机器学习进步人机交互

罗切斯特大学的机器人技术和人工智能实验室，里面一个机器人的躯干笼罩在一排塑料齿轮和块，等待指示。在他身旁，雅各布 · 阿金 13，博士生在电气和计算机工程，给出了机器人命令:”拾起中间齿轮的在右边，五个齿轮行中”他说到巴克斯特研究机器人。机器人，体育罗切斯特大学的冬帽，转弯前，暂停延长其右下肢在该对象的方向。

在罗切斯特如何使用数据的新闻中心系列科学改变我们的研究，我们如何学习，和我们如何理解我们的世界。

巴克斯特，以及其他机器人在实验室中，学习如何执行人类的任务，与人互动作为人类机器人团队的一部分。托马斯 · 霍华德 ‘ 04，助理教授的电气和计算机工程与大学的机器人技术实验室主任说”这一中心主题通过所有这些是我们使用的语言和机器学习作为机器人决策制定的基础”。

机器学习，人工智能，一个分支开始于 20 世纪 50 年代，英国数学家阿兰 · 图灵发表关于可能性的思考和学习的机械设计的革命纸后起飞。他著名的图灵测试评估通过确定一个人是无法区分一个人一台机器，是否机器有真正的智能机器智能。

今天，机器学习为计算机提供的能力，学会从标记的实例和观察的数据 — — 和适应时接触到新的数据 — — 而不必显式编程为每个任务。研究人员正在开发计算机程序来建立模型，检测模式，绘制连接，并做出预测从数据构建知情的决定接下来做什么。

机器学习的结果是无处不在从 Facebook 的个性化设置的每个成员的新闻来源，到像 Siri，电子邮件垃圾邮件过滤，金融市场工具，如亚马逊和 Netflix 和语言翻译服务的推荐引擎的语音识别系统可以明显看出。

霍华德和其他大学教授正在开发新的方法来使用机器学习洞察人类心灵，提高计算机、 机器人和人之间的互动。

与巴克斯特，霍华德，阿金和在麻省理工学院的合作者研制机器人理解复杂的自然语言说明的数学模型。当阿金指示巴克斯特”拾起五齿轮右侧的行中的中间齿轮”时，他们的模型使机器人快速学习音频、 环境及视频数据之间的连接和调整算法特征来完成任务。

是什么让这个特别具有挑战性的是机器人必须要能够处理指令在各种各样的环境中，这样做使自然的人机对话框的速度。该集团的研究这一问题导致机器人最佳论文奖︰ 科学和系统 2016 年会议。

通过提高精度、 速度、 可扩展性和这种模型的适应性，霍华德设想的未来，人类与机器人执行任务在制造业、 农业、 交通、 探索和医药合作，结合的创造性和人的认知技能的精度和重复性的机器人。

“它是程序的机器人在非结构化和动态的环境中可靠地执行任务非常困难，”霍华德说。 “有必要对于机器人来说，积累经验，学习如何更好地执行任务方式相同，我们所做的和机器学习算法是对此关键”。

杰克 · 阿金，博士生在电气和计算机工程，演示训练机器人完成特定任务的自然语言模型。

使用机器学习做出预测

停车标志的一张照片包含视觉模式和功能，如颜色、 形状和帮助人类的字母标识为一个停车标志。为了训练计算机以确定一个人或一个对象，计算机需要看到这些功能作为数据的唯一模式。

“为人类认识另一个人，我们在他们的眼睛、 鼻子、 嘴巴、”说捷波电子罗，计算机科学系副教授。”机器做不一定 ‘认为’ 就像人类一样。

而霍华德创建算法，可以让机器人理解口语，罗员工学习让电脑学会识别功能和在社会媒体图像和数据检测配置的机器的功率。

罗超说，”当你把一张图片用数码摄像机或与您的手机时，你可能会看到小广场周围每个人的脸上，”。”这是种技术我们用来训练计算机识别图像”。

采用这些先进的计算机视觉工具，罗和他的团队训练人工神经网络 — — 机器学习技术 — — 来使电脑在线照片分类，并确定，例如，在图像、 未成年饮酒模式和趋势在总统候选人 Twitter 追随者的情绪。

人工神经网络模拟人脑识别图像或通过将它们划分为不同的片断和连接和寻找模式解析复杂抽象的神经网络。然而，机器不传达实际图像按照人类所看到的图像;件被转换成数据模式和数字，和机器学习辨别这些通过反复暴露于数据。

“基本上，我们所做的一切就是机器学习，”罗说。”你需要教机多次，这是一个男人的照片，这是一个女人，和它最终导致正确的结论”。

认知模型与机器学习

如果一个人看到她从未见过的对象，她会用她的感官来确定对象的各种事情。她可能看看对象，把它捡起来，并确定它类似一把锤子。她然后可能用它来磅的东西。

罗比雅各布斯的脑与认知科学系教授说:”这么多的人类认知基于分类和相似我们已经通过我们的感官，经历的事情”。

虽然人工智能研究者侧重于建设系统如巴克斯特，与周围的环境进行交互并解决任务与人类一样的智能，认知科学家使用数据科学和机器学习研究人类的大脑在数据的需要。

雅各布说，”我们每个人都有一生的感官体验，这是令人惊异的数据量，”。”但也很擅长学习从一个或两个数据项目在机器所不能的人。

想象一下一个孩子只学习单词的各种对象。他可能指向表错误地称之为一把椅子，导致他的父母做出回应，”不，不是一把椅子，”，指向一张椅子，辨明其为。蹒跚学步继续指向的对象，他变得更加意识到将它们放置在不同类别的特征。他依靠一系列的推论，学会识别各种各样的对象为坐，每人以各种方式有别于其他的意思。

这一学习过程是为计算机困难得多。机器学习需要服从许多数据集的不断提高。

雅各布斯的项目之一涉及印刷新型塑料对象使用三维打印机并要求人们用来描述项目视觉和 haptically （触摸）。他使用此数据来创建的计算机模仿方式人类的模型分类和概念化的世界。通过这些计算机模拟及模型的认知，雅各布斯研究学习，记忆和决策，尤其是怎么样我们参加信息通过我们的感官来识别或分类的对象。

雅各布说，”这项研究将使我们能够更好地发展为盲人或聋人或其他人的感官是受损的治疗方法，”。