Harvardo „Nacionalinės žvalgybos dotacijos“ naudojimas „Moonshot“ A.I. Tyrimai

Jei dirbtinis intelektas tikrai pakeis pasaulį, nes daugelis ekspertų mano, kad tai bus, tada tai yra geras statymas pradėti dabar investuoti. Taigi netikėtai išgirsti, kad „Harvardo universitetas“ paprašė ir laimėjo 28 mln. tyrimas.

Tačiau staigmena yra ta, kad pinigai gaunami iš: Pažangios pažangos tyrimų projektų, organizacijos, priklausančios JAV Nacionalinės žvalgybos direktoriaus biurui.

Žinoma, pinigai bus nukreipti konkrečiai į žinduolių smegenų sudėtingų procesų tyrimą ir kodėl jie yra taip gerai prijungti, kad galėtų išmokti ir panaudoti naują informaciją. Tikslas - sukurti kompiuterinius algoritmus, kurie būtų optimizuoti, kad sužinotų, kaip žmonės daro. Dirbdami kartu, neurologai ir kompiuteriniai programuotojai iš Harvardo ir 13 kitų laboratorijų visoje šalyje stebės ir analizuos žmogaus vizualinės žievės veiklą ir bandys imituoti šiuos procesus mašinų sistemoje.

„Tai yra„ Moonshot “iššūkis, panašus į žmogaus genomo projektą“, - pasakojo biologas, kompiuterių mokslininkas ir projekto vadovas Davidas Coxas. Kompiuterinis pasaulis. „Išsiaiškinę pagrindinius smegenų mokymosi principus, sunku įsivaizduoti, kad galiausiai galėsime sukurti kompiuterines sistemas, kurios gali atitikti ar net pralenkti žmones“.

Kodėl IARPA domisi A.I. moksliniai tyrimai? Organizacija faktiškai finansuoja įvairius įvairius projektus - kai kurie yra glaudžiai susiję su žvalgybos duomenų rinkimu ir analize, o kai kurie tik su juo susiję. Tačiau kalbant apie A.I., lengva suprasti, kodėl žvalgybos bendruomenė nori pamatyti autonominių sistemų pažangą. A.I. gali įsisavinti didžiulius duomenų gabalus ir jaustis daug greičiau nei žmonės. Jie galėtų nustatyti žmogaus elgsenos modelius ir tendencijas ar skirtumus, kaip žmonės nėra lengvai pasirengę.

Pirmoji tyrimo dalis apima žiurkių mokymą atpažinti objektus kompiuterio monitoriuje ir įrašyti jų regėjimo neuronų veiklą. Po to žiurkių smegenys bus tiesiogiai ištirtos su pirmuoju pasauliniu pluošto skenavimo elektronų mikroskopu, patogiai esančiu Harvardo mieste.

Tikimės, kad „Cox“ ir jo komanda galės naudoti šiuos duomenis skaitmeniniu būdu atkurti visą vizualinę sistemą trijose dimensijose, iš kurių kiti mokslininkai gali priimti valdiklius ir sukurti algoritmus, kurie gali išmokti ir identifikuoti modelius, pagrįstus šiais rekonstrukcijomis.

Nedelsiant aišku, kokiais būdais IARPA tikisi naudoti tokią sistemą žvalgybos tikslais. Vienintelis tikras dalykas yra tai, kad jie neabejotinai ieško trumpalaikio išmokėjimo. Šis tyrimas galėtų paskatinti A.I. bet kokie praktiniai taikomieji dalykai nepasirodys bent jau dešimtmetį (ir tikriausiai kelis dešimtmečius, jei bus realūs). Tačiau IARPA ankstyvosios investicijos tikriausiai atsipirks tuo laiku.