MizzouEngineering的研究人員正在研究如何設(shè)計材料以提高機器查看和理解物理對象的能力。問題是兩方面的。一方面，團隊需要弄清楚為什么人工智能(AI)算法有時會錯誤地識別或無法正確識別圖像中的對象。最終，這些算法控制無人機和自動駕駛汽車的行為。另一方面，他們需要確定材料需要哪些屬性才能與這些算法進行理想的交互。

“我們希望人工智能看得更清楚，”德里克·安德森副教授說。“就好像我不戴眼鏡走來走去，一切都顯得模糊。我們想要設(shè)計眼鏡，讓AI算法盡可能地發(fā)揮作用。但是你如何為人工智能算法設(shè)計這些眼鏡呢?你如何選擇合適的材料?”

電氣工程和計算機科學研究人員以及陸軍工程師研發(fā)中心正在從兩端解決這個問題。Anderson和博士生CharlieVeal正試圖確定算法何時以及為何會崩潰。ScottKovaleski教授和博士生MarshallLindsay正在研究等式的物理方面，看看是否有可能創(chuàng)造一種材料來幫助AI實現(xiàn)愿景或幫助我們了解阻礙該愿景的因素。

“如果我們了解算法有什么缺陷或困難，我們可以改進它，或者，另一方面，根據(jù)目標，嘗試讓算法保持混亂，”科瓦萊斯基說。“我們正在尋找通過將材料與電磁波相互作用的機制納入我們的算法來組合或塑造現(xiàn)有材料以產(chǎn)生所需效果的方法。”

對于自動駕駛汽車，它可以放大一些物體，同時從本質(zhì)上過濾掉您可能不希望自動駕駛汽車看到的物體。例如，車輛需要看到它前面的人，但它不應(yīng)響應(yīng)路邊廣告圖像中的人。

在另一個例子中，在服裝中使用新材料可以使自動駕駛汽車在光線不足的情況下更容易檢測到騎自行車的人或行人。

在應(yīng)用中，它可以通過改進視覺引導(dǎo)無人機或地面車輛以支持部隊運輸、導(dǎo)航和探索來幫助挽救生命。

該團隊最近向2020年和2021年光光學儀器工程師協(xié)會提交了他們在AI增強型編碼孔徑和全息術(shù)方面的發(fā)現(xiàn)。正如人工智能可以用來設(shè)計更好的材料一樣，了解物體和環(huán)境的物理環(huán)境(例如電磁約束)可以提高人工智能算法的有效性。

在數(shù)字空間中，人工智能擅長識別圖像中的物體。例如，GoogLeNet等分類網(wǎng)絡(luò)可以識別照片中的球或蘋果。但是如果你用濾鏡稍微改變圖像，人工智能就很難正確識別物體，即使人眼無法檢測到這種變化。

Lindsay說，這是因為AI被訓(xùn)練來尋找特定的東西。例如，您可以通過向AI展示狗的圖像來訓(xùn)練它繪制狗，但這并不意味著計算機了解狗是什么。

“通常情況下，人工智能會學習是什么造就了一只‘好’狗，比如腿、頭和耳朵，”林賽說。“但是，如果我們不明確告訴它，人工智能可能會錯過關(guān)鍵概念，例如只有四條腿的狗。在這種情況下，我們會看到AI想象“狗”的腿數(shù)不正確。如果我們想利用AI解決問題的能力，同時確保其決策不違反任何物理環(huán)境，則為AI提供這種物理環(huán)境至關(guān)重要。”

基于可解釋人工智能的基礎(chǔ)

該團隊還在2020年電氣和電子工程師協(xié)會(IEEE)計算智能研討會系列中展示了他們的發(fā)現(xiàn)。Veal說，我們的目標是創(chuàng)建一種機器，能夠以人類可控和可理解的方式來說明AI算法的行為。他的部分研究側(cè)重于機器的構(gòu)建和在不同條件下評估AI算法。

“這個研究項目很有趣，因為它不僅讓我們創(chuàng)造了一臺可以識別AI行為(好的和壞的)的機器，而且還建立了一個實驗基礎(chǔ)，幫助我們了解應(yīng)該如何使用這些不同的算法——并且最重要的是不應(yīng)該如何使用它們，”他說。“總的來說，我希望這項研究能啟發(fā)其他人來檢查不同AI算法的行為。”

不過，就目前而言，該小組正在努力了解物理學和人工智能相互作用背后的概念。

“一方面，你擁有相互關(guān)聯(lián)的人工智能和材料，”安德森說。“如果你能改進材料，你就可以更容易地找到東西。相反，你可以讓事情更難看。迄今為止，人工智能與材料之間存在著這種結(jié)合，但尚未受到足夠的重視。我們正在探索一些基本問題，這些問題應(yīng)該如何在數(shù)學上和實驗上聯(lián)系起來。”

標簽：