DARPA Nhắm Tiến Sang Phát Triển Hệ Thống Trí Tuệ Nhân Tạo “Làn Sóng Thứ Ba”

Cơ quan Nghiên cứu và Phát triển Tiên tiến Quốc phòng (DARPA) đang bắt đầu một dự án nhằm cải thiện các kỹ thuật tầm nhìn máy tính và khởi động một “làn sóng thứ ba” của nghiên cứu trí tuệ nhân tạo. Làn sóng thứ ba của nghiên cứu trí tuệ nhân tạo nhằm giải quyết các hạn chế của làn sóng thứ nhất và thứ hai của công nghệ trí tuệ nhân tạo, bao gồm cả việc cải thiện các thuật toán nhận dạng hình ảnh.

DARPA là nhóm nghiên cứu tiên tiến chính của quân đội Mỹ, và nó đã đóng vai trò quan trọng trong việc tạo ra nhiều yếu tố của công nghệ hiện đại, như các mạng máy tính đầu tiên và các hệ thống trí tuệ nhân tạo đầu tiên. DARPA gần đây đã đăng một thông báo về một cơ hội sắp tới, tìm kiếm một nhà nghiên cứu để tham gia vào việc phát triển lý thuyết và ứng dụng trí tuệ nhân tạo “làn sóng thứ ba”. Thông báo này đề cập đến cơ hội làm việc trên hệ thống Xử lý Thông minh Pixel (IP2) của DARPA. IP2 nhằm cải thiện tính tin cậy, khả năng sử dụng và độ chính xác chung của các hệ thống nhận dạng hình ảnh / video. IP2 đặc biệt quan trọng đối với các trường hợp tính toán biên, vì các thiết bị này không có quyền truy cập vào các tài nguyên tính toán cần thiết để xử lý các khối lượng công việc lớn.

IP2 nhằm giải quyết hai vấn đề hạn chế việc triển khai các hệ thống trí tuệ nhân tạo trong các thiết bị tính toán biên. Một vấn đề là tạo ra các thuật toán trí tuệ nhân tạo có trọng lượng thấp, công suất thấp và độ trễ thấp mà vẫn có thể duy trì độ chính xác cần thiết để trở nên hữu ích. Vấn đề khác cần giải quyết là độ phức tạp của dữ liệu. Khi độ phức tạp của tập dữ liệu có thể giảm, thì ít hơn tài nguyên xử lý cần thiết để phân tích tập dữ liệu.

Các nhà nghiên cứu của DARPA sẽ nhằm giảm độ phức tạp của các tập dữ liệu hình ảnh bằng cách sử dụng các mạng nơ-ron xử lý từng pixel. Kỹ thuật này giảm chiều của tập dữ liệu và tăng độ thưa thớt của hình ảnh / video trong tập dữ liệu. Các kỹ thuật này cho phép dữ liệu được xử lý ở phía backend mà không hy sinh độ chính xác của mô hình. Các kỹ thuật giảm chiều cho phép hệ thống trí tuệ nhân tạo trích xuất chỉ thông tin liên quan nhất từ hình ảnh / video và cung cấp nó cho mô hình mạng nơ-ron hồi quy thực sự thực hiện dự đoán về dữ liệu. Mô hình mạng nơ-ron hồi quy cũng được đơn giản hóa để giảm tiêu thụ năng lượng.

Theo các quan chức của DARPA, như được trích dẫn trong NextGov:

“Bằng cách di chuyển ngay lập tức luồng dữ liệu đến biểu diễn tính năng thưa thớt, các mạng nơ-ron giảm độ phức tạp sẽ được đào tạo để đạt độ chính xác cao trong khi giảm tổng số hoạt động tính toán xuống 10 lần.”

Dự án IP2 sẽ cần các nhà thực hiện để hiển thị độ chính xác theo trạng thái nghệ thuật trong khi cũng thiết lập giảm 20 lần năng lượng xử lý thuật toán trí tuệ nhân tạo khi xử lý các tập dữ liệu lớn. Ví dụ, IP2 nên có thể cung cấp kết quả theo trạng thái nghệ thuật trên tập dữ liệu BDD100K của Đại học California-Berkley, đây là một tập dữ liệu lớn được sử dụng để đào tạo các phương tiện tự lái bằng cách kết hợp các nhiệm vụ phân loại hình ảnh khác nhau cùng với các che khuất và đa dạng về thời tiết, địa lý và điều kiện môi trường.

Trong khi DARPA chuẩn bị để giải quyết làn sóng thứ ba của các thuật toán và hệ thống tầm nhìn máy tính, nó cũng đang dẫn đầu một nỗ lực để tự động hóa các khía cạnh của kiểm soát máy bay, gần đây đã thực hiện một loạt các thử nghiệm mô phỏng đặt các máy bay chiến đấu F-16 được kiểm soát bởi trí tuệ nhân tạo chống lại một đối thủ. Những thử nghiệm này là Giai đoạn 1 của một nhiệm vụ lớn hơn để tích hợp trí tuệ nhân tạo vào các máy bay chiến đấu của quân đội. Kết thúc của Giai đoạn 1 tập trung vào việc chuyển đổi từ mô phỏng sang các chuyến bay thế giới thực, với DARPA chuẩn bị cho các thử nghiệm bay trực tiếp vào cuối năm 2021.