人工智能：数学，不是魔法
人工智能 (AI) 已经渗透到我们的生活。只要看到我们的脸，手机就会解锁。我们可以通过 ChatGPT 进行完整的文本对话。亚马逊知道我在寻找什么，我的电子邮件可以以惊人的准确性完成我的句子。人工智能看似神奇，但这些解决方案基于深度学习和神经网络（NN），只需要一点微积分，以及大量的数据和计算能力。
第一个神经网络于 20 世纪 60 年代提出，旨在通过感知刺激（输入）、用相互连接的“人工神经元”层处理刺激并产生响应（输出）来模拟人类大脑。例如，手机上的面部识别经过训练可以接受输入图像并回答“这个人是我的主人吗？”如果是，手机就会解锁。
在神经网络中，每对神经元都有一个“旋钮”，用于控制从一个神经元传递到另一个神经元的信号强度。“训练”神经网络需要调整这些旋钮，直到神经网络始终将大量训练输入数据集映射到其期望的输出。数百万或数十亿个旋钮的调整由微积分指导，以最大限度地减少输出中的错误。有效的神经网络不仅会学习产生期望的训练输出，还会泛化以处理遇到的新输入。
在佛罗里达理工学院的神经传输 (NETS) 实验室，我们研究深度学习并开发自己的 NN。令人担忧的是，NN 会因为未知原因而犯错，这使得高风险部署变得危险。我们的大部分工作都集中在这些故障模式上，评估它们发生的原因以及我们可以采取的措施。
在博士生 Mackenzie Meni 的带领下，我们开发了一种名为 PEEK 的技术，可以“窥视”神经网络的内部工作原理，以直观地了解它们所关注的细节。PEEK 可以解释神经网络的决策并揭示数据偏差。令人兴奋的是，即使神经网络无法产生正确的输出，PEEK 也能经常从内部工作原理中辨别出正确的输出。正在进行的工作旨在使用这些“修正”的输出作为故障保护措施，以便在运行中捕获和纠正错误。
神经网络的多功能性使我们能够跨学科合作。我们经常与航空航天和生物医学工程师合作。
我们与自主实验室的博士生 Trupti Mahendrakar (21 MS) 一起，为空军研究实验室 (AFRL) 开发了用于自主卫星群的视觉和制导算法，并正在持续研究人类引导的视觉算法。
博士生 Nehru Attzs ('16, '19 MS) 正在开发一种实时跟踪卫星组件的算法。
我和博士生 Arianna Issitt (23 岁) 目前是 AFRL 的暑期教师/研究生，正在研究一个项目，将追踪卫星送入航天器周围的检测轨道，捕捉图像以进行 3D 重建。我们正在设计最佳检测轨道并将其部署在航天计算机上。
此外，我们还与多尺度心血管液体实验室合作，开发神经网络，以非侵入方式实时评估患者血管内的血流动态。这可以帮助医疗团队快速为心血管疾病患者制定诊断和治疗计划。
NETS 实验室的努力旨在从广义上加深对人工智能的理解，并为航天和医学领域的安全关键应用设计有效的解决方案。
页:
[1]