DARPA、コンピュータビジョンAIシステムの「第3波」開発に着手

アメリカ国防総省の先端技術研究機関であるDARPA（Defense Advanced Research Projects Agency）は、コンピュータビジョン技術の向上と「第3波」のAI研究の開始を目的としたプロジェクトを開始しました。この第3波のAI研究は、第1波と第2波のAI技術の限界を解決し、画像認識アルゴリズムの改善を目指しています。

DARPAは、アメリカ軍の主要な先端研究機関であり、コンピュータネットワークやAIシステムなどの多くの現代技術の開発に重要な役割を果たしてきました。DARPAは最近、研究者を募集するアナウンスメントを発表し、「第3波」AI理論と応用の開発に参加する機会について言及しました。このアナウンスメントでは、DARPAのPixel Intelligent Processing（IP2）システムの開発にも触れられています。IP2は、画像/ビデオ認識システムの信頼性、使いやすさ、精度の向上を目的としています。特に、エッジコンピューティングのインスタンスでは、計算リソースが不足しているため、IP2は重要な役割を果たします。

IP2は、エッジコンピューティングデバイスでのAIシステムの展開を制限する2つの問題を解決することを目的としています。1つの問題は、精度を維持しながらも、低重量、低消費電力、低遅延のAIアルゴリズムの開発です。もう1つの問題は、データの複雑さの軽減です。データセットの複雑さを減らすほど、分析に必要な処理能力も減ります。

DARPAの研究者は、ニューラルネットワークを使用して個々のピクセルを処理することで、画像データセットの複雑さを減らすことを目指しています。この技術により、データセットの次元性が減り、画像/ビデオのスパース性が増加します。これらの技術により、バックエンドでデータを処理することができますが、モデルの精度を犠牲にしません。次元性の減少により、AIシステムは画像/ビデオから最も関連のある情報を抽出して、予測を行う再帰型ニューラルネットワークモデルに提供できます。再帰型ニューラルネットワーク自体も、消費電力を減らすために簡素化されています。

DARPAの担当者によると、NextGovの引用によると、

「データストリームを直ちにスパースな特徴表現に変換することで、複雑さの軽減された[ニューラルネットワーク]は、高い精度でトレーニングされ、全体的な計算操作を10倍削減します。」

IP2プロジェクトでは、パフォーマーが最先端の精度を示す必要がありますが、同時に、AIアルゴリズムの処理エネルギー遅延を20倍削減する必要があります。たとえば、IP2は、カリフォルニア大学バークレー校のBDD100Kデータセットで、最先端の結果を提供できなければなりません。このデータセットは、自己運転車のトレーニングに使用される大規模なデータセットであり、画像分類タスクに加えて、遮蔽、天候、地理的、環境条件の多様性が含まれています。

DARPAは、コンピュータビジョンアルゴリズムとシステムの第3波に取り組みながらも、航空機の制御の自動化にも取り組んでいます。最近、AI制御のF-16戦闘機を相手にした一連のシミュレートテストを実施しました。これらのテストは、軍の戦闘機にAIを統合する大規模なミッションの第1段階でした。第1段階の終了は、シミュレーションから実世界のフライトへの移行に焦点を当てており、DARPAは2021年後半に実飛行テストの準備をしています。