MizzouEngineering的研究人员正在研究如何设计材料以提高机器查看和理解物理对象的能力。问题是两方面的。一方面，团队需要弄清楚为什么人工智能(AI)算法有时会错误地识别或无法正确识别图像中的对象。最终，这些算法控制无人机和自动驾驶汽车的行为。另一方面，他们需要确定材料需要哪些属性才能与这些算法进行理想的交互。

“我们希望人工智能看得更清楚，”德里克·安德森副教授说。“就好像我不戴眼镜走来走去，一切都显得模糊。我们想要设计眼镜，让AI算法尽可能地发挥作用。但是你如何为人工智能算法设计这些眼镜呢?你如何选择合适的材料?”

电气工程和计算机科学研究人员以及陆军工程师研发中心正在从两端解决这个问题。Anderson和博士生CharlieVeal正试图确定算法何时以及为何会崩溃。ScottKovaleski教授和博士生MarshallLindsay正在研究等式的物理方面，看看是否有可能创造一种材料来帮助AI实现愿景或帮助我们了解阻碍该愿景的因素。

“如果我们了解算法有什么缺陷或困难，我们可以改进它，或者，另一方面，根据目标，尝试让算法保持混乱，”科瓦莱斯基说。“我们正在寻找通过将材料与电磁波相互作用的机制纳入我们的算法来组合或塑造现有材料以产生所需效果的方法。”

对于自动驾驶汽车，它可以放大一些物体，同时从本质上过滤掉您可能不希望自动驾驶汽车看到的物体。例如，车辆需要看到它前面的人，但它不应响应路边广告图像中的人。

在另一个例子中，在服装中使用新材料可以使自动驾驶汽车在光线不足的情况下更容易检测到骑自行车的人或行人。

在应用中，它可以通过改进视觉引导无人机或地面车辆以支持部队运输、导航和探索来帮助挽救生命。

该团队最近向2020年和2021年光光学仪器工程师协会提交了他们在AI增强型编码孔径和全息术方面的发现。正如人工智能可以用来设计更好的材料一样，了解物体和环境的物理环境(例如电磁约束)可以提高人工智能算法的有效性。

在数字空间中，人工智能擅长识别图像中的物体。例如，GoogLeNet等分类网络可以识别照片中的球或苹果。但是如果你用滤镜稍微改变图像，人工智能就很难正确识别物体，即使人眼无法检测到这种变化。

Lindsay说，这是因为AI被训练来寻找特定的东西。例如，您可以通过向AI展示狗的图像来训练它绘制狗，但这并不意味着计算机了解狗是什么。

“通常情况下，人工智能会学习是什么造就了一只‘好’狗，比如腿、头和耳朵，”林赛说。“但是，如果我们不明确告诉它，人工智能可能会错过关键概念，例如只有四条腿的狗。在这种情况下，我们会看到AI想象“狗”的腿数不正确。如果我们想利用AI解决问题的能力，同时确保其决策不违反任何物理环境，则为AI提供这种物理环境至关重要。”

基于可解释人工智能的基础

该团队还在2020年电气和电子工程师协会(IEEE)计算智能研讨会系列中展示了他们的发现。Veal说，我们的目标是创建一种机器，能够以人类可控和可理解的方式来说明AI算法的行为。他的部分研究侧重于机器的构建和在不同条件下评估AI算法。

“这个研究项目很有趣，因为它不仅让我们创造了一台可以识别AI行为(好的和坏的)的机器，而且还建立了一个实验基础，帮助我们了解应该如何使用这些不同的算法——并且最重要的是不应该如何使用它们，”他说。“总的来说，我希望这项研究能启发其他人来检查不同AI算法的行为。”

不过，就目前而言，该小组正在努力了解物理学和人工智能相互作用背后的概念。

“一方面，你拥有相互关联的人工智能和材料，”安德森说。“如果你能改进材料，你就可以更容易地找到东西。相反，你可以让事情更难看。迄今为止，人工智能与材料之间存在着这种结合，但尚未受到足够的重视。我们正在探索一些基本问题，这些问题应该如何在数学上和实验上联系起来。”