DARPA, “Third-Wave” 개발을 위한 컴퓨터 비전 AI 시스템 구축에 나서다

미국 국방고등연구계획국(DARPA)은 컴퓨터 비전 기술을 개선하고 “third-wave” AI 연구를 시작하는 프로젝트를 진행하고 있다. 이 프로젝트는 첫 번째와 두 번째 AI 기술의 한계를 해결하기 위해 이미지 인식 알고리즘을 개선하는 것을 목표로 한다.

DARPA는 미국 군대의 주요 연구 그룹으로, 많은 현대 기술의 개발에 중요한 역할을 했다. 최근 DARPA는 “third-wave” AI 이론과 응용 프로그램 개발에 참여할 연구자를 모집하는 공고를 게시했다. 이 공고는 DARPA의 Pixel Intelligent Processing (IP2) 시스템 개발 기회를 언급했다. IP2는 이미지/비디오 인식 시스템의 일반적인 신뢰성, 사용성, 정확성을 개선하는 것을 목표로 한다. 특히 IP2는 에지 컴퓨팅 인스턴스에서 중요하다. 이러한 장치는大量의 작업을 처리하는 데 필요한 계산 리소스에 접근할 수 없기 때문이다.

IP2는 에지 컴퓨팅 장치에서 AI 시스템을 배포하는 두 가지 문제를 해결하기 위해 설계되었다. 하나는 저중량, 저전력, 저지연 AI 알고리즘을 생성하는 것이다. 이러한 알고리즘은 유용한 정확성을 유지하면서도 에지 컴퓨팅 장치에서 실행될 수 있어야 한다. 다른 문제는 데이터 복잡성이다. 데이터셋의 복잡성을 줄일수록 분석에 필요한 처리 능력이 줄어든다.

DARPA 연구자들은 개별 픽셀을 처리하는 신경망을 사용하여 이미지 데이터셋의 복잡성을 줄이려고 한다. 이 기술은 데이터셋의 차원을 줄이고 이미지/비디오의 희소성을 증가시킨다. 이러한 기술로 인해 데이터를 백엔드에서 처리할 수 있으면서도 모델의 정확성을 손상하지 않는다. 차원ality 감소 기술을 사용하면 AI 시스템이 이미지/비디오에서 가장 관련된 정보를 추출하여 예측을 하는 재귀 신경망 모델에 전달할 수 있다. 재귀 신경망 자체도 전력 소모를 줄이기 위해 단순화된다.

DARPA 官員에 따르면, “데이터 스트림을 즉시 희소 특징 표현으로 이동하면 복잡성이 줄어든 신경망이 높은 정확도로 훈련될 수 있으며 전체 계산 작업이 10배 줄어든다.”

IP2 프로젝트는 수행자가 상태 오프-the-아트 정확성을 보여주면서도 AI 알고리즘 처리 에너지 지연을 20배 줄이는 것을 목표로 한다. 예를 들어, IP2는 University of California-Berkley의 BDD100K 데이터셋에서 상태 오프-the-아트 결과를 제공해야 한다. 이 데이터셋은 자율 주행 자동차를 훈련하는 데 사용되는 큰 데이터셋으로, 다양한 이미지 분류 작업과 함께 오clusion과 날씨, 지리적, 환경 조건의 다양성을 포함한다.

DARPA는 컴퓨터 비전 알고리즘과 시스템의 “third-wave”를 다루기 위해 준비하면서도 항공기 제어의 일부를 자동화하는 노력을 이끌고 있다. 최근 DARPA는 AI 제어 F-16 전투기를 상대로 시뮬레이션 테스트를 수행했다. 이러한 테스트는 군대의 전투기에 AI를 통합하는 더 큰 임무의 1단계였다. 1단계의 끝은 시뮬레이션에서 실제 비행으로의 전환에 중점을 두고 있으며, DARPA는 2021년 후반에 실시간 테스트를 준비하고 있다.