據報道，加州大學圣地亞哥分校正在開發和實施的許多人工智能驅動的技術和創新可能會推動“人工智能革命”的下一個發展。從幫助我們管理慢性健康狀況到決定看哪部電影，人工智能的進步可以幫助我們制定決策，加速科學發現，甚至拯救生命。

以下只是校園內正在開發的眾多工具和技術中的七種，這些工具和技術有可能從研究領域走向現實世界：

1. 幫助認知障礙患者的社交機器人

美國加州大學圣地亞哥分校醫療機器人實驗室正在開發的一款人工智能機器人，未來可以改善癡呆癥或輕度認知障礙患者獲得護理的機會并提高其獨立性。用于動機和神經康復的認知輔助機器人（CARMEN）是一款社交機器人，旨在教授與記憶、注意力、組織、解決問題和規劃相關的策略。

使用定制人工智能算法，CARMEN 可以了解用戶并根據個人的能力和目標定制其交互功能。這些互動可能包括教人們形成支持記憶的習慣，比如把東西放在家里熟悉的地方，或者幫助他們設定和實現他們的認知目標，比如記住社交聚會上的人員名字等等。

一位用戶正在觀看CARMEN原型機解釋其作為認知助手的功能

（圖片來源：加州大學圣地亞哥分校醫療機器人實驗室）

此項目由該實驗室主任、機器人學家勞雷爾·里克（Laurel Riek）牽頭，她是一名計算機科學與工程學教授。Riek 在人工智能和機器人技術的交叉領域工作了數十年，他表示像 CARMEN 這樣的機器人具有在該領域取得令人興奮的進步的潛力。作為該團隊研究的一部分，CARMEN 的原型已經被用來為美國圣地亞哥喬治·G·格倫納阿爾茨海默氏癥家庭中心的個人提供認知干預，最近還用于人們的家中。

2. 管理慢性健康狀況的移動平臺

近年來，從智能手表和健身追蹤器到血壓監測儀、貼片和生物傳感器，可穿戴醫療設備迅速普及，使用戶和臨床醫生能夠實時訪問個人健康數據。但是，如果有一種方法可以結合這些數據來生成精確的個性化建議，幫助人們管理高血壓和糖尿病等慢性病呢？CIPRA.ai是一款新的移動應用程序，它可以做到這一點，并且基于加州大學圣地亞哥分校開發的技術。

CIPRA.ai 是一款基于加州大學圣地亞哥分校創建的技術的新型移動應用程序，旨在幫助用戶應對慢性病的影響

（圖片來源：CIPRA.ai ）

CIPRA.ai 的理念是慢性病的治療不是“一刀切”的解決方案。該人工智能平臺收集來自個人可穿戴設備和健康應用程序的多維數據，并將這些數據輸入機器學習算法，算法可以了解用戶并查明其病情的主要原因。然后，應用程序每天可以推薦一到兩項專門針對用戶量身定制的有針對性的干預措施，并且這對他們個人來說，在逆轉疾病方面最有效。

加州大學圣地亞哥分校電氣與計算機工程系教授兼無線通信中心主任 Sujit Dey 表示：“這只是我們在研究實驗室開發的一項技術變成了真正的產品。” CIPRA.ai 專為與衛生系統合作部署而設計，允許醫療服務提供者獲取患者的建議并跟蹤進展情況，CIPRA.ai 很快將可供加州大學圣地亞哥分校健康中心的高血壓患者使用。另外，該團隊正在努力將該工具擴展到多慢性疾病平臺，將為糖尿病、心理健康狀況等的管理提供個性化建議。

3. 用于送貨和微交通的自動駕駛車輛

在加州大學圣地亞哥分校，只需環顧四周即可瞥見未來。在這里，自動駕駛汽車實驗室進行的研究已經走出了實驗室，延伸到了遍布大學 1200 英畝校園的道路和人行道。自 2019 年首次亮相以來，用于投遞郵件的自動駕駛高爾夫球車已成為校園里的常見景象，該實驗室研究團隊的負責人兼加州大學圣地亞哥分校情景機器人研究所的負責人 Henrik Christensen 表示，這個項目僅僅觸及了皮毛。人工智能如何改變校園、城市及其他地區的交付和微交通物流。

Christensen的團隊使用他們為郵件投遞車輛開發的相同底層人工智能算法，這些算法被編程為在到達目的地的途中遵守交通法規，并檢測沿途的汽車、自行車或行人。而今年秋天的下一個項目是三輪踏板車，經過編程，可以在一天中的特定時間自動駕駛到校園內的高需求地點。例如，早上，校園中央電車站可能會發現幾輛踏板車，可供通勤者接送并騎車去上課。當用戶到達目的地后，滑板車就會自行返回到需要的地方。

Christensen教授表示，開發人工智能算法，讓自動駕駛汽車能夠安全地在大學校園內的行人密集路線上行駛，這是一項有趣的研究挑戰。已經商業化的自動駕駛技術可以靈活地應對高速公路行駛，但密集的城市環境仍然是一個重大挑戰。

“我們正在努力解決當前自動駕駛公司尚未解決的問題，” Christensen說。

4. 改進大氣河流預測的工具

斯克里普斯海洋學研究所西部天氣和水極端事件中心(CW3E)的大氣科學家和計算機科學家團隊創建了一種人工智能工具，用于改進綜合水汽輸送 (IVT) 的預測，綜合水汽輸送 (IVT) 是氣候變化的關鍵變量。確定大氣河流的存在和強度，并且它已經對整個加利福尼亞州的水資源管理者的決策產生了重大影響。

在 CW3E 副主任 Luca Delle Monache 的領導下，該團隊開發了機器學習算法，可以在他們所謂的“后處理框架”中篩選大量天氣數據。這種方法使他們能夠根據預測模型過去所犯的錯誤來改進今天所做的預測。通過該中心的預測知情水庫運營 (FIRO) 計劃，這些高度準確、機器學習驅動的預測已被開發出來，以確定應該從水庫釋放多少水以及何時釋放，這不僅優化了該州的供水，還降低了風險洪水。CW3E 的研究人員發現，通過更好地預測降水量和水庫流入量，水資源管理者每年可以節省大約 25% 的水。

“機器學習在基于物理的動態模型中的應用改變了游戲規則，”Delle Monache 說。“這是一個激動人心的時刻，我們確實做出了有意義的改進和貢獻。”

5. 提供電影推薦的聊天機器人

在流媒體巨頭 Netflix 的資助下，雅各布斯工程學院的研究人員正在構建一個對話式推薦系統，該系統可以與觀眾進行雙向對話，并根據他們的個人興趣和喜好推薦特定的電影觀看。

“為您推薦：”每次登錄 Netflix、Hulu、Disney+ 或任何其他流行的流媒體應用程序時，我們都會看到這些內容。這些公司掌握了有關你觀看的內容類型以及你觀看內容的時間的數據，并采用個性化的機器學習算法來確定你的偏好。但如果這些推薦系統可以更進一步呢？如果你可以與他們談論你的喜好，并且他們可以與你對話，或者相應地調整他們的建議，會怎樣呢？ 

正處于將這一想法變為現實的早期階段。在 Netflix 的資助下， 雅各布斯工程學院的實驗室里專門研究推薦系統的計算機科學教授Julian McAuley和他的團隊正在構建演示系統，以探索這項技術的可能性以及用戶可能會如何反應。隨著過去一年 ChatGPT 等生成式人工智能工具的快速發展，McAuley 觀察到人們對對話式推薦系統的興趣呈指數級增長。這項工作涉及將大型語言模型與專注于在高度特定領域提出建議的傳統推薦系統相結合。為了訓練模型， McAuley和他的團隊正在收集電影評論、Reddit上有關電影的對話等數據集。 

McAuley說：“這個想法已經從看起來不可能變成了幾乎觸手可及的東西。”他表示，這項技術的潛在應用可能遠遠超出電影范圍，包括電子商務、時尚、健身等。“每個人都想參與構建和部署這些東西。”

6. 可以進行自動化救生手術的機器人

加州大學圣地亞哥分校的工程師正在開發人工智能技術，可以裝備手術機器人來執行自動化手術。

想象一下，有人剛剛在急救人員難以到達的偏遠地區發生車禍，幸存下來。但手臂被一塊碎玻璃劃出了一道很深的傷口，并且流著很多血。情況非常嚴峻，直到一架從頭頂飛過的無人機將一個經過訓練可以修復失血控制血管的自主手術機器人降落到地面上。這聽起來就像是科幻電影中的場景，雖然我們不太可能很快看到這種情況發生，但加州大學圣地亞哥分校的工程師已經在為其奠定基礎。

電氣和計算機工程副教授 Michael Yip 及其工程和臨床合作者團隊正在建造帶有人工智能組件的手術機器人，可以識別血液、控制出血、縫合、自主執行某些手術程序等。最近，Yip與加州大學圣地亞哥分校醫學院合作，與美國陸軍遠程醫療和先進技術研究中心以及 SRI International 共同開發了一款 25 磅重的人形手術機器人，已經幫助人類外科醫生進行血管修復。開發能夠識別患者之間的個體差異和解剖結構差異的人工智能算法是一項極其復雜的工作，但Yip認為這對個人來說是有益的，并表示這些進步有一天可能會拯救人們的生命。

“機器人和自動化不僅是一個潛在的未來，也是醫學的未來，” Yip說。“統計數據表明，我們沒有足夠的醫生和外科醫生來應對不斷增加的患者人數，因此需要采取一些措施來滿足人們所需的護理量。” 

7. 受大腦啟發的面部識別方法

加州大學圣地亞哥分校的計算神經科學家建立了一個模仿大腦的突觸記憶系統，發現它比傳統的面部識別技術識別更多的面孔。

面部識別技術就在我們身邊。從我們手中的智能手機到機場和零售店的安全攝像頭，人工智能（以深度學習算法和人工神經網絡的形式）可以了解我們的長相并在以后識別我們。這些人工神經網絡通過可變權重連接，模仿人腦神經元之間的突觸。但大腦中的突觸非常復雜，我們并不完全了解它們的內部運作方式：這就是為什么面部識別等典型人工智能技術傳統上是使用簡單的“突觸”或權重而不是復雜的、受大腦啟發的構建的原因之一。

但是，如果建立用于面部熟悉度檢測的人工神經網絡來復制這些類似大腦的突觸，會發生什么？這個系統在記住面孔方面會更好嗎？加州大學圣地亞哥分校神經生物學助理教授馬庫斯·本納 (Marcus Benna) 和同事決定找出答案，因此他們建造了一個。在去年發表的一項研究中，研究小組發現他們的突觸記憶系統可以識別更多數量的面孔，并且當他們添加更多突觸時，數量比簡單突觸增加得更快。

Benna對突觸復雜性進行了廣泛研究，他表示，作為一名計算神經科學家，他的主要目標是更好地了解大腦如何工作以及如何克服其局限性，而不是構建機器學習應用。但隨著人工智能和神經科學領域日益融合，它們各自的進步被證明是互惠互利的。