DARPA zielt darauf ab, Computer-Vision-KI-Systeme in die „dritte Entwicklungswelle“ zu bringen

Der Defense Advanced Research Projects Agent (DARPA) startet ein Projekt zur Verbesserung von Computer-Vision-Techniken und sStarten Sie eine „dritte Welle“ der KI-Forschung. Die dritte Welle der KI-Forschung zielt darauf ab, die Einschränkungen der ersten und zweiten Welle der KI-Technologien anzugehen, einschließlich Verbesserungen der Bilderkennungsalgorithmen.

DARPA ist die wichtigste fortgeschrittene Forschungsgruppe des US-Militärs und hat eine entscheidende Rolle bei der Entwicklung vieler Elemente moderner Technologie gespielt, beispielsweise der ersten Computernetzwerke und der ersten KI-Systeme. DARPA veröffentlichte kürzlich eine Bekanntmachung über eine bevorstehende Stelle, bei der nach einem Forscher gesucht wird, der sich an der Entwicklung der KI-Theorie und -Anwendungen der „dritten Welle“ beteiligt. In der Bekanntmachung wurde auf die Möglichkeit hingewiesen, am Pixel Intelligent Processing (IP2)-System der DARPA zu arbeiten. IP2 soll die allgemeine Zuverlässigkeit, Benutzerfreundlichkeit und Genauigkeit von Bild-/Videoerkennungssystemen verbessern. IP2 ist besonders wichtig für Edge-Computing-Instanzen, da diese Geräte keinen Zugriff auf die Rechenressourcen haben, die für die Bewältigung großer Arbeitslasten erforderlich sind.

IP2 zielt darauf ab, zwei Probleme zu lösen, die den Einsatz von KI-Systemen in Edge-Computing-Geräten einschränken. Ein Problem ist die Entwicklung von KI-Algorithmen mit geringem Gewicht, geringem Stromverbrauch und geringer Latenz, die dennoch die erforderliche Genauigkeit beibehalten können, um nützlich zu sein. Das andere Problem, das gelöst werden muss, ist die Datenkomplexität. Je mehr die Komplexität des Datensatzes reduziert werden kann, desto weniger Rechenleistung wird für die Analyse des Datensatzes benötigt.

DARPA-Forscher Ziel ist es, die Komplexität von Bilddatensätzen zu reduzieren durch den Einsatz neuronaler Netze, die einzelne Pixel verarbeiten. Diese Technik reduziert die Dimensionalität des Datensatzes und erhöht die Spärlichkeit der Bilder/Videos im Datensatz. Diese Techniken ermöglichen die Verarbeitung der Daten im Backend, ohne dass die Genauigkeit des Modells darunter leidet. Die Techniken zur Dimensionsreduzierung ermöglichen es dem KI-System, nur die relevantesten Informationen aus den Bildern/Videos zu extrahieren und sie an das wiederkehrende neuronale Netzwerkmodell zu liefern, das tatsächlich Vorhersagen über die Daten trifft. Auch das wiederkehrende neuronale Netz selbst wird vereinfacht, um den Stromverbrauch zu senken.

Laut DARPA-Beamten wie in NextGov zitiert:

„Durch die sofortige Verlagerung des Datenstroms auf die Darstellung spärlicher Merkmale werden [neuronale Netze] mit reduzierter Komplexität mit hoher Genauigkeit trainiert und gleichzeitig die gesamten Rechenvorgänge um das Zehnfache reduziert.“

Für das IP2-Projekt müssen die Darsteller höchste Genauigkeit aufweisen und gleichzeitig eine 20-fache Reduzierung der Energieverzögerung bei der Verarbeitung von KI-Algorithmen bei der Verarbeitung großer Datenmengen bewirken. Beispielsweise sollte IP2 in der Lage sein, modernste Ergebnisse für den BDD100K-Datensatz der University of California-Berkley zu liefern. Hierbei handelt es sich um einen großen Datensatz, der zum Trainieren selbstfahrender Fahrzeuge verwendet wird, indem neben Verdeckungen und Verdeckungen auch eine Vielzahl von Bildklassifizierungsaufgaben integriert werden Vielfalt in den Wetter-, geografischen und Umweltbedingungen.

Während sich die DARPA auf die Bewältigung der dritten Welle von Computer-Vision-Algorithmen und -Systemen vorbereitet, ist sie auch führend bei der Bewältigung dieser Bemühungen Aspekte der Flugzeugsteuerung automatisieren, führte kürzlich eine Reihe simulierter Tests durch, bei denen KI-gesteuerte F-16-Kampfflugzeuge gegen einen Gegner eingesetzt wurden. Diese Tests waren Phase 1 einer größeren Mission zur Integration von KI in die Kampfflugzeuge des Militärs. Das Ende von Phase 1 konzentriert sich auf den Übergang von Simulationen zu realen Flügen, wobei DARPA sich auf Live-Flugtests später im Jahr 2021 vorbereitet.