美國DARPA尋求第三波AI研究
科技產業資訊室 (iKnow) - Gloria 發表於 2021年3月30日
圖、DARPA AI發展路線
激起第三波人工智慧浪潮的關鍵因素，在於人工智慧漸趨成熟，機器學習（machine learning）、深度學習（deep learning）技術突飛猛進。
其實，從最早的電腦網路至AI早期研究，DARPA一直扮演著突破現代科技最重要的要角。如果這一次，其能夠研發出“第三波”AI科技的話，未來AI在可視化方式追蹤物體的新方法，以更少的功率下，獲得高出10倍的結果。
DARPA於2021年三月底發布了特別通知（Special Notice），以獲取有關研究和開發“第三波”AI理論，以及解決第一波（基於規則的AI）和第二波（基於統計學習之AI）AI科技中存在的局限性方法之更多資訊。
根據特別通知指出，由DARPA資助的研發中，AI在專家系統和搜索等領域，以及先進的機器學習演算法和硬體已經取得了一些初步成功的結果。例如：透過像素智慧處理（Pixel Intelligent Processing；IP2）運作，可以提高視訊影像辨識演算法的準確性和可用性，特別是在感測器經常無法獲得足夠電源支持的邊緣運算上，更顯得其優勢。
基本上，現有AI科技演算法的參數數量和記憶體需求在精確度要求下，通常與輸入維度與量表成指數級比例成長。為了超越這一典範，IP2將尋找兩個關鍵要素以解決AI在嵌入感測器邊緣所需，分別是：數據複雜性，以及實現出精確、低延遲、小尺寸，輕巧和強大的AI演算法。
未來在第一部分的工作中，DARPA研究人員和合作夥伴，將著眼於將神經網路處理集中在單個像素上，以降低數據的複雜性。特別通知表示，這可以局部性降低維度，進而提高高維度視訊數據的稀疏度。這種“精選”數據流將可實現更高效的後端處理，而不會損失任何準確性。
第二部份的AI演算法方面，僅將提取最“顯著的資訊”，以傳輸到後端“封閉且任務導向”的循環神經網路演算法。
簡單來說，IP2將可要求執行者在處理複雜數據集的同時，也將AI演算法處理能量延遲乘積減少20倍，以展示SOA準確性。
最終得到AI解決方案，將在柏克萊大學無人駕駛車輛數據集BDD100K中進行測試。該數據集具有許多電腦視覺挑戰，包括：通用結合地理、環境和天氣多樣性、以及故意遮擋和大量分類任務等，來演示出未來大型嵌入式感測器的第三波AI功能。（749字）
參考資料：
DARPA Seeks to Improve Computer Vision in ‘Third Wave’ of AI Research. NextGov，2021/3/25
DARPA Seeks to Advance ‘Third Wave’ AI, Eyes ‘In Pixel’ Processing. MeriTalk, 2021/3/26
相關文章：
1. 美國政府提議2021年AI與量子資訊科學預算增加30%到22億美元
2. DARPA計劃投入經費於“第三波”人工智慧研究
3. DARPA尋求在月球上製造的能力
4. DARPA啟動Blackjack計畫將在2020年底首發三批衛星
5. 美國DARPA啟動LUMOS計畫 打造晶片整合雷射至矽光子
6. 美國DARPA計畫將昆蟲大腦放入機器人
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|