DARPA 开发用于自然语言处理的深度学习项目

简介:

美国国防部高级研究计划局(DARPA)正在开发能够更好理解人类语言的深度学习技术,可以自动向情报分析人员汇报有用信息。

提到人工智能和自然语言处理,人们会想到谷歌、微软和雅虎等公司,却忽略了另外一条技术鲶鱼——DARPA。后者目前正在开发的一个“文本深度发掘与过滤”项目(DEFT),能够分析人类自身难以胜任的超大规模文本处理工作。

从DARPA的官网我们了解到这个项目启动与2012年中,至今已经开展了四年半时间,以下是DARPA官网对DEFT项目的介绍:

自动化的深度自然语言处理(NLP)技术是高效处理文本信息并理解文本之间隐含关联的有效解决途径。DARPA启动DEFT项目的目的是为了驾驭 NLP的威力。类似NLP的复杂人工智能技术,可以大幅提高国防分析师调查和处理文档的效率,从而发现一些隐秘的,可以指导行动的有用信息。

换而言之,DEFT自然语言深度处理技术可以帮助情报分析师们快速处理大量文本和语音信息,了解“人物、时间、地点、事由”等关键信息,并解读一些模糊的说法或者暗示。

显然,自然语言深度处理技术对于政府互联网监控、执法部门的犯罪预防以及大数据反恐应用来说都具有重要意义。

目前DARPA寻求通过其资助的多所大学(包括斯坦福大学、卡内基梅隆大学和哥伦比亚大学)推动DEFT项目。

作为奥巴马政府2012年启动的2亿美元的政府大数据研究计划的一部分,美国国防部同时也宣布在大数据领域每年将投入2500万美元,其中600万美元用于支持新的研究项目。而DARPA当时开展XDATA项目,计划在四年内投入1亿美元开发能够过滤海量结构化和非结构化数据的计算机软硬件技术。除了DEFT项目外,DARPA还正在积极开展其他机器学习领域的技术研发,例如图谱分析、时间线关联等高级大数据可视化分析项目。

文章转载自 开源中国社区 [http://www.oschina.net]

目录
相关文章
|
自然语言处理 API C++
阿里通义推出SmartVscode插件,自然语言控制VS Code,轻松开发应用,核心技术开源!
SmartVscode插件深度解析:自然语言控制VS Code的革命性工具及其开源框架App-Controller
2577 1
阿里通义推出SmartVscode插件,自然语言控制VS Code,轻松开发应用,核心技术开源!
|
10月前
|
机器学习/深度学习 存储 监控
基于深度学习YOLO框架的城市道路损伤检测与评估项目系统【附完整源码+数据集】
本项目基于深度学习的YOLO框架,成功实现了城市道路损伤的自动检测与评估。通过YOLOv8模型,我们能够高效地识别和分类路面裂缝、井盖移位、坑洼路面等常见的道路损伤类型。系统的核心优势在于其高效性和实时性,能够实时监控城市道路,自动标注损伤类型,并生成损伤评估报告。
602 0
基于深度学习YOLO框架的城市道路损伤检测与评估项目系统【附完整源码+数据集】
|
10月前
|
机器学习/深度学习 自动驾驶 算法
基于深度学习的YOLO框架的7种交通场景识别项目系统【附完整源码+数据集】
在智慧交通和智能驾驶日益普及的今天,准确识别复杂交通场景中的关键元素已成为自动驾驶系统的核心能力之一。传统的图像处理技术难以适应高动态、复杂天气、多目标密集的交通环境,而基于深度学习的目标检测算法,尤其是YOLO(You Only Look Once)系列,因其检测速度快、精度高、可部署性强等特点,在交通场景识别中占据了重要地位。
1178 0
基于深度学习的YOLO框架的7种交通场景识别项目系统【附完整源码+数据集】
|
机器学习/深度学习 人工智能 自然语言处理
ModelScope深度学习项目低代码开发
低代码开发平台通过丰富的预训练模型库、高度灵活的预训练模型和强大的微调训练功能,简化深度学习项目开发。以阿里魔搭为例,提供大量预训练模型,支持快速迭代与实时反馈,减少从头训练的时间和资源消耗。开发者可轻松调整模型参数,适应特定任务和数据集,提升模型性能。ModelScope平台进一步增强这些功能,提供模型搜索、体验、管理与部署、丰富的模型和数据资源、多模态任务推理及社区协作,助力高效、环保的AI开发。
764 65
|
机器学习/深度学习 自然语言处理 语音技术
探索深度学习中的Transformer模型及其在自然语言处理中的应用
探索深度学习中的Transformer模型及其在自然语言处理中的应用
803 5
|
机器学习/深度学习 数据采集 数据可视化
TensorFlow,一款由谷歌开发的开源深度学习框架,详细讲解了使用 TensorFlow 构建深度学习模型的步骤
本文介绍了 TensorFlow,一款由谷歌开发的开源深度学习框架,详细讲解了使用 TensorFlow 构建深度学习模型的步骤,包括数据准备、模型定义、损失函数与优化器选择、模型训练与评估、模型保存与部署,并展示了构建全连接神经网络的具体示例。此外,还探讨了 TensorFlow 的高级特性,如自动微分、模型可视化和分布式训练,以及其在未来的发展前景。
1153 5
|
机器学习/深度学习 自然语言处理 并行计算
探索深度学习与自然语言处理的最新进展
探索深度学习与自然语言处理的最新进展
562 4
|
机器学习/深度学习 人工智能 自然语言处理
探索深度学习与自然语言处理的前沿技术:Transformer模型的深度解析
探索深度学习与自然语言处理的前沿技术:Transformer模型的深度解析
770 1
|
机器学习/深度学习 边缘计算 人工智能
探索深度学习与自然语言处理的最新进展
探索深度学习与自然语言处理的最新进展
377 1
|
机器学习/深度学习 人工智能 自然语言处理
深度学习与自然语言处理的最新进展
深度学习与自然语言处理的最新进展