وكالة الدفاع الأمريكية تهدف إلى إحضار أنظمة الرؤية الحاسوبية الذكية إلى “الموجة الثالثة” من التطوير

وكالة الأبحاث والتطوير المتقدمة الدفاعية (DARPA) تبدأ مشروعًا يهدف إلى تحسين تقنيات الرؤية الحاسوبية وبدء “موجة ثالثة” من أبحاث الذكاء الاصطناعي. الموجة الثالثة من أبحاث الذكاء الاصطناعي تهدف إلى معالجة قيود الموجات الأولى والثانية من تقنيات الذكاء الاصطناعي، والتي تشمل تحسين خوارزميات التعرف على الصور.

DARPA هي المجموعة الرئيسية لأبحاث متقدمة للجيش الأمريكي، ولها دور حاسم في إنشاء العديد من عناصر التكنولوجيا الحديثة، مثل شبكات الحواسيب الأولى ونظم الذكاء الاصطناعي الأولى. نشرت DARPA مؤخرًا إعلانًا عن فرصة قادمة، تبحث عن باحث للمشاركة في تطوير نظرية وتطبيقات “الموجة الثالثة” للذكاء الاصطناعي. أشارت الإعلان إلى فرصة العمل على نظام معالجة البكسل الذكية (IP2) التابع لشركة DARPA. يهدف IP2 إلى تحسين الموثوقية والقابلية للاستخدام والدقة العامة لأنظمة التعرف على الصور / الفيديو. IP2 مهمة بشكل خاص لحالات الحوسبة على الحواف، لأن هذه الأجهزة لا تملك الموارد الحسابية اللازمة لمعالجة أحمال العمل الكبيرة.

يهدف IP2 إلى حل两个 مشكلة تحد من نشر أنظمة الذكاء الاصطناعي في أجهزة الحوسبة على الحواف. أحد المشاكل هو إنشاء خوارزميات ذكاء اصطناعي منخفضة الوزن وذات طاقة منخفضة وذات تأخير منخفض يمكنها الحفاظ على الدقة المطلوبة لتكون مفيدة. المشكلة الأخرى التي تحتاج إلى حل هي تعقيد البيانات. كلما تم تقليل تعقيد مجموعة البيانات،قلت القوة الحسابية المطلوبة لمعالجة مجموعة البيانات.

سيهدف باحثو DARPA إلى تقليل تعقيد مجموعات بيانات الصور باستخدام شبكات عصبونية تعمل على معالجة البكسل الفردية. تقنية تقليل الأبعاد هذه تقلل من أبعاد مجموعة البيانات وزيادة ندرة الصور / الفيديو في مجموعة البيانات. تسمح هذه التقنيات بمعالجة البيانات في الخلف دون التضحية بدقة النموذج. تقنيات تقليل الأبعاد تمكن نظام الذكاء الاصطناعي من استخراج المعلومات الأكثر صلة فقط من الصور / الفيديو وتسليمها إلى نموذج الشبكة العصبونية المتكررة الذي يتنبأ بالفعل بالبيانات. الشبكة العصبونية المتكررة نفسها مبسط أيضًا لتقليل استهلاك الطاقة.

وفقًا لمسؤولي DARPA، على النقاط المذكورة في NextGov:

“من خلال نقل تدفق البيانات على الفور إلى تمثيل الميزة النادرة، ستتدرب الشبكات العصبونية المخفضة التعقيد إلى دقة عالية مع تقليل العمليات الحسابية الإجمالية بنسبة 10 ضعف.”

سيحتاج مشروع IP2 إلى أداء عرض دقة عالية مع تقليل طاقة معالجة الخوارزميات الذكية بنسبة 20 ضعف عند معالجة مجموعات بيانات كبيرة. على سبيل المثال، يجب أن يكون IP2 قادرًا على تقديم نتائج متقدمة على مجموعة بيانات BDD100K بجامعة كاليفورنيا بيركلي، والتي هي مجموعة بيانات كبيرة تستخدم لتدريب السيارات ذاتية القيادة من خلال دمج مجموعة متنوعة من مهام تصنيف الصور جنبًا إلى جنب مع الإخفاء والتنوع في الطقس والجغرافيا والظروف البيئية.

مع تحضير DARPA لمواجهة موجة ثالثة من خوارزميات الرؤية الحاسوبية والنظم، فهي تقود أيضًا جهودًا لتحسين جوانب التحكم في الطائرات، وقد أجرت مؤخرًا سلسلة من الاختبارات المحاكاة التي وضعت طائرات مقاتلة F-16 التي تسيطر عليها الذكاء الاصطناعي ضد خصم. كانت هذه الاختبارات هي المرحلة الأولى من مهمة أكبر لتكامل الذكاء الاصطناعي في طائرات المقاتلة التابعة للجيش. يركز نهاية المرحلة الأولى على الانتقال من المحاكاة إلى رحلات العالم الحقيقي، مع استعداد DARPA لاختبارات طيران حية في وقت لاحق من عام 2021.