DARPA usiluje o to, aby přinesl počítačové vidění AI systémů do “třetí vlny” vývoje

Defense Advanced Research Projects Agent (DARPA) zahajuje projekt, jehož cílem je zlepšit počítačové vidění technik a spustit „třetí vlnu“ AI výzkumu. Třetí vlna AI výzkumu se snaží řešit omezení první a druhé vlny AI technologií, které zahrnují zlepšení algoritmů rozpoznávání obrazů.

DARPA je primární pokročilou výzkumnou skupinou pro US military a sehrála kritickou roli ve vytvoření mnoha prvků moderní technologie, jako jsou nejranější počítačové sítě a nejranější AI systémy. DARPA nedávno zveřejnila oznámení o nadcházející příležitosti, hledající výzkumníka, který se zúčastní vývoje „třetí vlny“ AI teorie a aplikací. Oznámení se zmiňovalo o příležitosti pracovat na DARPA’s Pixel Intelligent Processing (IP2) systému. IP2 je určen ke zlepšení obecné spolehlivosti, uživatelské přívětivosti a přesnosti systému rozpoznávání obrazů/videa. IP2 je zejména důležitý pro edge-computing instance, jako tyto zařízení nemají přístup k výpočetním zdrojům potřebným pro zpracování velkých pracovních zátěží.

IP2 se snaží vyřešit dvě problémy, které omezují nasazení AI systémů v edge computing zařízeních. Jedním problémem je vytvoření nízkých, nízkoenergetických a nízkozpožďovaných AI algoritmů, které mohou stále udržet potřebnou přesnost, aby byly užitečné. Druhým problémem, který je třeba vyřešit, je složitost dat. Čím více lze složitost datové sady snížit, tím méně výpočetních zdrojů je potřeba k analýze datové sady.

Výzkumníci z DARPA se budou snažit snížit složitost obrazových dat pomocí neuronových sítí, které zpracovávají jednotlivé pixely. Tato technika snižuje dimenzi datové sady a zvyšuje řídkost obrazů/videa v datové sadě. Tyto techniky umožňují zpracovat data na backendu bez obětování přesnosti modelu. Techniky snižující dimenzi umožňují AI systému extrahovat pouze nejrelevantnější informace z obrazů/videa a doručit je do rekurentní neuronové sítě, která skutečně dělá předpovědi o datech. Rekurentní neuronová síť sama je také zjednodušena, aby se snížila spotřeba energie.

Podle úředníků z DARPA, jak je citováno v NextGov:

„Tím, že okamžitě přesuneme datový proud do řídké reprezentace funkcí, snížíme složitost [neuronových sítí] a snížíme celkové výpočetní operace o 10x.“

Projekt IP2 bude potřebovat, aby výzkumníci prokázali státní znalostní přesnost a zároveň institucionalizovali 20x snížení energie-zpoždění AI algoritmů při zpracování velkých datových sad. Například IP2 by měl být schopen dodat státní znalostní výsledky na University of California-Berkley’s BDD100K datové sadě, která je velkou datovou sadou používanou pro trénování samořízených vozidel, zahrnující řadu úloh klasifikace obrazů spolu s překryvy a rozmanitostí počasí, geografických a environmentálních podmínek.

Jak DARPA připravuje útok na třetí vlnu počítačového vidění algoritmů a systémů, také vede úsilí automatizovat aspekty řízení letadel, nedávno provedla sérii simulovaných testů, které postavily AI-řízené stíhací letouny F-16 proti protivníkovi. Tyto testy byly fází 1 větší mise integrovat AI do bojových letounů vojenské. Konec fáze 1 je zaměřen na přechod od simulací k reálným letům, s DARPA se připravující na live-fly testy později v roce 2021.