DARPA人工智能技术研究情况一览

640?wx_fmt=jpeg

来源:一体化指挥调度国家工程实验室、高端装备发展研究中心


摘要:20世纪60年代初,DARPA(当时为ARPA)开始介入自主技术研究,并很快成为该领域的主要研究机构。DARPA意识到,人工智能可以满足大量的国家安全需要。DARPA虽然研制自主技术的时间较长,但长期以来,其研究的与自主相关的项目并非在一个固定的技术领域内进行,而是分散到多个不同的领域。直到2014年,才正式在国防科学办公室下划分出自主技术领域。


DARPA自主技术研究阶段


按时间节点看,DARPA对自主技术的研究大体上可以分为四个阶段:

相关阶段

研究内容

人工智能(AI)研究阶段

美国人工智能的发展很大程度上归功于DARPA的支持。20世纪60年代初期,DARPA在MAC计划中研制电脑分时操作技术,开始最初的人工智能技术研究。但是,直到60年代末,人工智能才作为一个单独的研究项目列入DARPA的预算。到了20世纪70年代中期,DARPA已经成为美国人工智能研究的主要支持者,并推动了人工智能技术的实际应用,如自动语音识别和图像理解。20世纪70年代末,人工智能得到更广泛的应用,并在一些军事系统上得到应用。1983年,人工智能技术成为DARPA战略计算项目的关键组成部分。在人工智能的研究上,DARPA不仅支持基础研究,如知识表达、问题解决以及自然语言结构等技术,也支持应用研究,如在专家系统、自动编程、机器人技术和计算机视觉等领域的应用研究。

战略计算项目阶段

20世纪80年代,国际上(特别是日本)加大了对计算机系统的研究,DARPA感到在计算领域的优势地位受到威胁。于是在1983年,DARPA成立战略计算项目,以此提高所有计算和信息处理领域的优势。AI成为战略计算项目的一个基本组成部分。

由于在进入战略计算项目之前,AI的研究项目有的取得显著进展,有的则面临较大技术问题难以为续。因此,战略计算项目在AI项目投资上,虽仍对所有技术领域进行投资,但更侧重于能够继续获得进步的技术。受到关注的4个项目为(1)语音识别项目,该项目可支撑导航辅助和作战管理;(2)自然语言开发,该技术为作战管理的基础;(3)视觉技术,该技术是自主无人车的基础;(4)可用于所有应用的专家系统。

1994年到2014年发展阶段

在战略计算项目之后,先进技术办公室(ATO)及后来的信息技术办公室(IPTO)继续开展相关自主技术的研究,在二十年的时间内先后进行了数十项技术的研究。包括ATO的战术机动机器人(TMR)项目(主要用的是遥控技术)、ITO的机动自主机器人软件(MARS)项目和分布式机器人软件(SDR)项目、MTO的分布式机器人项目等。

自主领域成立阶段(2014年至今)

2014年第2季度,DARPA的国防科学办公室建立新的研究领域:自主化(半自主化)。主要研究硬件和计算工具,使系统能够在缺少(甚至没有)基础设施的环境中,仅通过断断续续的联系便能正常工作。目前该领域的研究项目包括:自主机器人操纵(ARM)、FLA项目、MICA项目。其中,FLA项目为新设项目,其余为延续项目。

DARPA从四个方面来评判人工智能技术的能力,分别是感知、学习、抽象和推理。下图描述了人工智能的三次浪潮在这四个方面能力的不同。

640?wx_fmt=png

人工智能三次浪潮的能力区别


DARPA人工智能研究内容


DARPA很早启动了跨学科人工智能项目,综合了计算机科学、数学、概率论、统计和认知科学领域内的最新成果。DARPA在人工智能方面的研究主要涉及自然语言理解、问题求解以及感知和机器人等领域。

640?wx_fmt=jpeg

DARPA在人工智能领域开展的研究


自然语言理解——20世纪70年代初,DARPA启动了语音识别研究(Speech Understanding Research,SUR)项目。在该计划中,DARPA支持多个研究机构采用不同的方法进行语音识别研究,取得较好成绩的是CMU的Hearsay-Ⅱ技术以及BBN的HWIM(Hear What I Mean)技术。其中Hearsay-II提出了采用并行异步过程,将人讲话内容进行零碎化处理的前瞻性观念;而BBN的HWIM通过庞大的词汇解码处理复杂的语音逻辑规则来提高词汇识别的准确率。进入80年代,DARPA开始采用统计学的方法研究语音识别技术,开发了Sphinx、BYBLOS、DECIPHER等一系列语音识别系统,已经能够整句连续的语音识别。


2000年之后,DARPA开始研制通过对话进行人机交互(HCI)的系统,该系统还能从与不同人的对话中学习经验,提供个性化的服务。2005年,DARPA启动了全球自动化语言情报利用(GALE)项目。该项目寻求能够对标准阿拉伯语和汉语的印刷品、网页、新闻及电视广播进行实时翻译的技术,目标是使得95%的文本文档翻译和90%的语音文件翻译均能达到95%的正确率。


2008 年11月,DARPA又启动了Machine Reading项目,旨在实现人工智能的应用和发展学习系统的过程中,对自然文本进行知识插入。2012年启动的文本深度发掘和过滤(Deep Exploration and Filtering of Text,DEFT)项目更加明确地提出要利用深度学习技术发掘大量结构化文本中隐含的、有实际价值的特征信息,同时还要具备可将处理后的信息进行进一步整合的能力,在此基础上,将这些技术用于作战评估、规划、预测的辅助决策支持中。

640?wx_fmt=jpeg

文本深度发掘和过滤(DEFT)项目


2014年DARPA启动大机制(Big Mechanism)项目,开发协助计算机阅读科学和技术文章的技术,将知识片段综合成更完整的模型,并提出实现特定目标的干预措施。


感知和机器人——DARPA于1976年开始图像理解(Image Understanding)项目。最初的目标是用5年的时间开发出能够自动或半自动分析军事照片和相关图片的技术。项目参与单位包括麻省理工学院、斯坦福大学、罗切斯特大学、SRI和霍尼韦尔公司等。1979年,项目的目标增加了图形绘制技术。到了1981年,预计5年内完成的项目并没有终止,而是持续到2001年。


2001年,DARPA为解决环境感知问题,启动了PerceptOR项目,其目的是开发新型无人车用感知系统,要求系统足够灵巧,能够保证无人车在越野环境中执行任务,并且能在各种战场环境和天气条件下使用。2005年该项目完成阶段性研究,后转移到“未来作战系统地面无人车集成产品”项目,进行系统开发与测试。


2010年3月,DARPA启动了心灵之眼(Mind’s Eye)项目,旨在为机器建立视觉的智能,可对视频信息进行形象推理。

640?wx_fmt=jpeg

Mind’s Eye项目


可解释的人工智能(Explainable Artificial Intelligence,XAI)项目


2016年10月,DARPA发布可解释的人工智能项目的广泛机构公告(BAA),其目标是建立一套新的或改进的机器学习技术,生成可解释的模型,结合有效的解释技术,使得最终用户能够理解、一定程度的信任并有效地管理未来的人工智能系统。通过该项目,新的机器学习系统将能解释自身逻辑原理、描述自身的优、缺点,并解释未来的行为表现。

640?wx_fmt=jpeg

640?wx_fmt=jpeg

可解释的人工智能


这一项目提出了三个挑战:如何生成可解释模型、如何设计解释接口、如何理解用户心理需求以进行有效地解释。对此,该项目将开发一系列新的或改进的机器学习技术,生成更多的可解释模型;希望将最新的人机交互技术(如可视化、语言理解、语言生成和会话管理)与新的原则、策略和技术相结合,获得有效的解释;总结、拓展和应用当前的关于解释的心理学理论。


该项目分为两个技术领域:可解释的学习者(Explainable Learners)和解释的心理学模型(Psychological Models of Explanation)。

640?wx_fmt=jpeg

XAI项目的架构


2017年3月,DARPA从学术和工业界中挑选出了13家研究机构进行资助,包括加州大学伯克利分校、加州大学洛杉矶分校、卡耐基梅隆大学、SRI、Rutgers、PARC、Raytheon等。


目前,华盛顿大学的研究团队已经取得了一些研究成果:研究团队开发了一种方法,可以让人工智能系统阐述其输出结果的基本原理,人工智能系统(计算机)将会从数据集中自动找到一些样本,然后给出简短的解释;研究团队还针对图形识别系统设计了一些方法,通过标注图片上最重要的部分来揭示图形识别系统的判断逻辑。


终身学习机器(Lifelong Learning Machines,L2M)项目


DARPA于2017年启动L2M项目,探索生物学习机理在人工智能中的应用,推进新一代人工智能系统的发展。该项目的目标是开发支持下一代自适应人工智能系统所需的技术,使其能够在实际环境中基于情景进行在线式现场学习并改善性能,不需要进行线下再编程或再训练。这种持续自主学习的能力可帮助系统在没有预编程与训练的情况下适应新情景。


640?wx_fmt=jpeg640?wx_fmt=jpeg

终身学习机器


L2M试图将生物学习机理应用于计算机机器学习系统,打破现有机器学习系统对预编程和训练样本的依赖,使人工智能系统像生物系统一样能够根据经验进行决策,提高行动的自主性,增强广度环境适应能力。为了实现这一目标,L2M项目旨在从根本上开发一种全新的机器学习机制,使系统能够从经验中不断学习,这与孩童和其他生命体一生不断从经验中进行学习与训练的机制非常相像。

640?wx_fmt=jpeg

L2M项目的架构


L2M项目周期为4年,有两个技术领域。第一个技术领域是开发机器学习框架,可持续应用过去的经验成果,并使用“经验教训”去适应新的数据或情景;同时,还需开发用于监测机器学习系统行为的技术,对系统可以适应的能力范围进行设置,并具备在必要时对系统进行干预的功能。第二个技术领域源自对生命体学习机制的学习,将专注于研究生命系统自我学习和适应的原理和技术;并考虑这些原理和技术是否能够以及如何应用在机器学习系统中。


通过研发新一代机器学习技术,使其具备能够从环境中不断学习并总结出一般性知识的能力,L2M项目将为第三次人工智能技术浪潮打下坚实的技术基础。


DARPA人工智能探索计划(AIE)


2018年7月26日,DARPA推出人工智能(AI)探索(Artificial Intelligence Exploration,AIE)计划,旨在加快AI平台的研究和开发工作,以帮助美国保持其在AI领域的技术优势。人工智能探索计划(AIE)是DARPA的内部计划,DARPA根据其下国防科学办公室开创的“Disruptioneering”快速跟踪征集流程(用于支持各种技术开发概念)推出该计划。与Disruptioneering一样,AIE将定期发布与兴趣主题相关的特殊通知(“AIE机会”),简化的提案、合同和资助流程,使个人和组织机构更容易为 DARPA 提供帮助。

640?wx_fmt=jpeg


DARPA表示,AIE计划将专注于“第三波”人工智能的应用及理论,旨在让机器适应不断变化的情况。AIE计划旨在进行AI试点、概念验证、将商业技术平台用于国防用途,以及操作或技术工具的设计、开发与演示。


DARPA宣布投入20亿美元,开发人工智能新技术


2018年9月8日,DARPA宣布计划投入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在一份声明中称,该机构将致力于打造具有常识、能感知语境和更高能源效率的系统。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/494141.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

深入“肠-脑”神经高速通道,揭开“第六感觉”面纱

来源:中国生物技术网直觉是什么?通常被描述为超感官的第六感觉,它在英文里直译就是肠道感觉。肠道作为“第二大脑”的事实已经家喻户晓了。如果你曾在重要的演讲前感到心慌恶心,或者在一顿大餐后感到头昏眼花,那就是肠…

Andoird自定义ViewGroup实现竖向引导界面

一般进入APP都有欢迎界面&#xff0c;基本都是水平滚动的&#xff0c;今天和大家分享一个垂直滚动的例子。 先来看看效果把&#xff1a; 首先是布局文件&#xff1a; <com.example.verticallinearlayout.VerticalLinearLayout xmlns:android"http://schemas.android.…

科技|全球首款飞行汽车开始量产!下月开始预售,2023年后或可实现一键打“飞车”...

来源&#xff1a; 世界科技创新论坛飞机与汽车结合的产物真的要来了。在2018全球未来出行大会上&#xff0c;吉利副总裁杨学良透露&#xff0c;由吉利控股的全资子公司、全球首家飞行汽车公司美国太力飞行汽车公司推出的“全球首款量产飞行汽车”——Transition&#xff0c;将于…

Android手势锁实现

最终效果如下 整体思路 a、自定义了一个RelativeLayout(GestureLockViewGroup)在里面会根据传入的每行的个数&#xff0c;生成多个GestureLockView&#xff08;就是上面一个个小圈圈&#xff09;&#xff0c;然后会自动进行布局&#xff0c;里面的宽度&#xff0c;间距&#x…

智能连接:5G与人工智能、物联网等技术的超级融合

来源&#xff1a;资本实验室随着新技术的成熟&#xff0c;新型的、先进的应用将来自5G、人工智能&#xff08;AI&#xff09;和物联网&#xff08;IoT&#xff09;的融合。这种融合将创造出一个智能连接的世界&#xff0c;对所有个人、行业、社会和经济产生积极影响。从现在到2…

一个绚丽的loading动效分析与实现!

最终效果如下 从效果上看&#xff0c;我们需要考虑以下几个问题&#xff1a; 1.叶子的随机产生&#xff1b; 2.叶子随着一条正余弦曲线移动&#xff1b; 3.叶子在移动的时候旋转&#xff0c;旋转方向随机&#xff0c;正时针或逆时针&#xff1b; 4.叶子遇到进度条&#xff…

20岁的谷歌,和它“最成功”的大败笔

来源&#xff1a;大数据文摘编译&#xff1a;张驰、JIN、涂世文、钱天培谷歌20岁了&#xff01;20年中&#xff0c;谷歌打造了无数或成功或流产的产品&#xff0c;其中&#xff0c;这一名为“谷歌光纤”计划的失败或许是它最“成功”的“大败笔”。2010年&#xff0c;谷歌宣布了…

自定义viewgroup实现ArcMenu

最终效果如下 实现思路 通过效果图&#xff0c;会有几个问题&#xff1a; a、动画效果如何实现 可以看出动画是从顶点外外发射的&#xff0c;可能有人说&#xff0c;那还不简单&#xff0c;默认元素都在定点位置&#xff0c;然后TraslateAnimation就好了&#xff1b;这样忽略…

也谈谈Atiyah关于黎曼猜想的证明

来源&#xff1a;潇轩社作者&#xff1a;叶扬波 著名数学家&#xff0c;美国爱荷华大学教授。作为数论学家&#xff0c;他在中国大陆出版有《迹公式与模形式》等专著。以下是他谈Atiyah关于黎曼猜想的证明的文章&#xff0c;观点专业而且独到&#xff0c;转载此文&#xff0c;…

大型Javascript应用架构的模式(译文)

附上翻译好的word文件 http://files.cnblogs.com/lizhug/Patterns_For_Large-Scale_JavaScript_Application_Architecture.zip 作者&#xff1a;Addy Osmani 技术评审&#xff1a;Andree Hansson 翻译&#xff1a;李珠刚 珠刚参上 今天我们将要探讨一系列用于大型Javascri…

Animation Property Animation 使用

本篇主要讲Animation 和 Property Animation的使用&#xff0c;最后会讲QQ管家桌面火箭作为例子&#xff1a; 在Android中开发动效有两套框架可以使用&#xff0c;分别为 Animation 和 Property Animation&#xff1b; 相对来说&#xff0c;Animator比Animation要强大太多&…

华为云力推“普惠AI”,EI智能体正在落地行业

来源&#xff1a;北京物联网智能技术应用协会云计算和人工智能是什么关系&#xff1f;一般认为&#xff0c;云计算是人工智能的基础之一。而华为云则认为&#xff0c;要推动人工智能的落地&#xff0c;拥有“算法、算力和数据”还是不足够的&#xff0c;还需要“行业智慧”&…

Android中mesure过程详解

我们在编写layout的xml文件时会碰到layout_width和layout_height两个属性&#xff0c;对于这两个属性我们有三种选择&#xff1a;赋值成具体的数值&#xff0c;match_parent或者wrap_content&#xff0c;而measure过程就是用来处理match_parent或者wrap_content&#xff0c;假如…

黑科技揭秘 | 阿里云“天空物联网”连接范围如何达到700平方公里

来源&#xff1a;阿里云还记得前不久在2018杭州云栖大会上&#xff0c;由飞在天上的飞艇、地下基站共同搭建的阿里云“天空物联网”吗&#xff1f;它实现从地面40000米高空到地下20米的覆盖&#xff0c;并持续为大会服务。体现了持续加码的阿里巴巴物联网战略。在飞艇背后&…

JAVA-用栈机制实现单词逆序排列

就是IO那一段还没学到。 之前的PUCH,POP,STRING和CHAR的关系搞得懂了。 学到一个定位STRING当中CHAR的转换函数。 char String.charAt(x) 1 import java.io.*;2 3 4 class stackString5 {6 private int maxSize;7 private char[] stackX;8 private int top;9 …

Android自定义实现FlowLayout

实现FlowLayout 何为FlowLayout&#xff0c;如果对Java的Swing比较熟悉的话一定不会陌生&#xff0c;就是控件根据ViewGroup的宽&#xff0c;自动的往右添加&#xff0c;如果当前行剩余空间不足&#xff0c;则自动添加到下一行。有点所有的控件都往左飘的感觉&#xff0c;第一…

【重磅】马斯克遇终极麻烦:被起诉欺诈罪 或丢掉CEO职位 特斯拉暴跌约13%

参考&#xff1a;CNBC、Bloomberg编译&#xff1a;网易智能编辑&#xff1a;丁广胜参与&#xff1a;小小美国当地时间周四&#xff0c;法庭的文件显示特斯拉电动汽车公司首席执行官伊隆马斯克(Elon Musk)已被美国证券交易委员会(SEC)以欺诈罪起诉。与特斯拉关系密切的消息人士透…

《麻省理工科技评论》:2018年18大科技趋势,2017年7大失败技术

来源&#xff1a;科技周摘要&#xff1a;2018 年伊始&#xff0c;许多科技大势仍在继续&#xff0c;正如比尔盖茨所说&#xff0c;“大多数人高估了某种技术的短期价值&#xff0c;低估了其长期价值。”同样&#xff0c;大多数的年度预测会高估了一年内一些事件发生的可能性&am…

Android实现支持缩放平移图片

本文主要用到了以下知识点 MatrixGestureDetector 能够捕捉到长按、双击ScaleGestureDetector 用于检测缩放的手势 自由的缩放 需求&#xff1a;当图片加载时&#xff0c;将图片在屏幕中居中&#xff1b;图片宽或高大于屏幕的&#xff0c;缩小至屏幕大小&#xff1b;自由对图…

放麦子

题意&#xff1a; 国际象棋&#xff0c;一共64个方格&#xff0c;第一个格子里放一粒麦子&#xff0c;第二个放2粒&#xff0c;第三个放4粒&#xff0c;第四个放8粒。。。。。&#xff08;后面的数字是前面的两倍&#xff09; 求放满64个格子&#xff0c;一共需要多少粒麦子。 …