语言切换
新闻动态

DARPA人工智 能技术研究情况一览

发布日期: 2019-04-01
来源:
浏览量: 13
分享到:

据“军民融 合技术转移平台”3月31日报道:DARPA人工智 能技术研究情况一览


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:


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。

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。


DARPA人工智
能技术研究情况一览


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。


DARPA人工智
能技术研究情况一览


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。


DARPA人工智
能技术研究情况一览


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。


DARPA人工智
能技术研究情况一览



DARPA人工智
能技术研究情况一览


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)。


DARPA人工智
能技术研究情况一览


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。




DARPA人工智
能技术研究情况一览

DARPA人工智
能技术研究情况一览


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。


DARPA人工智
能技术研究情况一览


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。


DARPA人工智
能技术研究情况一览


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。


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







在线留言
  • 您的姓名:
  • *
  • 电话:
  • *
  • 详细说明:
  • 内容
     
Copyright (c)2018 - 2023 西安欣 创电子技术有限公司
犀牛云 提供企业云服务
友情链接:          G3妫嬬墝app涓嬭浇