DARPA Мета Bring Комп’ютерного Зору AI Системи До “Третього Хвилі” Розробки

Управління перспективних дослідницьких проектів Міністерства оборони США (DARPA) розпочало проект, спрямований на покращення технік комп’ютерного зору та запуск “третьої хвилі” досліджень у галузі штучного інтелекту. Третя хвиля досліджень штучного інтелекту спрямована на вирішення обмежень першої та другої хвиль технологій штучного інтелекту, до яких належать удосконалення алгоритмів розпізнавання зображень.

DARPA є основною групою перспективних досліджень для збройних сил США, і вона відіграла критичну роль у створенні багатьох елементів сучасної технології, таких як перші комп’ютерні мережі та перші системи штучного інтелекту. DARPA недавно опублікувала оголошення про майбутню можливість, шукаючи дослідника для участі у розробці теорії та застосувань “третьої хвилі” штучного інтелекту. Оголошення містить посилання на можливість працювати над системою обробки інтелектуальних пікселів (IP2) DARPA. IP2 призначена для покращення загальної надійності, зручності та точності систем розпізнавання зображень/відео. IP2 особливо важлива для інстанцій=edge-обчислювальних пристроїв, оскільки ці пристрої не мають доступу до обчислювальних ресурсів, необхідних для обробки великих об’ємів даних.

IP2 спрямована на вирішення двох проблем, які обмежують розгортання систем штучного інтелекту на пристроях=edge-обчислювальних пристроях. Однією з проблем є створення алгоритмів штучного інтелекту з низькою вагою, низькою потужністю та низькою затримкою, які все ще можуть зберігати необхідну точність для того, щоб бути корисними. Іншою проблемою, яка потребує вирішення, є складність даних. Чим більше можна зменшити складність набору даних, тим менше обчислювальної потужності потрібно для аналізу набору даних.

DARPA-дослідники будуть спрямовані на зменшення складності наборів даних зображень за допомогою використання нейронних мереж, які обробляють окремі пікселі. Цей метод зменшує розмірність набору даних та збільшує розрідженість зображень/відео в наборі даних. Ці методи дозволяють обробляти дані на бекенді без втрати точності моделі. Техніки зменшення розмірності дозволяють системі штучного інтелекту витягувати лише найбільш важливу інформацію з зображень/відео та доставляти її до рекурентної нейронної мережевої моделі, яка робить передбачення щодо даних. Сама рекурентна нейронна мережа також спрощується для зменшення споживання потужності.

За словами офіційних осіб DARPA, як цитовано в NextGov:

“Відразу ж переміщуючи потік даних до розрідженої репрезентації функцій, зменшеної складності [нейронні мережі] будуть навчені до високої точності, зменшуючи загальні обчислювальні операції на 10 разів.”

Проект IP2 потребуватиме виконавців, які будуть демонструвати найвищу точність, а також встановлювати 20-разове зменшення енергозатримки обробки алгоритмів штучного інтелекту при обробці великих наборів даних. Наприклад, IP2 повинна бути能够 доставляти результати рівня стану мистецтва на наборі даних BDD100K Університету Каліфорнії-Берклі, який є великим набором даних, використовуваним для навчання самоходних транспортних засобів шляхом включення різноманітних завдань класифікації зображень поряд з окулюванням та різноманітністю погодних, географічних та екологічних умов.

Як DARPA готується до того, щоб зайнятися третьою хвилею алгоритмів та систем комп’ютерного зору, вона також очолює зусилля щодо автоматизації аспектів контролю літака, недавно провівши серію симульованих тестів, які поставили штучно інтелектуально-контрольовані винищувачі F-16 проти суперника. Ці тести були першою фазою більшої місії з інтеграції штучного інтелекту у винищувачі військово-повітряних сил. Кінець першої фази зосереджений на переході від симуляцій до реальних польотів, а DARPA готується до проведення льотних тестів пізніше у 2021 році.