DARPA 下一代人工智能技术指什么?
2018-09-12   全球技术地图


在过去60年里,DARPA在创造和推动人工智能(AI)技术方面发挥了主导作用,这些技术为美国防部带来了改变游戏规则的能力。




20世纪60年代,DARPA研究形成了第一次人工智能技术浪潮,该技术以“手工知识”为特征,基于规则的系统,能够进行狭义定义的任务。虽然这是该领域的关键一步,但这些系统比较脆弱且功能有限。


从20世纪90年代开始,在DARPA引领下开创了第二次AI机器学习技术浪潮,该技术以“统计学习”为特征,典型应用如人工神经网络系统,并在无人驾驶汽车等领域取得进展。虽然上述AI技术对明确的问题有较强的推理和判断能力,但该技术依赖于大量高质量的训练数据,不适应不断变化的环境,性能保证有限,并且无法向用户提供其结果的解释,不具备学习能力,处理不确定问题的能力也较弱。


为了解决前两次AI技术浪潮的局限性,DARPA寻求探索新的理论和应用,使机器能够适应不断变化的环境。DARPA将下一代人工智能看作是技术进步的第三次浪潮。


为了更好地确定前进的道路,DARPA2018年9月7日宣布将投入20亿美元开发新的人工智能(AI)技术,这是该机构“AI Next(下一代人工智能)”计划的一部分。这笔钱将用于资助DARPA新的和现有的人工智能研究项目。



DARPA局长史蒂文·沃克(Steven Walke)在该机构成立60周年大会上表示:“通过AI Next计划,我们正在投资多项人工智能项目研究,旨在将计算机从专门工具转化为解决问题的合作伙伴。目前,机器缺乏语境推理能力,对它们的训练必须涵盖所有可能发生的情况,这不仅代价高昂,而且最终是不可能做到的。我们希望探索机器如何获得类似人类的交流和推理能力,以及识别新情况和环境并适应它们的能力。”


DARPA目前正在开展20多个AI项目,探索推动人工智能技术的发展方法,推动第二次机器学习技术浪潮向上下文推理能力的发展。此外,超过60个项目正在应用AI技术,从协同共享电磁频谱带宽到探测和修补赛博漏洞。在接下来的12个月中,DARPA计划发布多个项目,以推动人工智能的发展。


AI Next(下一代人工智能)


1

项目背景

在过去几年中,人们对AI被称为机器学习的子领域产生了极大兴趣,这种子领域将统计和概率方法应用于大数据,以创建可应用于未来样本的广义表示。这些方法中最重要的是深度学习(人工)神经网络,当有足够的历史数据时,可以对其进行训练以执行各种分类和预测任务。


然而,由于收集、标识和审查用于训练数据的技术手段非常昂贵且耗时,DARPA设想在未来,机器不仅仅是执行人类编程规则或从数据集中归纳推演的工具。相反,DARPA设想的机器将更多地作为同事而不是工具。



为此,DARPA在人机共生方面的研究和开发确立了与机器合作的目标。以这种方式启用计算系统至关重要,因为传感器、信息和通信系统生成数据的速率已超出人类可以消化吸收、理解和行动的速度。将这些技术融入与作战人员合作的军事系统中,将有助于在复杂、时间紧迫的战场环境中做出更好的决策;能够共同理解大量、不完整和矛盾的信息;并使无人系统能够安全地执行关键任务并具有高度自治。DARPA将其投资重点放在第三次人工智能浪潮上,这种人工智能带来机器的理解和推理能力。


2

能力建设

新功能

AI技术已应用于DARPA研发的项目,包括60多个现有项目,如电子复兴计划,以及涉及复杂赛博攻击的实时分析、欺诈性图像检测、全域战争动态杀伤链的构建、人类语言技术、多模态自动目标识别、生物医学和假肢控制。DARPA将推进人工智能技术,以实现关键部门业务流程的自动化。其中一个过程是在操作部署之前对软件系统进行冗长的认证。现在可以使用已知的AI和其他技术自动化此认证流程。

鲁棒的人工智能

人工智能技术已经证明了在各种任务中的巨大价值,如基于空间的图像分析,赛博攻击警告,供应链物流和微生物系统分析。与此同时,人工智能技术的失效模式知之甚少。DARPA正重点针对研发和生产的分析和验证不足,致力于解决这一难题。DARPA的成功对于部门部署人工智能技术至关重要,尤其是在需要可靠性能的战术优势方面。

对抗性人工智能

今天最强大的AI工具是机器学习(ML)。ML系统很容易就会被无法欺骗人类的输入改变所欺骗。用于训练此类系统的数据可能已损坏。而且,软件本身很容易受到赛博攻击。随着更多应用AI的系统部署,必须解决其所面临的问题。


高性能人工智能

在过去十年中,计算机性能的提高使得机器学习与大型数据集和软件库的结合获得了成功。在低功率下的性能对于数据中心和战术部署都是至关重要。DARPA已经展示了AI算法的模拟处理,与现有技术的数字处理器相比,具有1000倍的加速和1000倍的功率效率,并且正在研究AI专用的硬件设计。DARPA还通过研究大幅减少对标记训练数据要求的方法来应对当前机器学习低效率的问题。

下一代人工智能

能够进行人脸识别和自动驾驶车辆的机器学习算法是20多年前发明的。DARPA在开发下一代人工智能算法方面率先开展了研究,它将把计算机从工具转换为解决问题的合作伙伴。DARPA研究的目的是使人工智能系统能够解释他们的行为,这是通过常识知识来获取和推理的。DARPA在R&D上取得了最初的成功,如专家系统和搜索,最近还实现了先进的机器学习工具和硬件。DARPA正在创造第三次人工智能技术浪潮,这将使美国能够在这一关键领域保持其技术优势。


编译丨电波之矛

转自丨电波之矛


//所有站点 //公用网站