A DARPA Visa Introduzir Sistemas de Visão Computacional de IA na “Terceira Onda” de Desenvolvimento

A Agência de Projetos de Pesquisa Avançada de Defesa (DARPA) está iniciando um projeto destinado a melhorar as técnicas de visão computacional e iniciar uma “terceira onda” de pesquisa de IA. A terceira onda de pesquisa de IA visa abordar as limitações das primeiras e segundas ondas de tecnologias de IA, que incluem melhorias nos algoritmos de reconhecimento de imagens.

A DARPA é o principal grupo de pesquisa avançada para o exército dos EUA e desempenhou um papel fundamental na criação de muitos elementos da tecnologia moderna, como as primeiras redes de computadores e os primeiros sistemas de IA. A DARPA recentemente publicou um anúncio sobre uma oportunidade futura, procurando um pesquisador para participar do desenvolvimento da teoria e aplicações de IA da “terceira onda”. O aviso fez referência à oportunidade de trabalhar no sistema de Processamento de Imagens Inteligentes (IP2) da DARPA. O IP2 visa melhorar a confiabilidade geral, usabilidade e precisão dos sistemas de reconhecimento de imagens/vídeos. O IP2 é especialmente importante para instâncias de edge computing, pois esses dispositivos não têm acesso aos recursos computacionais necessários para lidar com grandes cargas de trabalho.

O IP2 visa resolver dois problemas que limitam a implantação de sistemas de IA em dispositivos de edge computing. Um problema é a criação de algoritmos de IA de baixo peso, baixo poder e baixa latência que ainda possam manter a precisão necessária para ser útil. O outro problema que precisa ser resolvido é a complexidade dos dados. Quanto mais a complexidade do conjunto de dados puder ser reduzida, menos poder de processamento será necessário para analisar o conjunto de dados.

Os pesquisadores da DARPA visam reduzir a complexidade dos conjuntos de dados de imagens usando redes neurais que processam pixels individuais. Essa técnica reduz a dimensionalidade do conjunto de dados e aumenta a esparsidade das imagens/vídeos no conjunto de dados. Essas técnicas permitem que os dados sejam processados no backend sem sacrificar a precisão do modelo. As técnicas de redução de dimensionalidade permitem que o sistema de IA extraia apenas as informações mais relevantes das imagens/vídeos e as entregue ao modelo de rede neural recorrente que faz previsões sobre os dados. A própria rede neural recorrente também é simplificada para reduzir o consumo de energia.

De acordo com os funcionários da DARPA, conforme citado no NextGov:

“Ao mover imediatamente o fluxo de dados para a representação de recursos esparsos, as redes neurais de complexidade reduzida serão treinadas para alta precisão, reduzindo as operações de computação geral por 10x.”

O projeto IP2 precisará que os participantes exibam precisão de ponta enquanto instituem uma redução de 20x na energia de processamento de algoritmos de IA ao lidar com grandes conjuntos de dados. Por exemplo, o IP2 deve ser capaz de entregar resultados de ponta em conjunto de dados BDD100K da Universidade da Califórnia-Berkeley, que é um grande conjunto de dados usado para treinar veículos autônomos, incorporando uma variedade de tarefas de classificação de imagens, juntamente com oclusões e diversidade em condições climáticas, geográficas e ambientais.

À medida que a DARPA se prepara para enfrentar a terceira onda de algoritmos e sistemas de visão computacional, também está liderando um esforço para automatizar aspectos do controle de aeronaves, realizando recentemente uma série de testes simulados que colocaram caças F-16 controlados por IA contra um oponente. Esses testes foram a Fase 1 de uma missão maior para integrar a IA nos caças da força aérea. O final da Fase 1 está focado na transição de simulações para voos do mundo real, com a DARPA se preparando para testes de voo ao vivo mais tarde em 2021.