DARPA研發具有自我感知能力的人工智慧和機器學習技術

2020-07-24 明日情報
DARPA研發具有自我感知能力的人工智慧和機器學習技術

BAE系統公司7月14日宣布，作為美DARPA能力感知機器學習(CAML)項目合同的一部分，BAE系統公司近期向DARPA交付了MindfuL軟體。MindfuL軟體的交付是該項目提高機器學習系統透明度的首個裡程碑。BAE系統公司聲稱，該公司開發的新軟體可以幫助美國國防部建立對機器學習算法產生的決策和情報的信心。

將基於人工智慧的系統從決策工具轉變為真正的合作夥伴，需要用戶信任他們的機器夥伴。雖然機器學習技術已經成熟，但這些系統還不能傳達其決策的背景和信心——包括任務策略、與給定任務相關的訓練完成情況、可能影響其行動的因素，或者在特定條件下成功的可能性。機器學習算法為美國防部系統帶來了希望，但是如何確定用戶對其輸出的信任度仍是一個挑戰。情報官員一再指出，分析人員不能依賴於僅僅產生一個決定或一條情報的黑盒人工智慧系統，他們需要了解這個系統是如何做出這個決定的，以及哪些看不見的問題（訓練數據或其他方面）可能會影響這個決定。

DARPA研發具有自我感知能力的人工智慧和機器學習技術

為了應對這些挑戰，BAE系統公司提供了MindfuL解決方案，該系統將獨立「審計」基於機器學習的系統，並為最終用戶提供對該技術建立信任的洞察力。該系統的第一個軟體版本提供了一種基線能力，用於檢測系統何時遇到未經訓練的新環境。

BAE系統公司自主、控制和評估小組的產品線主管Chris Eisenbies說:「支撐機器學習和人工智慧應用的技術正在迅速發展，現在是時候確保這些系統能夠集成、使用，並最終在戰場上獲得信任。」MindfuL系統儲存相關數據，比較當前環境和過去的經驗，得出易於理解的結論。

MindfuL旨在通過提供更多關於產出的背景信息來幫助用戶評估對於機器學習算法產生的決策和情報的可信度。該程序將生成這樣的描述:「機器學習系統已經在陽光充足的乾燥環境中導航了1000次，並且在類似條件下以高於99%的準確率完成了任務。」或者，「在類似的條件下，機器學習系統在雨中僅導航100次，準確率只有80%；建議手動控制。」

MindfuL軟體是BAE系統公司和麻省理工學院計算機科學和人工智慧實驗室合作設計和製造的。根據DARPA在2019年授予的為期三年、價值約500萬美元的CAML項目， BAE系統公司計劃在今年晚些時候演示軟體的仿真和原型硬體。

相關焦點

  • 人工智慧和機器學習技術推動企業發展
    IT主管們已經開始收穫人工智慧和機器學習技術所帶來的回報。最近的一項調查顯示，隨著經濟遭遇重創，有一半的主管正在考慮加大投資能夠帶來收益的人工智慧和機器學習技術。 到目前為止，我們大多數人都知道，在當今時代，人工智慧及其子領域機器學習技術與人類智能沒什麼關係。
  • 人工智慧,機器學習和深度學習之間的差異是什麼?
    即人工智慧是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬體來模擬人類某些智能行為的基本理論、方法和技術。 人工智慧是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。
  • 人工智慧與設計(1):人工智慧的發展和定義
    人工智慧目前有兩個定義，分別為強人工智慧和弱人工智慧。普通群眾所遐想的人工智慧屬於強人工智慧，它屬於通用型機器人，也就是60年代AI研究人員提出的理念。它能夠和人類一樣對世界進行感知和交互，通過自我學習的方式對所有領域進行記憶、推理和解決問題。
  • 人工智慧和機器學習如何改變DevOps
    從決策流程改進到自動化操作和代碼質量增強，在人工智慧和機器學習的幫助下，DevOps的未來發展充滿希望。在這裡，使用人工智慧和機器學習進行代碼創建以及自我修複測試代碼和維護在DevOps領域已成為現實。
  • 深度學習，機器學習，人工智慧三者有什麼關係？
    但是，通過機器學習，計算機能夠超越編程的要求，並隨著每次迭代而不斷發展。機器學習從根本上與人工智慧不同，因為它具有發展的能力。使用各種編程技術，機器學習算法能夠處理大量數據並提取有用的信息。這樣，他們可以通過從提供的數據中學習來改進以前的迭代。什麼是人工智慧？
  • 6大人工智慧應用關鍵技術
    03 / 機器學習/大數據分析機器學習/大數據分析是一種用於設計複雜模型和算法並以此實現預測功能的方法，即計算機有能力去學習，而不是依靠預先編寫的代碼。它能夠基於對現有結構化數據的觀察，自行識別結構化數據中的模型，並以此來輸出對未來結果的預測。
  • 致力機器觸覺技術研發，「他山科技」賦予智能設備高級別感知能力
    觸感是機體感知外界環境的重要能力，無論是對人還是機器。不僅我國，就世界範圍內來看，目前無論是機器人還是各種具有交互功能的設備，其交互方式仍以視聽技術為主，即使出現了力反饋的功能，但仍然不能達到智能水平。
  • 全球機器學習技術大會引領2021人工智慧新風向
    2020被眾多社會學家認為是人類歷史長河中的轉折之年，同時也是世界被數位化和智能化深刻改造的一年。以機器學習為代表的人工智慧經過多年發展，正在深入地革新著各個行業。為此，全球機器學習技術大會將於2021年1月1 3-1 4日在金茂北京威斯汀大飯店隆重登場!
  • 2021年重要的機器學習和A人工智慧的發展趨勢
    一項研究發現，人們目前使用的設備中有77%正在使用機器學習（ML）技術。通過採用亞馬遜Alexa、Google Home、Netflix等智能設備，人工智慧服務正在為組織提供行業領先的創新解決方案。 人們需要了解2021年一些重要的機器學習和人工智慧趨勢，這些趨勢可能會重塑經濟、社會和工業運作。
  • 深度學習和機器學習有什麼差別？
    Artificial Intelligence，也就是人工智慧，就像長生不老和星際漫遊一樣，是人類最美好的夢想之一。雖然計算機技術已經取得了長足的進步，但是到目前為止，還沒有一臺電腦能產生「自我」的意識。是的，在人類和大量現成數據的幫助下，電腦可以表現的十分強大，但是離開了這兩者，它甚至都不能分辨一個喵星人和一個汪星人。
  • 清華2020人工智慧報告:五大維度揭秘機器學習技術
    對機器學習的認識可以從多個方面進行，有著「全球機器學習教父」之稱的Tom Mitchell則將機器學習定義為：對於某類任務T和性能度量P，如果電腦程式在T上以P衡量的性能隨著經驗E而自我完善，就稱這個電腦程式從經驗E學習。
  • 關於感知器的故事：機器學習是如何發展到如今這一程度的呢？
    人工智慧已經深刻改變了所有主要行業。人工智慧與機器學習在醫療、神經科學、農業、安全、監控等領域的跨領域應用數不勝數，已經成為我們生活中不可或缺的一部分。但這一切是如何開始的呢？還要從幾十年前感知器剛被發明出來說起。
  • 人工智慧的機器學習和深度學習
    人工智慧的機器學習和深度學習在機器智能向更大的深度神經網絡發展的過程中，已經有許多開發者在使用keras/tensorflow作為api了。可以利用這些api，像自然語言處理、特徵提取等等。問題所在在於：新的api不能滿足新的研究需求。
  • IT領導者在2021年對人工智慧和機器學習的期望
    每到歲末年初，IT思想領袖都會對未來一年的技術發展、創新服務、行業進步等發展趨勢進行分析預測。人們需要關注與人工智慧、機器學習、深度學習以及IT軟體和服務有關的主要趨勢。隨著經濟的復甦，將會繼續看到對具有更多IT功能的運營技術和基礎設施的投資，允許廣泛的參與者部署這些解決方案。並且到2021年，工業4.0的採用率將會顯著提高。Intuit公司首席技術官Marianna Tessel：人工智慧優先應用程式改變了客戶服務：隨著人工智慧技術不斷成熟，並在人們工作和生活的各個方面變得無處不在。
  • 人工智慧、數據挖掘、機器學習和深度學習的區別和聯繫
    機器學習，甚至是深度學習這些詞都是每天會聽到的詞語，人工智慧，機器學習和深度學習都是屬於一個領域的子集，但是人工智慧機器學習是首要的範疇，深度學習又是機器學習的一個子集，機器學習則又是人工智慧的一個子集，這個領域的興起應該是歸功於深度學習，人工智慧和機器學習這個領域在近年來一直在解決一系列的問題。
  • 賦予人工智慧更強的感知能力,3D傳感技術2020年將迎來爆發!
    今年，新的爆發點將圍繞AI、晶片、雲計算、區塊鏈、工業網際網路、量子計算等領域展開，並將出現顛覆性技術突破。其中，AI人工智慧無疑是未來最重要的算力需求方和技術牽引者，強勢排在2020十大科技趨勢第一位！達摩院認為，2020年人工智慧將會從感知智能向認知智能演進。
  • 預測缺陷、工業分揀、故障感知 機器學習正在大舉入侵製造業!
    最近連著發生的幾件事兒，都讓筆者覺得有某種新的勢頭正在顯現：機器學習正在大舉進入工業和製造業領域，與工業物聯網技術的結合有可能引發行業的新變革。　　除了材料工業，就在前幾天，英偉達也是要「造反」，其新一代GPU劍指深度學習和虛擬實境!　　其發布了基於其最新的 Pascal 架構的新一代 Quadro 系列顯卡。英偉達宣稱，新的晶片組可將桌面工作站轉變成為具有突破性能力的超級計算機，為不同行業的專業任務提供保障。新的 Quadro 晶片組可以為設計、工程和有關虛擬實境以及深度學習的各種領域提供硬體支持。
  • AI+化學與製藥,人工智慧為藥物研發和化學研究按下快進鍵
    引言：人工智慧技術在計算機視覺、語音識別和自然語言處理三大領域中取得了巨大的成功，帶動了多個產業的快速 發展。將人工智慧的關鍵技術應用於化學和藥物研究，能夠加速化學信息的處理，提升藥物研發的效率。尋找最優的合成路線、構建分子結構與性質/活性的定量關係模型，實現化合物的虛擬高通量篩選，是當前人工智慧與化學、製藥、生物等學科交叉研究熱點。
  • Adobe公司如何採用人工智慧創建自我修復的ITSM
    Adobe公司已經採用了人工智慧(AI)、機器學習(ML)和自然語言處理(NLP)以及其他新興技術來改進企業的服務管理，並為實現自我修復IT服務管理 (ITSM)框架鋪平了道路。 人工智慧、機器學習和自然語言處理是ITSM中採用的最熱門的新技術之一。
  • 人工智慧和機器學習：金融科技行業的新藍圖
    憑藉大量的歷史數據和結構化數據，金融科技為人工智慧和機器學習技術生成定製產品和解決方案提供了沃土，從而幫助企業提高盈利能力並節省成本企業老闆不僅必須將採用人工智慧和機器學習視作其進入市場的業務戰略的一部分，而且還必須積極地集成這些技術並鼓勵員工將其應用於日常運營中。