据报道，加州大学圣地亚哥分校正在开发和实施的许多人工智能驱动的技术和创新可能会推动“人工智能革命”的下一个发展。从帮助我们管理慢性健康状况到决定看哪部电影，人工智能的进步可以帮助我们制定决策，加速科学发现，甚至拯救生命。
以下只是校园内正在开发的众多工具和技术中的七种，这些工具和技术有可能从研究领域走向现实世界：
1. 帮助认知障碍患者的社交机器人
美国加州大学圣地亚哥分校医疗机器人实验室正在开发的一款人工智能机器人，未来可以改善痴呆症或轻度认知障碍患者获得护理的机会并提高其独立性。用于动机和神经康复的认知辅助机器人（CARMEN）是一款社交机器人，旨在教授与记忆、注意力、组织、解决问题和规划相关的策略。
使用定制人工智能算法，CARMEN 可以了解用户并根据个人的能力和目标定制其交互功能。这些互动可能包括教人们形成支持记忆的习惯，比如把东西放在家里熟悉的地方，或者帮助他们设定和实现他们的认知目标，比如记住社交聚会上的人员名字等等。
一位用户正在观看CARMEN原型机解释其作为认知助手的功能
（图片来源：加州大学圣地亚哥分校医疗机器人实验室）
此项目由该实验室主任、机器人学家劳雷尔·里克（Laurel Riek）牵头，她是一名计算机科学与工程学教授。Riek 在人工智能和机器人技术的交叉领域工作了数十年，他表示像 CARMEN 这样的机器人具有在该领域取得令人兴奋的进步的潜力。作为该团队研究的一部分，CARMEN 的原型已经被用来为美国圣地亚哥乔治·G·格伦纳阿尔茨海默氏症家庭中心的个人提供认知干预，最近还用于人们的家中。
2. 管理慢性健康状况的移动平台
近年来，从智能手表和健身追踪器到血压监测仪、贴片和生物传感器，可穿戴医疗设备迅速普及，使用户和临床医生能够实时访问个人健康数据。但是，如果有一种方法可以结合这些数据来生成精确的个性化建议，帮助人们管理高血压和糖尿病等慢性病呢？CIPRA.ai是一款新的移动应用程序，它可以做到这一点，并且基于加州大学圣地亚哥分校开发的技术。
CIPRA.ai 是一款基于加州大学圣地亚哥分校创建的技术的新型移动应用程序，旨在帮助用户应对慢性病的影响
（图片来源：CIPRA.ai ）
CIPRA.ai 的理念是慢性病的治疗不是“一刀切”的解决方案。该人工智能平台收集来自个人可穿戴设备和健康应用程序的多维数据，并将这些数据输入机器学习算法，算法可以了解用户并查明其病情的主要原因。然后，应用程序每天可以推荐一到两项专门针对用户量身定制的有针对性的干预措施，并且这对他们个人来说，在逆转疾病方面最有效。
加州大学圣地亚哥分校电气与计算机工程系教授兼无线通信中心主任 Sujit Dey 表示：“这只是我们在研究实验室开发的一项技术变成了真正的产品。” CIPRA.ai 专为与卫生系统合作部署而设计，允许医疗服务提供者获取患者的建议并跟踪进展情况，CIPRA.ai 很快将可供加州大学圣地亚哥分校健康中心的高血压患者使用。另外，该团队正在努力将该工具扩展到多慢性疾病平台，将为糖尿病、心理健康状况等的管理提供个性化建议。
3. 用于送货和微交通的自动驾驶车辆
在加州大学圣地亚哥分校，只需环顾四周即可瞥见未来。在这里，自动驾驶汽车实验室进行的研究已经走出了实验室，延伸到了遍布大学 1200 英亩校园的道路和人行道。自 2019 年首次亮相以来，用于投递邮件的自动驾驶高尔夫球车已成为校园里的常见景象，该实验室研究团队的负责人兼加州大学圣地亚哥分校情景机器人研究所的负责人 Henrik Christensen 表示，这个项目仅仅触及了皮毛。人工智能如何改变校园、城市及其他地区的交付和微交通物流。
Christensen的团队使用他们为邮件投递车辆开发的相同底层人工智能算法，这些算法被编程为在到达目的地的途中遵守交通法规，并检测沿途的汽车、自行车或行人。而今年秋天的下一个项目是三轮踏板车，经过编程，可以在一天中的特定时间自动驾驶到校园内的高需求地点。例如，早上，校园中央电车站可能会发现几辆踏板车，可供通勤者接送并骑车去上课。当用户到达目的地后，滑板车就会自行返回到需要的地方。
Christensen教授表示，开发人工智能算法，让自动驾驶汽车能够安全地在大学校园内的行人密集路线上行驶，这是一项有趣的研究挑战。已经商业化的自动驾驶技术可以灵活地应对高速公路行驶，但密集的城市环境仍然是一个重大挑战。
“我们正在努力解决当前自动驾驶公司尚未解决的问题，” Christensen说。
4. 改进大气河流预测的工具
斯克里普斯海洋学研究所西部天气和水极端事件中心(CW3E)的大气科学家和计算机科学家团队创建了一种人工智能工具，用于改进综合水汽输送 (IVT) 的预测，综合水汽输送 (IVT) 是气候变化的关键变量。确定大气河流的存在和强度，并且它已经对整个加利福尼亚州的水资源管理者的决策产生了重大影响。
在 CW3E 副主任 Luca Delle Monache 的领导下，该团队开发了机器学习算法，可以在他们所谓的“后处理框架”中筛选大量天气数据。这种方法使他们能够根据预测模型过去所犯的错误来改进今天所做的预测。通过该中心的预测知情水库运营 (FIRO) 计划，这些高度准确、机器学习驱动的预测已被开发出来，以确定应该从水库释放多少水以及何时释放，这不仅优化了该州的供水，还降低了风险洪水。CW3E 的研究人员发现，通过更好地预测降水量和水库流入量，水资源管理者每年可以节省大约 25% 的水。
“机器学习在基于物理的动态模型中的应用改变了游戏规则，”Delle Monache 说。“这是一个激动人心的时刻，我们确实做出了有意义的改进和贡献。”
5. 提供电影推荐的聊天机器人
在流媒体巨头 Netflix 的资助下，雅各布斯工程学院的研究人员正在构建一个对话式推荐系统，该系统可以与观众进行双向对话，并根据他们的个人兴趣和喜好推荐特定的电影观看。
“为您推荐：”每次登录 Netflix、Hulu、Disney+ 或任何其他流行的流媒体应用程序时，我们都会看到这些内容。这些公司掌握了有关你观看的内容类型以及你观看内容的时间的数据，并采用个性化的机器学习算法来确定你的偏好。但如果这些推荐系统可以更进一步呢？如果你可以与他们谈论你的喜好，并且他们可以与你对话，或者相应地调整他们的建议，会怎样呢？
正处于将这一想法变为现实的早期阶段。在 Netflix 的资助下， 雅各布斯工程学院的实验室里专门研究推荐系统的计算机科学教授Julian McAuley和他的团队正在构建演示系统，以探索这项技术的可能性以及用户可能会如何反应。随着过去一年 ChatGPT 等生成式人工智能工具的快速发展，McAuley 观察到人们对对话式推荐系统的兴趣呈指数级增长。这项工作涉及将大型语言模型与专注于在高度特定领域提出建议的传统推荐系统相结合。为了训练模型， McAuley和他的团队正在收集电影评论、Reddit上有关电影的对话等数据集。
McAuley说：“这个想法已经从看起来不可能变成了几乎触手可及的东西。”他表示，这项技术的潜在应用可能远远超出电影范围，包括电子商务、时尚、健身等。“每个人都想参与构建和部署这些东西。”
6. 可以进行自动化救生手术的机器人
加州大学圣地亚哥分校的工程师正在开发人工智能技术，可以装备手术机器人来执行自动化手术。
想象一下，有人刚刚在急救人员难以到达的偏远地区发生车祸，幸存下来。但手臂被一块碎玻璃划出了一道很深的伤口，并且流着很多血。情况非常严峻，直到一架从头顶飞过的无人机将一个经过训练可以修复失血控制血管的自主手术机器人降落到地面上。这听起来就像是科幻电影中的场景，虽然我们不太可能很快看到这种情况发生，但加州大学圣地亚哥分校的工程师已经在为其奠定基础。
电气和计算机工程副教授 Michael Yip 及其工程和临床合作者团队正在建造带有人工智能组件的手术机器人，可以识别血液、控制出血、缝合、自主执行某些手术程序等。最近，Yip与加州大学圣地亚哥分校医学院合作，与美国陆军远程医疗和先进技术研究中心以及 SRI International 共同开发了一款 25 磅重的人形手术机器人，已经帮助人类外科医生进行血管修复。开发能够识别患者之间的个体差异和解剖结构差异的人工智能算法是一项极其复杂的工作，但Yip认为这对个人来说是有益的，并表示这些进步有一天可能会拯救人们的生命。
“机器人和自动化不仅是一个潜在的未来，也是医学的未来，” Yip说。“统计数据表明，我们没有足够的医生和外科医生来应对不断增加的患者人数，因此需要采取一些措施来满足人们所需的护理量。”
7. 受大脑启发的面部识别方法
加州大学圣地亚哥分校的计算神经科学家建立了一个模仿大脑的突触记忆系统，发现它比传统的面部识别技术识别更多的面孔。
面部识别技术就在我们身边。从我们手中的智能手机到机场和零售店的安全摄像头，人工智能（以深度学习算法和人工神经网络的形式）可以了解我们的长相并在以后识别我们。这些人工神经网络通过可变权重连接，模仿人脑神经元之间的突触。但大脑中的突触非常复杂，我们并不完全了解它们的内部运作方式：这就是为什么面部识别等典型人工智能技术传统上是使用简单的“突触”或权重而不是复杂的、受大脑启发的构建的原因之一。
但是，如果建立用于面部熟悉度检测的人工神经网络来复制这些类似大脑的突触，会发生什么？这个系统在记住面孔方面会更好吗？加州大学圣地亚哥分校神经生物学助理教授马库斯·本纳 (Marcus Benna) 和同事决定找出答案，因此他们建造了一个。在去年发表的一项研究中，研究小组发现他们的突触记忆系统可以识别更多数量的面孔，并且当他们添加更多突触时，数量比简单突触增加得更快。
Benna对突触复杂性进行了广泛研究，他表示，作为一名计算神经科学家，他的主要目标是更好地了解大脑如何工作以及如何克服其局限性，而不是构建机器学习应用。但随着人工智能和神经科学领域日益融合，它们各自的进步被证明是互惠互利的。
