DARPA มีเป้าหมายที่จะนำระบบ Computer Vision AI เข้าสู่ “คลื่นลูกที่สาม” ของการพัฒนา

ตัวแทนโครงการวิจัยขั้นสูงด้านกลาโหม (DARPA) กำลังเริ่มโครงการที่มีจุดมุ่งหมายเพื่อปรับปรุงเทคนิคการมองเห็นของคอมพิวเตอร์และเป็น "คลื่นลูกที่สาม" ของการวิจัย AI การวิจัยคลื่นลูกที่สามของ AI พยายามแก้ไขข้อจำกัดของคลื่นลูกที่หนึ่งและลูกที่สองของเทคโนโลยี AI ซึ่งรวมถึงการปรับปรุงอัลกอริธึมการจดจำภาพ

DARPA เป็นกลุ่มวิจัยขั้นสูงขั้นต้นสำหรับกองทัพสหรัฐฯ และมีบทบาทสำคัญในการสร้างสรรค์องค์ประกอบหลายอย่างของเทคโนโลยีสมัยใหม่ เช่น เครือข่ายคอมพิวเตอร์รุ่นแรกสุดและระบบ AI รุ่นแรกสุด DARPA เพิ่งโพสต์ประกาศเกี่ยวกับโอกาสที่กำลังจะมาถึง โดยมองหานักวิจัยที่จะมีส่วนร่วมในการพัฒนาทฤษฎีและแอปพลิเคชัน AI “คลื่นลูกที่สาม” ประกาศดังกล่าวอ้างถึงโอกาสในการทำงานกับระบบ Pixel Intelligent Processing (IP2) ของ DARPA IP2 มีวัตถุประสงค์เพื่อปรับปรุงความน่าเชื่อถือทั่วไป การใช้งาน และความแม่นยำของระบบจดจำภาพ/วิดีโอ IP2 มีความสำคัญอย่างยิ่งสำหรับอินสแตนซ์การประมวลผลแบบเอดจ์ เนื่องจากอุปกรณ์เหล่านี้ไม่มีสิทธิ์เข้าถึงทรัพยากรการคำนวณที่จำเป็นในการจัดการปริมาณงานขนาดใหญ่

IP2 มีจุดมุ่งหมายเพื่อแก้ปัญหาสองประการที่จำกัดการปรับใช้ระบบ AI ในอุปกรณ์ประมวลผลขอบ ปัญหาหนึ่งคือการสร้างอัลกอริธึม AI ที่มีน้ำหนักน้อย ใช้พลังงานต่ำ และมีเวลาแฝงต่ำ ซึ่งยังคงรักษาความแม่นยำที่จำเป็นต่อการใช้ประโยชน์ได้ ปัญหาอื่น ๆ ที่ต้องแก้ไขคือความซับซ้อนของข้อมูล ยิ่งสามารถลดความซับซ้อนของชุดข้อมูลได้มากเท่าใด ก็ยิ่งต้องการพลังการประมวลผลในการวิเคราะห์ชุดข้อมูลน้อยลงเท่านั้น

นักวิจัย DARPA จะมีจุดมุ่งหมายเพื่อลดความซับซ้อนของชุดข้อมูลภาพ โดยใช้โครงข่ายประสาทเทียมที่ประมวลผลแต่ละพิกเซล เทคนิคนี้ช่วยลดขนาดของชุดข้อมูลและเพิ่มความกระจัดกระจายของรูปภาพ/วิดีโอในชุดข้อมูล เทคนิคเหล่านี้ช่วยให้สามารถประมวลผลข้อมูลบนแบ็กเอนด์ได้โดยไม่สูญเสียความแม่นยำของโมเดล เทคนิคการลดขนาดทำให้ระบบ AI สามารถดึงเฉพาะข้อมูลที่เกี่ยวข้องมากที่สุดจากภาพ/วิดีโอ และส่งไปยังโมเดลโครงข่ายประสาทเทียมที่เกิดซ้ำซึ่งคาดการณ์เกี่ยวกับข้อมูลได้จริง ตาข่ายนิวรัลที่เกิดซ้ำยังทำให้ง่ายขึ้นเพื่อลดการใช้พลังงาน

เจ้าหน้าที่ DARPA ระบุว่า ตามที่อ้างถึงใน NextGov:

“การย้ายสตรีมข้อมูลไปยังการแสดงฟีเจอร์แบบกระจายในทันที ความซับซ้อนที่ลดลง [เครือข่ายนิวรัล] จะฝึกให้มีความแม่นยำสูงในขณะที่ลดการประมวลผลโดยรวมลง 10 เท่า”

โครงการ IP2 จะต้องมีนักแสดงเพื่อแสดงความแม่นยำที่ล้ำสมัย ในขณะเดียวกันก็ลดอัลกอริทึม AI ที่ประมวลผลความล่าช้าของพลังงานลง 20 เท่า เมื่อจัดการชุดข้อมูลขนาดใหญ่ ตัวอย่างเช่น IP2 ควรสามารถให้ผลลัพธ์ที่ล้ำสมัยในชุดข้อมูล BDD100K ของมหาวิทยาลัยแคลิฟอร์เนีย-เบิร์กลีย์ ซึ่งเป็นชุดข้อมูลขนาดใหญ่ที่ใช้ในการฝึกยานพาหนะที่ขับเคลื่อนด้วยตัวเองโดยรวมงานจำแนกภาพที่หลากหลายควบคู่ไปกับการบดบังและ ความหลากหลายทางสภาพอากาศ ภูมิศาสตร์ และสิ่งแวดล้อม

ในขณะที่ DARPA เตรียมพร้อมรับมือกับคลื่นลูกที่สามของอัลกอริธึมและระบบการมองเห็นด้วยคอมพิวเตอร์ ก็ยังเป็นผู้นำความพยายามเช่นกัน ด้านอัตโนมัติของการควบคุมเครื่องบินเมื่อเร็ว ๆ นี้ได้ทำการทดสอบแบบจำลองหลายชุดที่ทำให้เครื่องบินรบ F-16 ที่ควบคุมโดย AI ต่อสู้กับฝ่ายตรงข้าม การทดสอบเหล่านี้เป็นระยะที่ 1 ของภารกิจที่ใหญ่กว่าในการรวม AI เข้ากับเครื่องบินรบของกองทัพ การสิ้นสุดระยะที่ 1 มุ่งเน้นไปที่การเปลี่ยนไปสู่การจำลองการบินในโลกแห่งความเป็นจริง โดย DARPA จะเตรียมการทดสอบการบินจริงในปี 2021