能够预测未来的机器，能够修复伤口的机器人，无线情绪检测器，这些只是今年MIT计算机科学与人工智能实验室（CSAIL）的部分项目。今年，MIT CSAIL的研究人员在机器人学、无线技术、软件系统以及其他学科领域开展了一系列项目，本文介绍了16个引人注目的成果，涵盖了CSAIL的多个计算机科学学科。
机器人——从探索火星到探索胃袋
可吞服的微型折叠机器人
由CSAIL主任Daniela Rus带领的团队开发了一种可吞服的微型折叠机器人，这种机器人装于一个可吞服的胶囊中，进入人的胃袋后展开，在外部磁场作用下进行转向或者沿胃壁爬动，并挪走被误食的纽扣电池或者进行伤口修复。
太空探索Valkyrie机器人
CSAIL机器人动力小组的研究人员为NASA的仿人机器人 “Valkyrie”编程，以让机器人完成一系列高难度任务，未来可用于火星探索、外太空旅行等任务。Valkyrie机器人身上有四个摄像头，28个力矩控制的关节，44度自由度以及超过200个传感器，未来可以在太空任务中帮助宇航员，甚至取代宇航员执行任务。
液压驱动3D打印机器人
CSAIL使用交错结合固态与液态3D打印技术打造出完整机器人，机器人使用液压驱动，而且只有单个打印步骤，不需组装。
计算机视觉进展
可触摸的交互式动态视频技术
CSAIL提出一种称为交互式动态视频（Interactive Dynamic Video）的新型成像技术，能够让人使用普通的摄像机进入视频并“触摸”到视频里的物体。
（地址：http://news.mit.edu/2016/touching-objects-in-videos-with-interactive-dynamic-video-0802）
Cinema 3D电影显示器
来自CSAIL和以色列魏兹曼科学研究所的研究人员制作了一种名为Cinema 3D的电影显示器，使用特殊镜头和镜子，观众不许佩戴笨重的3D眼镜就能观看3D电影。
（地址：http://news.mit.edu/2016/glasses-free-3d-larger-scale-0725）
能预测未来的算法
CSAIL团队创建了一个算法可以预测“下一帧”图像，根据视频展示多一张定格图片，计算机能预测接下来图片中主要物体的动作，比如，两个人会拥抱还说击掌等等。在进行了600个小时的无标签视频训练后，团队用新视频进行了测试，算法识别正确率达43%，高于之前算法的36%。
（地址：http://news.mit.edu/2016/teaching-machines-to-predict-the-future-0621）
算法绘制第一张黑洞图片
就像无线电穿越墙一样，黑洞的射线也穿透银河系成爱。我们可能永远不能看到银河系中心，因为那里有太多东西挡在中间。要让黑洞成像，可能需要一个直径10000公里的望远镜，这而地球直径才不到13000公里。后来中心采用多个望远镜同时提供数据，但是依然有很多数据空洞，需要这个叫CHIRP（Continuous High-resolution Image Reconstruction using Patch priors）的算法来弥补。用机器学习算法识别视觉模式，真实图片中64像素的方块递归，她用这些特征进一步优化算法的图像重建。这一算法在重建原始图片上通常比之前的算法更好，对噪音的处理也更好。
（地址：http://news.mit.edu/2016/method-image-black-holes-0606）
健康医疗技术
医疗助理机器人
机器人帮助产房的护士规划工作，可建议把病人移到哪里，以及谁要做剖腹产。就像很多AI系统，这个机器人通过“看中学”被训练的。但是研究者还从来没有把这一技术用于规划中作，因为协调大量有依赖关系的行为是很复杂的。为了解决这个问题，团队训练系统观察人类规划者做的事，然后和所有可能的行为进行对比。这样它具备了可以动态响应从没见过的新状况的规划能力。
计算机识别MRI影像胎儿器官
MIT和波士顿儿童医院、麻州医院的研究者，提出算法识别核磁共振扫描中胎儿器官，以更好地评估胎儿健康，让医生从动态的医学图像中解脱出来
无线设备EQ-Rado识别情绪
无线设备EQ-Rado通过测量呼吸和心律检测情绪，可分辨你是兴奋、高兴、生气还是悲伤。EQ-Radio发射无限信号到人体，检测反射过来的信息，用算法进行心律抽取和分析。
算法、系统和网络
Polaris系统提高网页加载速度
当你输入网址，你的浏览器并不知道网页是什么。浏览器必须获取“对象”HTML文件、Javascript、图片等才能加载网页，但是每个“对象”可能相互之间有所依赖，所以浏览器必须等待一些有依赖的对象，谨慎的进行加载。但是Polaris自动根据所有对象之间的关系，这些可以在一个单独页面列下来。比如它发现当一个对象从另一个对象那里读取数据或者更新值的时候，它用详细的关系日志为网页创建一个依赖关系图。
（地址：http://news.mit.edu/2016/system-loads-web%20pages-34-percent-faster-0309）
分析蚁群行为创建更好的网络通信算法
CSAIL的一个团队通过分析蚁群行为创建更好的网络沟通算法，可应用于例如：社交网络和机器人群的集体决策。蚂蚁超级擅长估算附近其它蚂蚁的密度。这个能力在几个沟通行为中扮演重要角色。
（地址：http://news.mit.edu/2016/ant-colony-behavior-better-algorithms-network-communication-0713)
训练神经网络解释决策
近年来，人工智能研究中效果最好的系统被认为是神经网络。但是神经网络是"黑箱“。训练之后的神经网络也许很擅长数据分类，但是连它的创造者都不知道为什么？视觉数据方面，有时候可能自动化实验确定哪个数据特征让升级网络做出反应，但是文本处理的系统更不透明。
为了解释神经网络的决策，CSAIL研究者把网络分为两个模块。第一个模块提取训练数据中的文本片段，文本片段根据它的长度和连贯性打分。然后被传给第二个模块，这个模块做预测和分类。如果第一个模块提取了三个词，第二个模块，把他们跟正确的评分对应，这样系统就像人类一样知道评判的原则。
(地址：http://news.mit.edu/2016/making-computers-explain-themselves-machine-learning-1028）
数据安全
网络安全峰会
CSAIL举办了一次网络安全峰会，召集了来自学术界、工业界的技术人员，以及政府相关人士，演讲人包括美国国家安全局局长Michael Rogers和联邦调查局副局长Andrew McCabe。
匿名网络系统Riffle
研究人员开发了一个新的匿名网络系统Riffle，能够使用较少的带宽在匿名用户之间传输大文件。目前广泛使用的匿名网络系统是Tor，但它本身有一些漏洞，甚至被FBI盯上用于追捕罪犯。Riffle修补了Tor的一些漏洞，在对抗黑客监听方面有着更好的安全性。
预测网络攻击系统AI2
深度学习系统AI2能够在一些人类输入的帮助下预测85%的网络攻击。
