麻省理工学院的Copilot系统如何引领人工智能创新新纪元

麻省理工学院的“空中守护者”:借助AI提升飞行安全

麻省理工学院的科学家们开发了“空中守护者”,这是一种先进的深度学习系统,旨在与飞行员协同工作,显著提高飞行安全。这个人工智能(AI)副驾驶能够检测出人类飞行员可能忽视的危急情况,并及时介入,以避免潜在的事故。

“空中守护者”的核心是一种创新的深度学习架构——液态神经网络(LNN),由麻省理工学院计算机科学与人工智能实验室(CSAIL)研发。LNN在多个领域表现出色,特别是在需要高效且易于理解的AI系统的情况下,提供了传统深度学习模型的有力替代。

监控人类注意力与AI关注点

“空中守护者”利用创新的方法提高飞行中的安全性。它持续监测飞行员的注意力和AI的关注点,及时识别二者之间的偏差。如果飞行员遗漏了关键环节,AI系统可以无缝接管相关的飞行参数。这种“人机协作”的方法确保飞行员始终掌握指挥权,同时AI可弥补可能的疏漏。

麻省理工学院的AI科学家、空中守护者研究的合著者拉敏·哈萨尼表示:“我们的目标是创建可以与人类协作的系统,让AI在复杂情况下提供帮助,同时利用人类的优势。”例如,在低空飞行中,难以预测的重力变化可能导致飞行员迷失方向,此时“空中守护者”能够接管控制。同样,当飞行员受到过多信息的影响而难以处理时,AI可以筛选数据,突出重要线索。

先进的监测技术

“空中守护者”采用眼动追踪技术来评估人类的注意力,同时使用热图展示AI的关注点。当检测到偏差时,“空中守护者”会分析AI是否识别出需要立即关注的问题。

AI在安全关键应用中的角色

与许多控制系统一样,“空中守护者”基于深度强化学习模型构建,AI代理观察环境并根据观察结果采取行动。该代理对于正确的行动会获得奖励,从而使神经网络能够发展有效的决策策略。

“空中守护者”的独特之处在于其核心的LNN。LNN提供了更大的透明度,允许工程师仔细审查模型的决策过程,与传统的深度学习系统(通常被称为“黑匣子”)形成鲜明对比。哈萨尼指出:“对于安全关键的应用,了解系统的功能至关重要,因此可解释性成为一种必要。”

紧凑高效的AI解决方案

液态神经网络在紧凑性方面同样表现出色。与传统深度学习网络相比,LNN能够用显著更少的计算单元完成复杂任务。这种高效性使它们能够在处理能力有限的设备上正常运行。

哈萨尼解释道:“随着AI系统的规模扩大,它们的计算能力增强,但在边缘设备上部署的难度也随之增加。”在之前的研究中,麻省理工学院CSAIL团队演示了一种仅使用19个神经元的LNN就能完成通常需要100,000个神经元的任务,这突显了在自动驾驶汽车、无人机和航空等对实时决策至关重要的边缘计算应用中紧凑性的意义。

扩大“空中守护者”和LNN的应用范围

哈萨尼设想,“空中守护者”的发展成果可以在各种AI支持人类协作的场景中应用。这些应用涵盖从特定软件中的任务协调到自动手术和自动驾驶等更复杂的领域。他强调:“这些应用可以跨不同学科进行推广。”

LNN还可能促进自主代理的崛起,特别是在大型语言模型的上下文中。它们能够赋予AI代理更好的决策能力,并向人类伙伴解释这些决策,实现目标的有效对齐。

哈萨尼表示:“液态神经网络作为通用信号处理系统,能够依据输入(无论是视频、音频、文本还是时间序列数据)生成多种模型,开辟了预测建模、自主性和生成AI应用的新天地。”

哈萨尼将LNN的当前发展路线比作2016年发布的“变换器”论文带来的重大发现,后者奠定了大型语言模型(如ChatGPT)的基础。我们正站在全面释放LNN潜力的边缘,这为智能手机和个人电脑等边缘设备的先进AI系统铺平了道路。

“这是新一波AI系统的基础模型,”哈萨尼强调。“一个创新的新时代即将到来。”

Most people like

Find AI tools in YBX