在回復(fù)短郵件時自動建議合適的短語。而現(xiàn)在，加入了倫敦的谷歌DeepMind公司之后，他又開始做自己最初所做的事了。目前他正在開發(fā)一種能教會自己玩并在復(fù)雜的游戲中學(xué)會獲勝的電腦程序。不是靠手動編程，而是靠編寫能讓它們從自己的經(jīng)驗中學(xué)習(xí)的代碼。
目前供職：百度
AI專家、交互界面設(shè)計師，致力于讓技術(shù)幫助而不是打擾我們的生活。
當(dāng)我們在北京的798藝術(shù)區(qū)，中國首都內(nèi)的一個咖啡館里見面時，顧嘉唯關(guān)上了自己手機上的微信通知推送，他快速的掃了一眼屏幕，上面已經(jīng)有超過17000條未讀消息了。他說，我們與信息交互的方式已經(jīng)變得支離破碎，“我不想成為那些代表著通知的嗡嗡聲的奴隸。”他是這么解釋的。
嘉唯是百度的研發(fā)工程師，工作是設(shè)計更好的人機交互模型。比如，DuLight，是一個用來幫助失明或視力受損人士的AI交互界面，是一個安裝在使用者耳機或手機上的，能掃描錢幣、列車時刻表、盒子上的標(biāo)簽、或者類似的東西的攝像頭。利用手機上的處理器和深度學(xué)習(xí)算法，它能確定這些東西的名稱，并且將其轉(zhuǎn)換為使用者能從耳機中聽到的語音。嘉唯說，“人臉識別技術(shù)也在其中有很好的應(yīng)用?！?/span>
嘉唯對未來的期望是人們可以真正的充分享受技術(shù)帶來的福利。而不是被各種各樣的通知所束縛，他說，“我希望能帶人們找回不插電時代的感覺?！?/p>
目前供職：美國田納西州大學(xué)
那些患了自閉癥的人給她帶來了研究人工智能的靈感。
“我的研究開始于研究生院，那時我在人工智能的研究體系中工作，并讀到了動物學(xué)家Temple Grandin講述她的自閉癥是如何給了她一個相對于大多數(shù)人顯得很獨特的通過視覺思考世界的方法的書《Thinking in pictures》”
“我當(dāng)時覺得：真有意思，大多數(shù)AI系統(tǒng)都不是像她那樣的‘視覺思考者’，大多數(shù)AI的運作都依賴于變量，數(shù)字，列表這樣的東西，然后通過數(shù)學(xué)和邏輯動作作出推理?！?span style="line-height: 1.8;">這些系統(tǒng)都是“語言思考者”，如果你創(chuàng)造了一個完全且只使用圖片和視覺信息來進(jìn)行數(shù)據(jù)讀取和推理，比如旋轉(zhuǎn)圖片或者把圖片拼到一起的AI，會發(fā)生什么事？如果Temple Grandin可以依靠她的視覺思考能力做出這么了不起的事，那我相信AI也同樣能做到。我將我們從那些有自閉癥的人們身上學(xué)到的有趣的視覺能力整合進(jìn)了AI系統(tǒng)?，F(xiàn)在做這些其實還有些早，不過我相信這些東西最終將會非常有價值。
如果我們想幫助學(xué)生們學(xué)習(xí)解決困難問題的方法，我們應(yīng)該給學(xué)生進(jìn)行一些AI方面的培訓(xùn)，給他們展示解決同一問題的不同方法。如果我們想幫助醫(yī)生找到疾病爆發(fā)的模式，我們應(yīng)該使用多種AI分析系統(tǒng)以便用使用多種發(fā)現(xiàn)模式從各個角度詳細(xì)分析數(shù)據(jù)。
目前供職：IBM研究院
他的研究幫助IBM在十余年對使用更高效的碳納米晶體管替換掉硅基晶體管的探索中前進(jìn)了許多。
2001
IBM的研究者發(fā)明了一種生產(chǎn)碳–炭納米晶體管陣列的方法。
2002
IBM的研究者們發(fā)現(xiàn)炭納米晶體管能承受現(xiàn)有性能最好的硅基晶體管原型2倍的電流。這被認(rèn)為是第一次發(fā)現(xiàn)炭納米晶體管的性能優(yōu)于硅基晶體管的證據(jù)。
2006
第一塊使用了單個碳–炭納米晶體管的集成電路被IBM制造了出來。
2008
當(dāng)他在伊利諾斯州大學(xué)攻讀博士學(xué)位時，曹慶發(fā)明了一種在柔性塑料基板上蝕刻炭納米管電路的方法。
2013
在IBM里，曹慶發(fā)明了一種使用機械力來在水中提純出高精度，整齊排列的炭納米管陣列的方法。
2015
曹克服了一個將炭納米晶體管商業(yè)化應(yīng)用的基礎(chǔ)障礙。他發(fā)現(xiàn)了通過將金屬原子焊接到炭納米管的末端來將金屬線連接到炭納米管上的方法。
2016
IBM將碳–炭納米管整合進(jìn)了它的內(nèi)部半導(dǎo)體研究項目來研究如何改進(jìn)和擴大這項技術(shù)的應(yīng)用規(guī)模。
2020–2025
IBM希望在這個時間內(nèi)準(zhǔn)備好用炭納米晶體管全面替換它產(chǎn)品中的硅基晶體管。IBM估計炭納米晶體管的性能會達(dá)到硅基晶體管的兩到三倍，而能耗只會有其一半。
曹慶和Dinesh Bharadia的研究項目看起來和AI沒有什么關(guān)系，但我們不要忘了，AI從來不是一個單單由算法或者任何哪項單獨的領(lǐng)域就能驅(qū)動其進(jìn)步的技術(shù)。AI的發(fā)展與進(jìn)步，需要算法、交互、硬件、神經(jīng)科學(xué)乃至社會倫理的全面發(fā)展。在萬物互聯(lián)的未來，Dinesh Bharadia的研究無疑能讓AI之間的學(xué)習(xí)數(shù)據(jù)的交流和共享變得更加快速和可靠。而曹慶帶來的硬件領(lǐng)域的進(jìn)步是更直接的——要知道，深度學(xué)習(xí)的崛起很大程度上正是托了硬件計算能力暴漲的福。正是有了這些科學(xué)家們的不懈努力，無論是在榜單上的還是沒有上這個榜單但也為AI的發(fā)展做出了杰出貢獻(xiàn)的那些人們，我們才能在邁向心中那個理想的“大白”的路上，一步又一步緩慢卻又堅定的前進(jìn)，且讓我們在這里，對這些科學(xué)家們的貢獻(xiàn)表示由衷的敬佩和支持吧。
題圖來自Getty images
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
