人工智能技术的发展可以升级吗?科学家情报高级研究项目活动(IARPA)当然希望如此,最近发表了一份请求的信息关于人工智能可以更快更持续进步。
”定义为:计算机模拟人工智能、认知过程,如感知、识别、推理、和控制,抓住了公众的想象力60多年了。然而,人工智能的研究已经时断时续的这段时间里,随着字段重复繁荣和萧条周期特点是承诺的进展之后,过高的期望,最终幻灭,导致所谓的“人工智能冬天”——长期下降的研究和资金活动,”IARPA写道。IARPA是高风险、高回报的国家情报总监办公室。
+更多网络世界:有个足球雷竞技app+
IARPA指出,“传统的观念是,新算法的限制因素稳步进展人工智能。然而,最近机器学习的进步,人工智能的一个分场,建立了历史算法结合高性能计算机可以用来实现近人类表现多样的任务,如图像和语音识别,语言翻译和视频游戏。在每一种情况下,和很多人一样,快速进步是通过大量的训练数据的可用性适合问题正在研究。”
+更多网络世界:+有个足球雷竞技app
正是在这些数据增加培训资源IARPA聚焦这个RFI问培训资源的人工智能研究社区,如果创建,将最有可能推动人工智能的进步。
IARPA问这些问题:
- 问题域(s)最有可能受益于新的培训资源的可用性,为什么?
- 需要哪些新的培训资源在这一领域取得重大进展?这些资源应如何安排?提出资源如何与现有资源?
- 什么样的努力是需要创建和/或牧师这些培训资源?什么技术、后勤和/或法律挑战会与这样的努力?这样的努力会花多少钱,要多久?多少精力和金钱需要存储、维护、分发、和/或利用该培训资源?
- 谁会的主要利益相关者提出培训资源?这些利益相关者如何使用该资源?
- 一年一度的挑战(例如ImageNet大规模视觉识别挑战)使用一组标准的培训和/或评估数据有助于促进进步在很多机器学习问题域。中创建一个挑战应该提出的问题域,如果是这样的话,那应该如何设计,实现,和判断吗?
RFI只是IARPA之一近期进军发展人工智能和机器学习技术。今年1月,该机构宣布一个程序,它的主要目标是人类大脑逆向工程算法。五年计划称为机器智能从皮质网络(微米)将参与者提供一个“独特的机会提出生物问题的最大潜在推进理论的神经计算和获得通过精心策划的实验和数据分析的答案。”
IARPA表示,“尽管重大进展在机器学习在过去的几年里,今天的先进的算法是脆弱和不推广。相比之下,大脑能够强劲分离和分类存在显著的噪声和信号非线性转换,从单一的例子,可以推断整个类的刺激。”
看看这些其他热的故事:
联邦政府攫取价值3900万美元的假体育齿轮前NFL超级碗50
国税局骗局:自2013年以来5000受害者被骗了2650万美元