美国DARPA寻求第三波AI研究
https://bit.ly/3cwOBnY
美国国防先进研究计划署（DARPA）于2018年提出一项AI Exploration（AIE）计划，以超
高风险与高报酬的主题下，让DARPA更广泛找出AI投资策略的关键要素，以确保美国于AI
领域保持科技优势与领先地位。
激起第三波人工智能浪潮的关键因素，在于人工智能渐趋成熟，机器学习（machine
learning）、深度学习（deep learning）技术突飞猛进。
其实，从最早的电脑网络至AI早期研究，DARPA一直扮演着突破现代科技最重要的要角。
如果这一次，其能够研发出“第三波”AI科技的话，未来AI在可视化方式追踪物体的新方
法，以更少的功率下，获得高出10倍的结果。
DARPA于2021年三月底发布了特别通知（Special Notice），以获取有关研究和开发“第
三波”AI理论，以及解决第一波（基于规则的AI）和第二波（基于统计学习之AI）AI科技
中存在的局限性方法之更多资讯。
根据特别通知指出，由DARPA资助的研发中，AI在专家系统和搜索等领域，以及先进的机
器学习算法和硬件已经取得了一些初步成功的结果。例如：透过像素智慧处理（Pixel
Intelligent Processing；IP2）运作，可以提高视讯影像辨识算法的准确性和可用性
，特别是在传感器经常无法获得足够电源支持的边缘运算上，更显得其优势。
基本上，现有AI科技算法的参数数量和内存需求在精确度要求下，通常与输入维度与
量表成指数级比例成长。为了超越这一典范，IP2将寻找两个关键要素以解决AI在嵌入感
测器边缘所需，分别是：数据复杂性，以及实现出精确、低延迟、小尺寸，轻巧和强大的
AI算法。
未来在第一部分的工作中，DARPA研究人员和合作伙伴，将着眼于将神经网络处理集中在
单个像素上，以降低数据的复杂性。特别通知表示，这可以局部性降低维度，进而提高高
维度视讯数据的稀疏度。这种“精选”数据流将可实现更高效的后端处理，而不会损失任
何准确性。
第二部份的AI算法方面，仅将提取最“显著的资讯”，以传输到后端“封闭且任务导向
”的循环神经网络算法。
简单来说，IP2将可要求执行者在处理复杂数据集的同时，也将AI算法处理能量延迟乘
积减少20倍，以展示SOA准确性。
最终得到AI解决方案，将在柏克莱大学无人驾驶车辆数据集BDD100K中进行测试。该数据
集具有许多电脑视觉挑战，包括：通用结合地理、环境和天气多样性、以及故意遮挡和大
量分类任务等，来演示出未来大型嵌入式传感器的第三波AI功能。