„DARPA“ sukurti „Virtualių duomenų mokslininko“ padėjėjus per A.I.

$config[ads_kvadrat] not found
Anonim

Išplėstinė gynybos projektų tyrimų agentūra (DARPA) penktadienį paskelbė apie Duomenų perdavimo skatinamų modelių atradimą (D3M), kurios tikslas - padėti ne ekspertams pereiti prie to, ką ji vadina „duomenų ir mokslo žinių trūkumu“, leidžiant dirbtiniams asistentams padėti žmonėms, turintiems mokymąsi. DARPA jį vadina „virtualių duomenų mokslininko“ padėjėju.

Ši programinė įranga yra dvigubai svarbi, nes šiuo metu trūksta duomenų mokslininkų ir daugiau paklausos nei bet kada daugiau duomenų orientuotų sprendimų. „DARPA“ teigia, kad 2016 m. Pasaulio ekspertai projektuoja 140 000–190 000 duomenų mokslininkų trūkumų, o ateinančiais metais didėja trūkumų.

Pavyzdžiui, norint sukurti modelį, kaip skirtingas oras, mokykla, vieta ir nusikalstamumo veiksniai turi įtakos perkrovimui pasidalijimo paslaugomis Manheteno centre, NYU mokinių komanda praleido daugiau nei 90 mėnesių darbo valandų, kad užbaigtų modelis. „DARPA“ visą laiką mato problemas, o D3M programa stengsis ją sukurti, kad būtų smarkiai sumažintas laikas ir patirtis, reikalinga tokiems modeliams ateityje sukurti.

„Šiandien empirinių modelių kūrimas yra daugiausia rankinis procesas, reikalaujantis, kad duomenų ekspertai išverstų stochastinius elementus, tokius kaip oras ir eismas, į modelius, kuriuos inžinieriai ir mokslininkai gali užduoti“, - sakė „DARPA“ informacijos inovacijų programos vadovas Wade Shen. Biuras. „Manome, kad galima automatizuoti tam tikrus duomenų mokslo aspektus, o būtent, kad mašinos mokytųsi iš ankstesnių pavyzdžių, kaip sukurti naujus modelius.“

Kaip gynybos agentūra, DARPA, žinoma, taip pat ieško, kaip tai yra A.I. gali paveikti mūšio lauką ir išgelbėti daugiau gyvybių.

„Google“ jau naudoja savo A.I. atlikti panašias užduotis, pvz., abėcėlės „Sidewalk Labs“ partnerystę su JAV Transporto departamento „Smart City Challenge“, kurio tikslas - naudoti duomenų rinkimo infrastruktūrą, kuri padėtų lengvinti grūstis ir automobilių stovėjimą miestuose.

Jei mažesnės duomenų mokslininkų ir ne ekspertų grupės gali naudoti mašinų mokymosi modelius, kad padėtų nustatyti visuomenės problemas, bus daugiau laiko analizuoti duomenis, kad būtų galima realiai įgyvendinti sprendimus.

„Mūsų gebėjimas suprasti viską nuo eismo iki priešiškų jėgų elgesio vis labiau įmanomas atsižvelgiant į duomenų iš jutiklių ir atvirų šaltinių augimą“, - sakė Shen. „Tikimės, kad D3M tvarkys modelio kūrimo pagrindus, kad žmonės galėtų taikyti savo žmogiškąjį intelektą, kad galėtų ieškoti naujų būdų ir įsivaizduoti sprendimus ir galimybes, kurios nebuvo akivaizdžios ar net neįsivaizduojamos.“

$config[ads_kvadrat] not found