DARPA til at bygge "virtuelle dataforsker" assistenter gennem A.I.

$config[ads_kvadrat] not found

World Changing: Data Science and AI | Fred Blackburn | TEDxWakeForestU

World Changing: Data Science and AI | Fred Blackburn | TEDxWakeForestU
Anonim

Forsvarsforskningsagenturet for Forsvar (DARPA) annoncerede fredag ​​lanceringen af ​​Data-Driven Discovery of Models (D3M), der har til formål at hjælpe ikke-eksperter med at broere det, som det kalder "datakundskabskompetenceforskellen" ved at tillade kunstige assistenter at hjælpe mennesker med maskinindlæring. DARPA kalder det til en "virtual data scientist" assistent.

Denne software er dobbelt så vigtig, fordi der er mangel på datavidenskabere lige nu og en større efterspørgsel end nogensinde for flere data-drevne løsninger. DARPA siger eksperter projekter 2016 underskud på 140.000 til 190.000 datavidenskabere verden over, og stigende mangler i de kommende år.

For eksempel for at opbygge en model for, hvordan forskellige vejrforhold, skoleforhold, lokaliteter og kriminalitetsfaktorer påvirker trafikbelastningstjenester i downtown Manhattan, brugte et team af NYU-studerende tilsvarende mere end 90 måneders arbejdstid til at fuldføre modellen. DARPA oplever problemer som dette hele tiden, og D3M-programmet vil stræbe efter at konstruere det for at reducere den tid og den ekspertise, der er nødvendig for at lave modeller som disse i fremtiden drastisk.

"Opførelsen af ​​empiriske modeller i dag er stort set en manuel proces, der kræver datagrupper til at omsætte stokastiske elementer som vejr og trafik til modeller, som ingeniører og forskere kan stille spørgsmål om", siger Wade Shen, programleder i DARPAs informationsinnovation Kontor. "Vi mener, at det er muligt at automatisere visse aspekter af datalogi, og specifikt at have maskiner lære af tidligere eksempel hvordan man konstruerer nye modeller."

Som forsvarsagentur ser DARPA selvfølgelig også på, hvordan denne A.I. kunne påvirke slagmarken og redde flere liv.

Google bruger allerede sin A.I. at udføre lignende opgaver som Alfabet's Sidewalk Labs 'partnerskab med US Department of Transportation's Smart City Challenge, der har til formål at bruge dataindsamlingsinfrastruktur til at lette trafikbelastning og parkering i vikingesteder.

Hvis mindre hold af datalogikere og ikke-eksperter kan bruge maskinindlæringsmodeller til at hjælpe med at identificere problemer i samfundet, vil der være mere tid til analyse af dataene for faktisk at implementere løsninger.

"Vores evne til at forstå alt fra trafik til adfærd fra fjendtlige kræfter er i stigende grad muliggjort i betragtning af væksten i data fra sensorer og åbne kilder," sagde Shen. "Håbet er, at D3M vil håndtere det grundlæggende i modeludvikling, så folk kan anvende deres menneskelige intelligens til at se på data på nye måder og forestille sig løsninger og muligheder, der ikke var indlysende eller endog tænkelige før."

$config[ads_kvadrat] not found