机器学习是实践中人工智能的一个例子。智能系统和设备已经普及到我们日常生活的结构中。电脑和手机使用脸部识别来解锁；系统感知并调整我们家中的温度；设备回答问题或按需播放我们最喜爱的音乐；几乎所有主要的汽车公司都竞相开发安全自驾车。

对于这些产品的工作，软件和硬件都必须完美同步工作。相机，触觉传感器，雷达和光线检测都需要正常运行，以将信息反馈给计算机。研究者需要设计算法，以便这些机器可以处理这些感官数据并根据最高成功概率做出决定。

Kim和麻省理工学院机械工程系的大部分教师正在开发新的软件，与硬件连接以创建智能设备。这些研究人员正在研究改善日常生活并使人类更安全，更高效和更了解情况的项目，而不是在流行文化中构建浪漫的有感知机器人。

使便携式设备更加智能

Jeehwan Kim拿着一张纸。如果他和他的团队取得成功，有一天像IBM沃森这样的超级计算机的威力将缩小到一张纸的大小。“我们正在尝试在信纸尺寸上建立一个现实的物理神经网络，”Kim解释说。

迄今为止，大多数神经网络都是基于软件的，并使用Von Neumann传统计算方法制造。但是Kim一直在使用神经形态计算方法。

Kim说：“神经形态计算机意味着便携式AI。所以，你在小规模晶圆上制造人造神经元和突触。结果就是所谓的“芯片上的大脑”（brain-on-a-chip）。

Kim的神经网络并不像二进制信号计算信息，而是像模拟设备一样处理信息。信号的作用就像人造神经元一样，在数千个阵列中移动到特定的交叉点，其功能就像突触一样。随着数千个阵列的连接，一次可以处理大量的信息。这是首次便携式设备可以模仿大脑的处理能力。

“这种方法的关键是你真的需要很好地控制人造突触。数千个交叉点时会带来诸多挑战，”Kim说。

迄今为止用于制造这些人造突触的设计和材料并不理想。一旦施加电压，用于神经形态芯片的无定形材料使得难以控制离子。

在今年早些时候发布的Nature Materials研究中，Kim发现当他的团队用硅锗制造芯片时，他们能够控制流出突触的电流并将可变性降低到1％。通过控制突触对刺激做出的反应，现在是时候将他们的芯片进行测试了。

“我们设想如果我们用材料建立真实的神经网络，我们实际上可以做手写识别，”Kim说。在他们新的人工神经网络设计的计算机模拟中，他们提供了数以千计的手写样本。他们的神经网络能够准确识别95％的样本。

“如果你有一个摄像头和连接到我们的神经网络的手写数据集的算法，你可以实现手写识别，”Kim解释说。

虽然建立手写识别的物理神经网络是Kim团队的下一步研究，但这项新技术的潜力不仅仅是手写识别。Kim说：“将超级计算机的功率降低到便携式尺寸可能会改变我们目前使用的产品。潜力是无限的，我们可以将这项技术整合到我们的手机，电脑和机器人中，使它们更加智能化。”

让家庭更智能化

尽管Kim正致力于使我们的便携式产品更加智能，但Sanjay Sarma教授和研究科学家Josh Siegel希望将智能设备集成到我们拥有的最大产品中：即我们的家。

一天晚上，Sarma在家里，一个断路器不停地响，这个断路器被称为电弧-故障电路断续器（AFCI），用来在检测到电弧故障时关闭电源以防止火灾。虽然AFCI在预防火灾方面做得很好，但在Sarma的案例中，却显现出了问题，因为并没有什么故障。

AFCI因这种“骚扰”而臭名昭着，它们会莫名地断开安全对象。Sarma担任麻省理工学院开放式学习的副校长，他把挫折转化为机遇。如果他可以将智能技术嵌入AFCI并将其连接到“物联网”，他就可以教导断路器学习何时安全或实际存在火灾风险。

“把它想象成一个病毒扫描仪，”Siegel解释说。“随着时间的推移，病毒扫描程序会连接到一个系统，使用新的病毒定义更新它们。”如果Sarma和Siegel可以在AFCI中嵌入类似的技术，断路器可以准确检测到插入的产品并随着时间学习新的对象定义。

例如，如果将新的真空吸尘器插入断路器并且电源无故关闭，则智能AFCI可以知道它是安全的并将其添加到已知安全物体的列表中。AFCI借助神经网络了解这些定义。但是，与Jeewhan Kim的物理神经网络不同，这个网络是基于软件的。

神经网络是在模拟电弧期间收集数千个数据点而建立的。然后编写算法来帮助网络评估其环境，识别模式，并根据达到预期结果的可能性做出决定。在35美元的微型计算机和声卡的帮助下，团队可以以低成本将此技术集成到断路器中。

当智能AFCI了解它遇到的设备时，它可以使用物联网将其知识和定义同时分发给其他所有家庭。

Sarma说：“借助云计算的智能本地技术可以使我们的环境具有适应性，并且打造无缝式用户体验。”

断路器只是神经网络可以用来使住宅更加智能的众多方式之一。这种技术可以用来控制房屋的温度，检测何时存在异常情况（如入侵或爆管），以及运行诊断程序以查看何时需要维修。

“我们正在开发用于监测自学的机械系统的软件，”Siegel解释说。“你不会教这些设备所有的规则，你会教他们如何学习规则。”

使制造和设计变得更加智能

人工智能不仅可以帮助改善用户与产品，设备和环境的互动方式。它还可以通过优化制造和设计过程来提高制造物体的效率。

“随着自动化以及互补技术，包括3D打印，人工智能和机器学习的发展，迫使我们从长远来看，重新思考我们如何设计工厂和供应链，”副教授A. John Hart说。

Hart在3D打印方面做了大量研究，他将AI视为提高制造质量保证的一种方式。采用高性能传感器的3-D打印机能够实时分析数据，这将有助于加速采用3D打印技术进行批量生产。

“让3D打印机学习如何创建缺陷较少的零件并检查零件是否非常重要，特别是制造的产品具有关键特性时，例如医疗设备或飞机发动机零件，”哈特解释道。

设计这些部件结构的过程也可以从智能软件中受益。副教授Maria Yang一直在研究设计人员如何使用自动化工具进行更高效的设计。“我们称之为混合智能设计，”Yang说。“目标是实现智能工具和人类设计师之间的有效协作。”

在最近的一项研究中，Yang和研究生Edward Burnell测试了一个具有不同自动化水平的设计工具。参与者使用该软件挑选停车标志或桥梁的二维桁架节点。然后该工具会自动提出基于智能算法的优化解决方案，以便连接节点和计算每个部分的宽度。

让机器人更聪明

如果麻省理工学院的校园里有什么与科幻小说的机器人非常相似，那么一定是Sangbae Kim教授的机器人猎豹了。这个机器人使用LIDAR技术感知周围环境，并根据这些信息进行移动。就像它的名字一样，它可以运行并跨越障碍。

设计的重点是导航。“我们正在构建一个非常独特的系统，专门为机器人的动态运动而设计，”Kim解释说。“我相信这将重塑所有的互动机器人。你可以考虑将它应用到各种领域， 医疗，保健，工厂等等。”

Kim看到了机会，将他的研究与他的同事Jeewhan Kim正在研究的物理神经网络联系起来。他说，如果你想让猎豹识别人、声音或手势，你需要大量的学习和处理。Jeewhan的神经网络硬件可能有一天会实现这一功能。

将便携式神经网络的功能与能够熟练地导航周围环境的机器人相结合，可以为人类和人工智能交互开辟一个全新的世界。这只是机械工程研究人员如何合作将人工智能研究带入下一个层次的例子。

虽然可能距离完美的智能机器人出现还有数十年的时间，但人工智能和机器学习已经在例程中找到了发展方向。无论是使用面部识别和手写识别来保护我们的信息，进入物联网以保持我们的家园安全，还是帮助工程师更有效地进行构建和设计，人工智能技术的优势都非常普遍。