人工智能DARPA“终身学习机器”项目变革人工智能发展，斯坦福国际研究院等向生物领域寻求解决之道 近日，美国国防先期研究计划局授予斯坦福国际研究院（SRI）“终身学习机器（L2M）”项目合同，研发能够持续学习的下一代人工智能（AI）系统，并将在新任务上部署该学习能力以使系统变得更好和更可靠。 L2M项目概述 随着AI系统越来越成为许多商业和政府应用的核心，他们无法应对其未被训练过的场景。即使经过反复训练，当出现超出过往所学知识的新情况时，这些系统往往出现“灾难性的遗忘”。为此，DARPA在2017年设立了并随后启动“L2M”项目，研发为机器学习和人工智能带来变革性的新方法，能够使系统在不忘记此前所学的基础上持续适应新的环境。 研究内容 AI项目总投入6500万美元，计划研发周期为4年。研究领域分为两组。一组研发能够持续学习、适应新任务和新环境，以及根据系统任务理解输入的系统，被称为目标驱动感知。另外一组将从生物或物理科学角度研发新的终身学习机制，以及将该机制转化为能够改进AI的算法。 借鉴生物学 生物存储器传输包含一系列带有本地和全局同步模式的复杂动态处理过程。这些处理过程支持存储器在未来思考、预测、计划和创造上灵活表达。 部分研究团队 获选参与该创新研究的研究团队包含一些在多个科学领域的全球顶级研究人员，他们的方法也多种多样。 加州大学欧文分校研究团队计划研究海马和皮层的双存储器架构，并将该知识应用于制造智能系。这些系统通过对比输入和现有存储基础，能够预测可能输出。从理论上讲，这样系统可在保持此前学习的基础上变得更具适应性。 美国塔夫斯大学研究团队研究了在蝾螈等动物中观察到的再生机理，并以此为基础创造了柔性机器人，这些机器人能够在飞行中改变其结构和功能来适应环境中的变化。 美国怀俄明州立大学研究团队将来自生物存储器合并中的方法用于研发计算系统。该系统能够使用环境信息来制定模块化存储，这些存储器能够与新的感知输入再次组合以快速形成适应全新环境的行动。 斯坦福国际研究院研究团队将研究人工智能算法，该算法基于存储器合并和回访的生物机制。在该AI技术中，未来的认知系统，如自动机器人，有望能够在初始部署后持续学习，改进执行性能和整体安全性。SRI视觉技术中心技术主任Sek Chai博士解释说：“我们的目标是支持AI系统知道学什么，以及如何去学，来突破这些限制。由于存储器是认知功能的重要组成部分，我们的研究聚焦于在新的人工智能算法中理解和应用生物存储器转移技术，能够在其全寿命内从本质上改变其性能。” 项目意义 L2M项目主任Hava Siegelmann博士说：“在L2M项目中，我们不寻求在先进人工智能和神经网络中的增量式改进，而是寻求能够为机器学习带来范式改变的方法，这些将方法将支持系统持续基于经验做出改进。” Siegelmann补充道：“我们位于AI技术中一个重大飞跃的临界点上。L2M项目将需要比现有系统渐进式改变所需多得多的独创性和努力，可以从经验中学习，比现有AI变得更智能、可靠和安全。” 本文来源：https://www.wddqw.com/doc/9123f2145bfb770bf78a6529647d27284b7337cc.html