2019年美国政府开展了哪些前沿AI研究项目|全球快讯

简介: 2019年,美国政府划拨的科研经费为1400亿美元。在众多政府研究项目中,美国国防高级研究计划局(DARPA)和情报高级研究计划局(IARPA)开展的往往最具创新性,例如DARPA此前的研究为互联网、GPS等我们今天熟知的技术奠定了基础。

2019年,美国政府划拨的科研经费为1400亿美元。在众多政府研究项目中,美国国防高级研究计划局(DARPA)和情报高级研究计划局(IARPA)开展的往往最具创新性,例如DARPA此前的研究为互联网、GPS等我们今天熟知的技术奠定了基础。

现在,这两个机构仍然在进行着类似的开创性研究,努力将今天的科技推向一个新的高度。了解这些研究项目有助于我们了解未来科技行业的发展方向。

DARPA

去年,DARPA宣布将投资约20亿美元,带来所谓的“第三波”人工智能浪潮——具有推理能力、能够像人一样交流的系统。现在,这些项目已经在开展中。

今年3月,DARPA开始探索如何让Siri和Alexa等AI系统更好地自学语言。研究员们本质上希望这些系统能够像人类婴儿一样,通过观察周围世界来学习语言,而不是费力地通过庞大的数据集来学习。在这个项目中,研究人员们让AI系统学会将视觉线索(照片、视频和现场演示)与它们听到的声音相关联,最终目标是开发出一种能够真正理解自己所讲内容含义的AI系统。

DARPA还希望AI工具能够评估自己的专业知识,在自己不懂的时候通知操作员。今年2月,该机构启动了“能力感知机器学习”项目,旨在让AI系统对自己的行为进行建模,评估过去的错误,然后将这些信息应用到未来决策中。如果这些AI系统认为自己给出的结果可能不准确,它们会告知用户。

开发AI的最大障碍之一是它们的运行需要巨大的计算能力。为了减少这方面的阻碍,DARPA推出了MicroBRAIN项目,目前正在研究“非常小的飞行昆虫”的大脑,以获取灵感,设计出更节能的AI。

除了改进AI技术本身,DARPA还在利用这项技术解决政府当前面临的一些最紧迫的问题,如教计算机自动检测深度伪造(deepfake)中的错误。官员们也在投资AI,利用这项技术设计更安全的武器系统、车辆和其他网络连接平台。

除了AI,DARPA正在开发的其他前沿技术包括卫星修复机器人、地下自动测绘技术等。

IARPA

AI在国家安全领域有许多应用场景,在2019年,加强监视是IARPA的一个主要目标。

今年4月,这家机构宣布将尝试让AI无缝整合和分析收集自飞机、无人机和其他飞行器的卫星图像和素材。这个名为“基于空间的机器自动识别技术”的项目本质上是希望使用AI来实时监控全球所有的人类活动。这项技术将整合来自多个来源的数据,自动检测和监视地球上的主要建设项目和其他“人为活动”,密切关注各个地方的变化。

IARPA还在利用AI来更好地监控人类的地面活动。今年5月,该机构开始招募团队培训算法,以跟踪人的行踪。具体而言,AI将把安全摄像机拍摄的内容整合在一起,让各机构在拥挤的人群中跟踪个人的行踪。

将这项技术与远程生物特征识别系统(IARPA也从2019年开始探索这项技术)结合在一起,你可以让机器来识别个人身份并跟踪其行踪,你自己不需要动一根手指头。

转自创头条,原文链接:http://www.ctoutiao.com/2573620.html

相关文章
|
6天前
|
机器学习/深度学习 人工智能
打开AI黑匣子,三段式AI用于化学研究,优化分子同时产生新化学知识,登Nature
【10月更文挑战第11天】《自然》杂志发表了一项突破性的化学研究,介绍了一种名为“Closed-loop transfer”的AI技术。该技术通过数据生成、模型训练和实验验证三个阶段,不仅优化了分子结构,提高了光稳定性等性质,还发现了新的化学现象,为化学研究提供了新思路。此技术的应用加速了新材料的开发,展示了AI在解决复杂科学问题上的巨大潜力。
12 1
|
12天前
|
人工智能 自然语言处理
召唤100多位学者打分,斯坦福新研究:AI科学家创新确实强
【10月更文挑战第6天】斯坦福大学最新研究评估了大型语言模型(LLMs)在生成新颖研究想法方面的能力,通过100多位NLP专家盲评LLMs与人类研究人员提出的想法。结果显示,LLMs在新颖性方面超越人类(p < 0.05),但在可行性上略逊一筹。研究揭示了LLMs作为科研工具的潜力与挑战,并提出了进一步验证其实际效果的设计。论文详见:https://arxiv.org/abs/2409.04109。
29 6
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来AI趋势:掌握Function Calling技巧,解锁大模型精度提升的秘密武器,让你的数据科学项目事半功倍!
【10月更文挑战第6天】随着深度学习技术的发展,神经网络模型日益复杂,Function Calling作为一种机制,在提升大模型准确度方面发挥重要作用。本文探讨Function Calling的概念及其在大模型中的应用,通过具体示例展示如何利用其优化模型性能。Function Calling使模型能在运行过程中调用特定函数,提供额外的信息处理或计算服务,增强模型表达能力和泛化能力。例如,在文本生成模型中,根据上下文调用词性标注或实体识别等功能模块,可使生成的文本更自然准确。通过合理设计条件判断逻辑和功能模块权重,Function Calling能显著提升模型整体表现。
21 3
|
15天前
|
人工智能 自动驾驶 机器人
【通义】AI视界|苹果自动驾驶汽车项目画上句号:加州测试许可被取消
本文精选了24小时内的重要科技新闻,包括Waymo前CEO批评马斯克对自动驾驶的态度、AMD发布新款AI芯片但股价波动、苹果造车项目终止、Familia.AI推出家庭应用以及AI逆向绘画技术的进展。更多内容请访问通义官网体验。
|
20天前
|
人工智能 自然语言处理 机器人
MIT新研究揭秘AI洗脑术!AI聊天诱导人类编造记忆,真假难辨
麻省理工学院的一项新研究《基于大型语言模型的对话式AI在证人访谈中加剧虚假记忆》显示,使用生成式聊天机器人进行犯罪证人访谈会显著增加参与者的虚假记忆,且影响持久。研究设置了对照组、问卷访谈、预设脚本及生成式聊天机器人四种条件,结果显示生成式聊天机器人诱导的虚假记忆数量远超其他方法。尽管AI技术在效率和准确性方面潜力巨大,但在敏感领域需谨慎应用,并需进一步评估风险,制定伦理准则和监管措施。论文详细内容见[这里](https://arxiv.org/abs/2408.04681)。
34 2
|
1月前
|
数据采集 人工智能 安全
AI项目高昂成本与数据问题阻碍进展,2025年前30%的GenAI项目或将搁浅
AI项目高昂成本与数据问题阻碍进展,2025年前30%的GenAI项目或将搁浅
|
2月前
|
人工智能 PyTorch 算法框架/工具
Xinference实战指南:全面解析LLM大模型部署流程,携手Dify打造高效AI应用实践案例,加速AI项目落地进程
【8月更文挑战第6天】Xinference实战指南:全面解析LLM大模型部署流程,携手Dify打造高效AI应用实践案例,加速AI项目落地进程
Xinference实战指南:全面解析LLM大模型部署流程,携手Dify打造高效AI应用实践案例,加速AI项目落地进程
|
1月前
|
存储 人工智能 JavaScript
根据Accenture的研究,CEO和CFO谈论AI和GenAI是有原因的
数字化转型与当前GenAI领导者之间的关键区别在于,CEO和CFO(而非CIO)似乎参与了指导AI投资的过程。例如,Accenture在2024年1月报告称,到2023年底,在财报电话会议中提到AI的次数几乎达到4万次,因为C级领导层正在为“重大技术变革”做好准备
37 0
|
2月前
|
边缘计算 人工智能 监控
边缘计算与AI结合的场景案例研究
【8月更文第17天】随着物联网(IoT)设备数量的爆炸性增长,对实时数据处理的需求也随之增加。传统的云计算模型在处理这些数据时可能会遇到延迟问题,尤其是在需要即时响应的应用中。边缘计算作为一种新兴的技术趋势,旨在通过将计算资源更靠近数据源来解决这个问题。本文将探讨如何将人工智能(AI)技术与边缘计算结合,以实现高效的实时数据分析和决策制定。
165 1
|
2月前
|
数据采集 存储 人工智能
利用AI技术改善数字化转型项目的九种方法
利用AI技术改善数字化转型项目的九种方法