DARPA 计划将计算机视觉 AI 系统带入 “第三波” 发展

美国国防高级研究计划局（DARPA）正在启动一个项目，旨在改进计算机视觉技术，并启动一项“第三波”AI 研究。第三波 AI 研究旨在解决第一波和第二波 AI 技术的局限性，包括图像识别算法的改进。

DARPA 是美国军方的主要高级研究机构，它在创造许多现代技术元素方面发挥了至关重要的作用，例如最早的计算机网络和最早的 AI 系统。DARPA 最近发布了一则公告，宣布即将推出一个机会，寻找一名研究人员参与“第三波”AI 理论和应用的开发。该公告提到了参与 DARPA 的像素智能处理（IP2）系统的机会。IP2 旨在提高图像/视频识别系统的一般可靠性、可用性和准确性。IP2 对边缘计算实例尤其重要，因为这些设备没有足够的计算资源来处理大型工作负载。

IP2 旨在解决两个限制 AI 系统在边缘计算设备中部署的问题。一个问题是创建低权重、低功耗和低延迟的 AI 算法，同时保持所需的准确性。另一个需要解决的问题是数据复杂性。数据集的复杂性越低，分析数据集所需的处理能力就越低。

DARPA 研究人员 将通过使用处理单个像素的神经网络来减少图像数据集的复杂性 。这种技术减少了数据集的维度并增加了图像/视频数据集的稀疏性。这些技术使数据可以在后端处理，而不会牺牲模型的准确性。维度减少技术使 AI 系统能够从图像/视频中提取最相关的信息并将其传递给实际对数据进行预测的循环神经网络模型。循环神经网络本身也被简化以减少功耗。

根据 DARPA 官员的说法， 正如 NextGov 所言

“通过立即将数据流转换为稀疏特征表示，降低复杂性[神经网络]将在降低总计算操作 10 倍的同时训练到高精度。”

IP2 项目需要表演者在显示最先进的准确性同时也实现 AI 算法处理能量延迟 20 倍的减少，而处理大型数据集。例如，IP2 应该能够在加州大学伯克利分校的 BDD100K 数据集上提供最先进的结果，该数据集是用于训练自动驾驶车辆的数据集，通过将各种图像分类任务与遮挡、天气、地理和环境条件的多样性结合起来。

当 DARPA 加紧努力解决计算机视觉算法和系统的第三波时，它还正在领导自动化飞机控制方面的努力，最近进行了一系列模拟测试，将 AI 控制的 F-16 战斗机与对手对战。这些测试是将 AI 集成到军用战斗机的更大任务的第 1 阶段。第 1 阶段的结束集中在从模拟到真实飞行的转变上，DARPA 正在为 2021 年晚些时候的实飞测试做准备。