選自CIO作者：Agam Shah機器之心編譯參與：黃小天
DARPA 認為，計算機應該做的不僅是計算，還有像人一樣學習。
美國國防部高級研究計劃局（DARPA）的想法常常讓人感到瘋狂。最近這次也不例外，它要創建一臺可以像人一樣自學習和自適應的計算機。
然而，這個想法並非不著邊際。實際上手機、計算機和小配件早已具有了智能特徵，比如蘋果的 Siri、微軟的 Cortana 和亞馬遜的 Alexa。
但是，只有在信息被預編進系統的前提下，上述設備才能進行學習並得出結論。現有的機器學習技術並不允許計算機在黑箱之外思考，也就是說，計算機不能根據外在情況和環境進行動態思考。
這次 DARPA 新項目的目標是創建一臺可以像生物體一樣思考並能像人一樣持續學習的計算機，通過把之前未預料的問題考慮在內和動態的適應能力，計算機可以更好地做決策。
這樣的計算機就像兒童一般起初學習很慢，但隨著系統越發成熟，經驗越來越多，學習模型也變得越發靈活。如果這個想法行得通，計算機將能夠像人一樣根據具體情景推斷更多的答案。
「DARPA 將這一想法恰當地命名為終身學習機器（L2M）計劃，它有著雄心勃勃的目標：在這一領域內為在線學習的新人工智慧系統創造新技術，從而可使其周遭事物中學習，而無需由於新條件而被迫下線以重新編程或訓練。」根據一份周四公布的詳細介紹該計劃的文件所言。
DARPA L2M 計劃的經理 Hava Siegelmann 說：「打造一臺依據經驗做出決策的自適應計算機一直是一個長期目標。」
具有神經科學背景的 Siegelmann 說：「這是由於自博學的艾倫·圖靈在上世紀 30 年代開發了最早的計算機器以來，計算機就運行在事先編寫好的、當其被執行時而毫無應變能力的程序上直到今天。」
對於 DARPA 來說，這樣一個系統有很多優勢，尤其是在更安全的自動駕駛領域。它在網絡安全、計算機遊戲和健康記錄自動化方面也同樣有幫助。
賦予計算機生物智能需要開發新的計算機架構和機器學習技術。現在的計算機沒有自適應能力，並且在試圖解決問題時不能把每一次可能的計算考慮在內。
這就是為什麼大家對量子計算機（其計算能力將顯著超越今天的計算機）很興奮。但是在試圖發現答案時，計算機依然不能像生物體一樣學會適應不同的情況。
DARPA 的另一個目標是創建新的計算機架構，一個也許可以打破依賴於馮·諾依曼架構的現有模型的設計。馮·諾依曼架構已被多次挑戰，但今天的計算機依然在使用著它。
L2M 計劃也同樣涉及到構建新的機器學習模型。基於 TensorFlow、Theano 和 Caffe 的現有模型可以適應於高性能的計算機、GPU 甚至拇指電腦。像谷歌這樣的公司已經發明了更小的機器學習模型，並帶有針對安卓穿戴設備 2.0 的搜尋引擎。
雖然很多項目常無果而終，但 DARPA 也成功發明了網際網路、GPS、計算機滑鼠、新型的腦啟發計算機、智能傳感器、新晶片材料，推動了技術進步。