DARPA Σκοπεύει να Εισαγάγει Συστήματα Τεχνητής Όρασης AI στη “Τρίτη Κύμα” της Ανάπτυξης

Η Υπηρεσία Έρευνας και Ανάπτυξης Άμυνας (DARPA) ξεκινά ένα πρόγραμμα που έχει ως στόχο τη βελτίωση των τεχνικών υπολογιστικής όρασης και να ξεκινήσει μια «τρίτη κύμα» ερευνών για την τεχνητή νοημοσύνη.

Η DARPA είναι η κύρια ομάδα προηγμένης έρευνας για τον αμερικανικό στρατό και έχει παίξει ένα κρίσιμο ρόλο στη δημιουργία πολλών στοιχείων της σύγχρονης τεχνολογίας, όπως τα πρώτα δίκτυα υπολογιστών και τα πρώτα συστήματα τεχνητής νοημοσύνης. Η DARPA δημοσίευσε πρόσφατα μια ανακοίνωση σχετικά με μια επικείμενη ευκαιρία, αναζητώντας einen ερευνητή για να συμμετάσχει στην ανάπτυξη «τρίτης κύματος» θεωρίας και εφαρμογών της τεχνητής νοημοσύνης. Η ανακοίνωση αναφέρθηκε στην ευκαιρία να εργαστεί στην ανάπτυξη του συστήματος Pixel Intelligent Processing (IP2) της DARPA. Το IP2 έχει ως στόχο τη βελτίωση της γενικής αξιοπιστίας, χρηστικότητας και ακρίβειας των συστημάτων αναγνώρισης εικόνων/βίντεο. Το IP2 είναι ιδιαίτερα σημαντικό για τις περιπτώσεις edge-computing, καθώς αυτά τα συσκευές δεν έχουν πρόσβαση στις υπολογιστικές πόρους που απαιτούνται για την επεξεργασία μεγάλων εργασιών.

Το IP2 έχει ως στόχο να λύσει δύο προβλήματα που περιορίζουν την ανάπτυξη συστημάτων τεχνητής νοημοσύνης σε συσκευές edge-computing. Το ένα πρόβλημα είναι η δημιουργία αλγορίθμων τεχνητής νοημοσύνης χαμηλού βάρους, χαμηλής ισχύος και χαμηλής καθυστέρησης που μπορούν να διατηρήσουν την ακρίβεια που απαιτείται για να είναι χρήσιμα. Το άλλο πρόβλημα που πρέπει να λυθεί είναι η复雑性 των δεδομένων. Όσο περισσότερο μειώνεται η复雑性 του συνόλου δεδομένων, τόσο λιγότερη επεξεργαστική ισχύς απαιτείται για την ανάλυση του συνόλου δεδομένων.

Οι ερευνητές της DARPA θα επιδιώξουν να μειώσουν την复雑性 των συνόλων δεδομένων εικόνων χρησιμοποιώντας νευρωνικά δίκτυα που επεξεργάζονται μεμονωμένα pixels. Αυτή η τεχνική μειώνει τη διαστατικότητα του συνόλου δεδομένων και αυξάνει τη σπαρσιότητα των εικόνων/βίντεο στο σύνολο δεδομένων. Αυτές οι τεχνικές επιτρέπουν στα δεδομένα να επεξεργαστούν στο backend χωρίς να θυσιάζεται η ακρίβεια του μοντέλου. Οι τεχνικές μείωσης της διαστατικότητας επιτρέπουν στο σύστημα τεχνητής νοημοσύνης να εξάγει μόνο τις πιο σχετικές πληροφορίες από τις εικόνες/βίντεο και να τις παραδώσει στο μοντέλο νευρωνικού δικτύου που πραγματικά κάνει προβλέψεις για τα δεδομένα. Το μοντέλο νευρωνικού δικτύου είναι επίσης απλοποιημένο για να μειώσει την κατανάλωση ισχύος.

Σύμφωνα με τους αξιωματούχους της DARPA, όπως αναφέρεται στο NextGov:

«Με την άμεση μεταφορά του ρεύματος δεδομένων σε σπαρση χαρακτηριστικών, τα δίκτυα νευρωνικών με μειωμένη复雑性 θα εκπαιδευτούν σε υψηλή ακρίβεια ενώ μειώνουν τις συνολικές επιχειρήσεις επεξεργασίας κατά 10 φορές.»

Το πρόγραμμα IP2 θα απαιτήσει από τους εκτελεστές να επιδείξουν ακρίβεια κατάσταση-of-the-arte ενώ θα θεσπίσουν μια μείωση 20 φορές στην ενεργειακή καθυστέρηση των αλγορίθμων τεχνητής νοημοσύνης κατά την επεξεργασία μεγάλων συνόλων δεδομένων. Για παράδειγμα, το IP2 πρέπει να μπορεί να παραδώσει αποτελέσματα κατάσταση-of-the-arte στο σύνολο δεδομένων BDD100K του Πανεπιστημίου της Καλιφόρνιας-Berkley, το οποίο είναι ένα μεγάλο σύνολο δεδομένων που χρησιμοποιείται για την εκπαίδευση αυτονομών οχημάτων με την ενσωμάτωση ποικίλων εργασιών ταξινόμησης εικόνων μαζί με οκκλουσίες και ποικιλία καιρικών, γεωγραφικών και περιβαλλοντικών συνθηκών.

Καθώς η DARPA προετοιμάζεται να αντιμετωπίσει την τρίτη κύμα των αλγορίθμων υπολογιστικής όρασης και συστημάτων, επίσης ηγείται μιας προσπάθειας για την αυτοματοποίηση των аспектων του ελέγχου των αεροσκαφών, πραγματοποιώντας πρόσφατα μια σειρά προσομοιωμένων δοκιμών που έθεσαν αεροσκάφη F-16 ελεγχόμενα από τεχνητή νοημοσύνη ενάντια σε έναν αντίπαλο. Αυτές οι δοκιμές ήταν η Φάση 1 ενός μεγαλύτερου προγράμματος για την ενσωμάτωση της τεχνητής νοημοσύνης στα αεροσκάφη του στρατού. Το τέλος της Φάσης 1 επικεντρώνεται στη μετάβαση από προσομοιώσεις σε πραγματικές πτήσεις, με την DARPA να προετοιμάζεται για δοκιμές σε πραγματικές πτήσεις αργότερα το 2021.