"Vem är Bram Stoker?" Dessa tre ord visade den fantastiska potentialen hos artificiell intelligens. Det var svaret på en sista fråga i ett särskilt minnesvärt avsnitt 2011 av Jeopardy!. De tre konkurrenterna var tidigare mästarna Brad Rutter och Ken Jennings, och Watson, en superdator utvecklad av IBM. Genom att svara rätt på den sista frågan, Watson blev den första datorn som slog en människa i den berömda frågesporten.

"På ett sätt, Watson vinner Jeopardy! verkade orättvist mot folk, " säger Jeehwan Kim, klass '47 Karriärutvecklingsprofessor och en fakultetsmedlem vid MIT-avdelningarna för maskinteknik och materialvetenskap och teknik. "Just då, Watson var kopplad till en superdator i storleken av ett rum medan den mänskliga hjärnan bara väger några kilo. Men förmågan att replikera en mänsklig hjärnas förmåga att lära sig är otroligt svår."

Kim är specialiserad på maskininlärning, som förlitar sig på algoritmer för att lära datorer hur man lär sig som en mänsklig hjärna. "Maskininlärning är kognitiv datoranvändning, " förklarar han. "Din dator känner igen saker utan att du berättar för datorn vad den tittar på."

Maskininlärning är ett exempel på artificiell intelligens i praktiken. Medan frasen "maskininlärning" ofta frammanar science fiction som kännetecknas av program som "Westworld" eller "Battlestar Galactica, " Smarta system och enheter är redan genomgående i vårt dagliga liv. Datorer och telefoner använder ansiktsigenkänning för att låsa upp. System känner av och justerar temperaturen i våra hem. Enheter svarar på frågor eller spelar vår favoritmusik på begäran. Nästan alla större bilar företaget har gått in i loppet för att utveckla en säker självkörande bil.

För att någon av dessa produkter ska fungera, både mjukvaran och hårdvaran måste fungera perfekt synkront. Kameror, taktila sensorer, radar, och ljusdetektering måste alla fungera korrekt för att återföra information till datorer. Algoritmer måste utformas så att dessa maskiner kan bearbeta dessa sensoriska data och fatta beslut baserat på högsta sannolikhet för framgång.

Kim och en stor del av fakulteten vid MIT:s institution för maskinteknik skapar ny mjukvara som ansluter till hårdvara för att skapa intelligenta enheter. Istället för att bygga de kännande robotar som romantiserats i populärkulturen, dessa forskare arbetar med projekt som förbättrar vardagen och gör människor säkrare, mer effektiv, och bättre informerad.

Gör bärbara enheter smartare

Jeehwan Kim håller upp ett pappersark. Om han och hans team är framgångsrika, en dag kommer kraften hos en superdator som IBMs Watson att krympas ner till storleken på ett pappersark. "Vi försöker bygga ett verkligt fysiskt neuralt nätverk på en Letter-pappersstorlek, " förklarar Kim.

Hittills, de flesta neurala nätverk har varit mjukvarubaserade och tillverkade med den konventionella metoden känd som Von Neumann-beräkningsmetoden. Kim har dock använt neuromorfa beräkningsmetoder.

"Neuromorf dator betyder bärbar AI, " säger Kim. "Så, du bygger konstgjorda neuroner och synapser på en småskalig oblat." Resultatet är en så kallad 'hjärna-på-ett-chip'.

Istället för att beräkna information från binär signalering, Kims neurala nätverk bearbetar information som en analog enhet. Signaler fungerar som artificiella neuroner och rör sig över tusentals arrayer till särskilda korspunkter, som fungerar som synapser. Med tusentals arrayer anslutna, stora mängder information kan bearbetas på en gång. För första gången, en bärbar utrustning kan efterlikna hjärnans processorkraft.

"Nyckeln med den här metoden är att du verkligen behöver kontrollera de artificiella synapserna väl. När du pratar om tusentals korspunkter, detta innebär utmaningar, säger Kim.

Enligt Kim, designen och materialen som har använts för att göra dessa konstgjorda synapser har hittills varit mindre än idealiska. De amorfa materialen som används i neuromorfa chips gör det oerhört svårt att kontrollera jonerna när spänning väl läggs på.

I en Naturmaterial studie publicerad tidigare i år, Kim upptäckte att när hans team gjorde ett chip av kiselgermanium kunde de kontrollera strömmen som flödade ut ur synapsen och minska variabiliteten till 1 procent. Med kontroll över hur synapserna reagerar på stimuli, det var dags att testa deras chip.

"Vi föreställer oss att om vi bygger upp det faktiska neurala nätverket med material kan vi faktiskt göra handskriftsigenkänning, " säger Kim. I en datorsimulering av deras nya artificiella neurala nätverksdesign, de gav tusentals handskriftsprover. Deras neurala nätverk kunde noggrant känna igen 95 procent av proverna.

"Om du har en kamera och en algoritm för handskriftsdatauppsättningen ansluten till vårt neurala nätverk, du kan uppnå handskriftsigenkänning, " förklarar Kim.

Samtidigt som att bygga det fysiska neurala nätverket för handskriftsigenkänning är nästa steg för Kims team, potentialen för denna nya teknik går längre än handskriftsigenkänning. "Att krympa kraften hos en superdator till en bärbar storlek kan revolutionera produkterna vi använder, " säger Kim. "Potentialen är obegränsad – vi kan integrera den här tekniken i våra telefoner, datorer, och robotar för att göra dem betydligt smartare."

Gör hem smartare

Medan Kim arbetar på att göra våra bärbara produkter mer intelligenta, Professor Sanjay Sarma och forskaren Josh Siegel hoppas kunna integrera smarta enheter i den största produkten vi äger:våra hem.

En kväll, Sarma var i sitt hem när en av hans strömbrytare fortsatte att gå av. Denna strömbrytare – känd som en ljusbågsfelsbrytare (AFCI) – designades för att stänga av strömmen när en elektrisk ljusbåge upptäcks för att förhindra bränder. Även om AFCI:er är bra på att förhindra bränder, i Sarmas fall verkade det inte vara något problem. "Det fanns ingen urskiljbar anledning till att det skulle fortsätta, " minns Sarma. "Det var otroligt distraherande."

AFCI:er är ökända för sådana "obehagliga resor, som kopplar bort säkra föremål i onödan. Sarma, som också fungerar som MIT:s vicepresident för öppet lärande, vände sin frustration till möjlighet. Om han kunde bädda in AFCI med smarta teknologier och ansluta den till "sakernas internet, Han skulle kunna lära strömbrytaren att lära sig när en produkt är säker eller när en produkt faktiskt utgör en brandrisk.

"Tänk på det som en virusskanner, " förklarar Siegel. "Virusskannrar är anslutna till ett system som uppdaterar dem med nya virusdefinitioner över tid." Om Sarma och Siegel kunde bädda in liknande teknik i AFCI:er, strömbrytarna kunde upptäcka exakt vilken produkt som kopplas in och lära sig nya objektdefinitioner över tiden.

Om, till exempel, en ny dammsugare kopplas in i strömbrytaren och strömmen stängs av utan anledning, smart AFCI kan lära sig att det är säkert och lägga till det i en lista över kända säkra objekt. AFCI lär sig dessa definitioner med hjälp av ett neuralt nätverk. Men, till skillnad från Jeewhan Kims fysiska neurala nätverk, detta nätverk är mjukvarubaserat.

Det neurala nätverket byggs genom att samla in tusentals datapunkter under simuleringar av bågbildning. Algoritmer skrivs sedan för att hjälpa nätverket att bedöma sin miljö, känna igen mönster, och fatta beslut baserat på sannolikheten för att uppnå önskat resultat. Med hjälp av en mikrodator på $35 och ett ljudkort, teamet kan billigt integrera denna teknik i strömbrytare.

När den smarta AFCI lär sig om enheterna den möter, den kan samtidigt distribuera sina kunskaper och definitioner till alla andra hem med hjälp av internet of things.

"Internet of things kan lika gärna kallas 'intelligens of things', " säger Sarma. "Smart, lokal teknik med hjälp av molnet kan göra våra miljöer anpassningsbara och användarupplevelsen sömlös."

Strömbrytare är bara ett av många sätt som neurala nätverk kan användas för att göra hem smartare. Denna typ av teknik kan styra temperaturen i ditt hus, upptäcka när det finns en anomali som ett intrång eller sprängt rör, och kör diagnostik för att se när saker är i behov av reparation.

"Vi utvecklar mjukvara för övervakning av mekaniska system som är självinlärt, " förklarar Siegel. "Du lär inte dessa enheter alla regler, du lär dem hur man lär sig reglerna."

Gör tillverkning och design smartare

Artificiell intelligens kan inte bara bidra till att förbättra hur användare interagerar med produkter, enheter, och miljöer. Det kan också förbättra effektiviteten med vilken objekt tillverkas genom att optimera tillverknings- och designprocessen.

"Tillväxt inom automation tillsammans med kompletterande teknologier inklusive 3-D-utskrift, AI, och maskininlärning tvingar oss att i det långa loppet, tänka om hur vi designar fabriker och leveranskedjor, säger docent A. John Hart.

Hjort, som har gjort omfattande forskning inom 3-D-utskrift, ser AI som ett sätt att förbättra kvalitetssäkringen i tillverkningen. 3D-skrivare med högpresterande sensorer, som kan analysera data i farten, kommer att hjälpa till att påskynda införandet av 3-D-utskrift för massproduktion.

"Att ha 3-D-skrivare som lär sig att skapa delar med färre defekter och inspektera delar när de gör dem kommer att vara en riktigt stor sak – speciellt när produkterna du gör har kritiska egenskaper som medicinsk utrustning eller delar till flygmotorer, " förklarar Hart.

Själva processen att designa strukturen för dessa delar kan också dra nytta av intelligent programvara. Docent Maria Yang har tittat på hur designers kan använda automationsverktyg för att designa mer effektivt. "Vi kallar det hybrid intelligens för design, " säger Yang. "Målet är att möjliggöra ett effektivt samarbete mellan intelligenta verktyg och mänskliga designers."

I en nyligen genomförd studie, Yang och doktorand Edward Burnell testade ett designverktyg med olika nivåer av automatisering. Deltagarna använde programvaran för att välja noder för en 2-D truss av antingen en stoppskylt eller en bro. Verktyget skulle då automatiskt komma med optimerade lösningar baserade på intelligenta algoritmer för var man ska ansluta noder och bredden på varje del.

"Vi försöker designa smarta algoritmer som passar in på hur designers redan tänker, säger Burnell.

Gör robotar smartare

Om det finns något på MIT:s campus som mest liknar science fiction-robotarnas futuristiska, det skulle vara professor Sangbae Kims robotgepard. Den fyrbenta varelsen känner av sin omgivning med hjälp av LIDAR-teknologier och rör sig som svar på denna information. Ungefär som dess namne, den kan springa och hoppa över hinder.

Kims primära fokus ligger på navigering. "Vi bygger ett mycket unikt system speciellt designat för dynamisk rörelse av roboten, " förklarar Kim. "Jag tror att det kommer att omforma de interaktiva robotarna i världen. Du kan tänka på alla typer av tillämpningar—medicinska, sjukvård, fabriker."

Kim ser möjligheten att så småningom koppla ihop sin forskning med det fysiska neurala nätverk som hans kollega Jeewhan Kim arbetar på. "Om du vill att geparden ska känna igen människor, röst, eller gester, du behöver mycket lärande och bearbetning, " säger han. "Jeewhans neurala nätverkshårdvara kan möjligen möjliggöra det en dag."

Att kombinera kraften i ett bärbart neuralt nätverk med en robot som skickligt kan navigera i sin omgivning kan öppna upp en ny värld av möjligheter för interaktion mellan människor och AI. Det här är bara ett exempel på hur forskare inom maskinteknik kan samarbeta en dag för att ta AI-forskningen till nästa nivå.

Även om vi kan vara decennier borta från att interagera med intelligenta robotar, artificiell intelligens och maskininlärning har redan hittat in i våra rutiner. Oavsett om det är att använda ansikts- och handskriftsigenkänning för att skydda vår information, utnyttja sakers internet för att hålla våra hem säkra, eller hjälpa ingenjörer att bygga och designa mer effektivt, fördelarna med AI-teknik är genomgående.

Science fiction-fantasien om en värld som är omkörd av robotar är långt ifrån sanningen. "Det finns den här romantiska föreställningen att allt kommer att ske automatiskt, ", tillägger Maria Yang. "Men jag tror att verkligheten är att du kommer att ha verktyg som fungerar med människor och hjälper till att göra deras vardag lite enklare."

Den här historien återpubliceras med tillstånd av MIT News (web.mit.edu/newsoffice/), en populär webbplats som täcker nyheter om MIT-forskning, innovation och undervisning.