为了显著改善人工智能和机器学习技术，美国国家情报总监办公室(Office of the Director of National intelligence)的研究部门最近宣布了一项计划，其主要目标是反向工程人类大脑算法。
情报高级研究计划局(IARPA)的研究人员说，他们的五年计划叫做来自皮层网络的机器智能将为参与者提供“提出具有最大潜力的神经计算理论的生物学问题的独特机会，并通过精心计划的实验和数据分析获得答案。”
+更多关于网络世界有个足球雷竞技app:最热门的3D打印项目+
在项目的过程中，参与者将利用他们对大脑的表示、转换和学习规则的不断加深的理解，创造出更加强大的神经衍生机器学习算法。MICrONS的最终计算目标包括执行复杂信息处理任务的能力，如一次性学习、无监督聚类和场景解析。最终，当表演者将这些见解融入到连续版本的机器学习算法中，他们将设计出能够执行复杂信息处理任务的解决方案，目标是达到类似人类的熟练程度。”
IARPA表示，“尽管过去几年机器学习取得了重大进展，但目前最先进的算法很脆弱，不能很好地概括。”相比之下，大脑能够在存在显著噪声和非线性转换的情况下对信号进行强有力的分离和分类，并能从单个例子推断出整个类别的刺激。”
“软件和湿件之间的性能差距仍然存在，尽管领先的机器学习算法的架构和它们在大脑中的生物对应物之间存在一些对应，可能是因为两者在操作细节上仍然存在显著差异。微米计划是基于这样的假设,可以实现重大突破在机器学习如果我们可以构造合成系统,不仅像大脑的高级蓝图,而且雇佣来自特定的底层计算模块计算由皮质电路,”IARPA表示。
+更多关于网络世界有个足球雷竞技app:运输安全管理局在旅客身上发现的26件最疯狂和最可怕的事情+
IARPA表示，由于科学重点、资金来源、知识库和词汇的不同，神经科学和机器学习之间的有效知识转移速度很慢。因此，在过去几十年里出现的关于神经计算的想法很少被纳入到现代机器学习算法中。
另一个政府高级研究机构国防高级研究计划局(DARPA)的研究人员也有一些机器学习工作在继续。
DARPA有一个项目叫做高级机器学习的概率编程(PPAML)这将极大地增加能够成功构建机器学习应用程序的人数，并实现使用当今技术无法想象的新应用程序。
DARPA项目经理Kathleen Fisher说:“我们想为机器学习做的事情，就像50年前高级程序语言的出现为整个软件开发社区所做的一样。”“我们的目标是，未来的机器学习项目不会要求人们了解感兴趣的领域和机器学习的一切，以构建有用的机器学习应用程序。通过专为概率推理而设计的新的概率编程语言，我们希望决定性地减少当前机器学习的障碍，并促进创新、生产力和效率的繁荣。”
DARPA表示，机器学习已经是当今许多前沿技术的核心，比如电子邮件垃圾过滤、智能手机个人助理和自动驾驶汽车。不幸的是，即使对这些功能的需求正在加速，每一个新的应用程序都需要付出巨大的努力。即使是一个受过专门训练的机器学习专家团队，由于缺乏构建这些系统的工具，也只能取得令人痛苦的缓慢进展，”DARPA说。
看看其他热门故事: