جدید ترین زبان برنامه نویسی هوش مصنوعی (gen) معرفی شده توسط دانشگاه MIT زبان برنامه نویسی جن برای مدل سازی و استنباط احتمالی ابزار اصلی در زمینه های مختلف از جمله آمار ، یادگیری ماشین ، بینایی کامپیوتر ، علوم شناختی ، رباتیک...

Gen یک سیستم برنامه نویسی احتمالی با هدف کلی است که در جولیا تعبیه شده است.

Gen جزئیات پیاده سازی الگوریتم های استنباط احتمالی را خودکار می کند 
زبان برنامه نویسی جن  مدل سازی و استنباط احتمالی ابزار اصلی در زمینه های مختلف از جمله آمار ، یادگیری ماشین ، بینایی کامپیوتر ، علوم شناختی ، رباتیک ، پردازش زبان طبیعی و هوش مصنوعی است. برای پاسخگویی به نیازهای کاربردی برنامه ها ، پزشکان از طیف گسترده ای از تکنیک های مدل سازی و الگوریتم های استنباط تقریبی استفاده می کنند. با این حال ، پیاده سازی الگوریتم های استنباط اغلب مشکل و مستعد خطا است. Gen با استفاده از زبانهای مدل سازی که در آن کاربران مدلها را بیان می کنند و ساختارهای برنامه نویسی سطح بالا که جنبه های استنباط را اتوماتیک می کنند ، استفاده از مدل سازی و استنتاج احتمالی را ساده می کند.

چرا GEN؟
Gen جزئیات پیاده سازی الگوریتم های استنباط احتمالی را خودکار می کند
کتابخانه استنتاج Gen ، بلوک های ساختاری را برای نوشتن الگوریتم های استنباط احتمالی کارآمد که متناسب با مدل های آنها هستند ، به کاربران می دهد ، در حالی که ریاضیات روی حیله و تزویر و جزئیات اجرای سطح پایین را خودکار می کند. Gen به کاربران کمک می کند تا الگوریتم های ترکیبی را ترکیب کنند که شبکه های عصبی ، استنباط متغیر ، نمونه های متوالی مونت کارلو و زنجیره مارکوف مونت کارلو را با هم ترکیب می کند.

Gen به کاربران اجازه می دهد تا با انعطاف پذیری در معاملات عملکردی حرکت کنند

Gen از یک زبان مدل سازی با کاربرد آسان برای نوشتن مدل های مولد ، مدل های استنباط ، خانواده های متنوع و توزیع های پیشنهادی با استفاده از کد معمولی جولیا برخوردار است. اما همچنین به کاربران اجازه می دهد بخشهایی از الگوریتم مدل یا استنباط خود را به زبانهای مدل سازی ویژه ای که می تواند به ویژه کد سریع برای آنها تولید کند ، منتقل کنند. همچنین کاربران می توانند قسمت هایی از مدل های خود را که خواستار عملکرد بهتر هستند ، کد دستی کنند. 

Gen از الگوریتم های استنباط ترکیبی سفارشی پشتیبانی می کند

استنباط شبکه عصبی سریع است ، اما می تواند در داده های خارج از توزیع نادرست باشد و به آموزش گران نیاز دارد. استنتاج مبتنی بر مدل از نظر محاسباتی گران تر است اما نیازی به آموزش مجدد ندارد و می تواند دقیق تر باشد. Gen از الگوریتم های استنباط ترکیبی سفارشی پشتیبانی می کند که از نقاط قوت هر دو روش بهره مند می شوند.

کاربران بدون تمدید کامپایلر الگوریتم های استنباط سفارشی را می نویسند

Gen به جای یک موتور استنتاج که الگوریتم های استنتاج را با جزئیات کامپایلر زبان کاملاً زوج می کند ، یک API انعطاف پذیر برای اجرای یک مجموعه باز استنتاج و الگوریتم های یادگیری به کاربران می دهد. این API شامل تمایز خودکار (AD) است ، اما فراتر از AD است و شامل بسیاری از عملیات دیگری است که برای الگوریتم های استنتاج مبتنی بر مدل مورد نیاز است.

استنباط کارآمد در مدلهای دارای ساختار تصادفی
مدل های تولیدی و مدل های استنباطی در Gen می توانند نمودارهای محاسباتی پویا داشته باشند. پشتیبانی منحصر به فرد Gen از الگوریتم های برگشت پذیر سفارشی و الگوریتم های MCMC مشتق ، امکان استنتاج کارآمدتر در مدل های مولد با ساختار تصادفی را فراهم می کند.

Web site for install: GEN