CRAZIEST DARPA Military Projects
Cơ quan Dự án Nghiên cứu Quốc phòng Tiên tiến (DARPA) đã công bố vào thứ Sáu khi ra mắt Mô hình Khám phá Dữ liệu (D3M), nhằm mục đích giúp những người không phải là chuyên gia thu hẹp khoảng cách mà họ gọi là khoảng cách chuyên môn về khoa học dữ liệu bằng cách cho phép trợ lý nhân tạo giúp đỡ người có máy học. DARPA gọi đó là trợ lý khoa học dữ liệu ảo của người Viking.
Phần mềm này rất quan trọng vì hiện tại, thiếu một nhà khoa học dữ liệu và nhu cầu lớn hơn bao giờ hết đối với các giải pháp dựa trên dữ liệu. DARPA cho biết các chuyên gia dự báo thâm hụt năm 2016 của 140.000 đến 190.000 nhà khoa học dữ liệu trên toàn thế giới và gia tăng sự thiếu hụt trong những năm tới.
Ví dụ, để xây dựng một mô hình về cách các yếu tố thời tiết, trường học, địa điểm và tội phạm khác nhau ảnh hưởng đến tắc nghẽn đối với các dịch vụ chia sẻ đi xe ở trung tâm thành phố Manhattan, một nhóm sinh viên NYU đã dành tương đương hơn 90 tháng để hoàn thành ngươi mâu. DARPA luôn thấy những vấn đề như thế này và Chương trình D3M sẽ cố gắng xây dựng nó để giảm đáng kể thời gian và chuyên môn cần thiết để tạo ra những mô hình như thế này trong tương lai.
Việc xây dựng các mô hình theo kinh nghiệm ngày nay phần lớn là một quy trình thủ công, đòi hỏi các chuyên gia dữ liệu phải dịch các yếu tố ngẫu nhiên, như thời tiết và giao thông, thành các mô hình mà sau đó các kỹ sư và nhà khoa học có thể đặt câu hỏi, Wade Shen, người quản lý chương trình trong Đổi mới thông tin của DARPA Văn phòng. Chúng tôi tin rằng nó có thể tự động hóa các khía cạnh nhất định của khoa học dữ liệu và đặc biệt là để máy móc học hỏi từ ví dụ trước về cách xây dựng các mô hình mới.
Là một cơ quan quốc phòng, tất nhiên DARPA cũng đang xem xét cách A.I. có thể ảnh hưởng đến chiến trường và cứu nhiều mạng sống hơn.
Google đã sử dụng A.I. để thực hiện các nhiệm vụ tương tự, chẳng hạn như Bảng chữ cái của Sidewalk Labs, đối tác với Bộ Giao thông Vận tải Hoa Kỳ, nhằm mục đích sử dụng cơ sở hạ tầng thu thập dữ liệu để giúp giảm bớt tắc nghẽn và đỗ xe trong các thành phố cạnh tranh.
Nếu các nhóm nhỏ hơn các nhà khoa học dữ liệu và không phải chuyên gia có thể sử dụng các mô hình học máy để giúp xác định các vấn đề trong xã hội, sẽ có nhiều thời gian hơn để phân tích dữ liệu để thực hiện các giải pháp.
Shen cho biết khả năng hiểu mọi thứ từ giao thông đến hành vi của các thế lực thù địch ngày càng khả thi nhờ sự tăng trưởng dữ liệu từ các cảm biến và nguồn mở, ông Shen nói. Hy vọng là D3M sẽ xử lý các vấn đề cơ bản về phát triển mô hình để mọi người có thể áp dụng trí thông minh của con người để xem dữ liệu theo những cách mới, và tưởng tượng các giải pháp và khả năng không rõ ràng hoặc thậm chí có thể hiểu được trước đó.