DARPA å bygge "Virtual Data Scientist" assistenter gjennom A.I.

Forsvarsforskningsprosjektet Forsvarsdepartementet (DARPA) kunngjorde fredag ​​lanseringen av Data-Driven Discovery of Models (D3M), som har som mål å hjelpe ikke-eksperter å bygge bro over det som kaller "gapet mellom data og vitenskapelig kompetanse" ved å la kunstige assistenter hjelpe folk med maskinlæring. DARPA kaller det en "virtuell datavitenskapelig" assistent.

Denne programvaren er dobbelt viktig fordi det er mangel på datavitenskapere akkurat nå og en større etterspørsel enn noensinne for flere data-drevne løsninger. DARPA sier eksperter utarbeider 2016 underskudd på 140.000 til 190.000 datavitenskapere over hele verden, og øker mangler i de kommende årene.

For eksempel, for å konstruere en modell for hvordan ulike værforhold, skole, sted og kriminalitet påvirker overbelastning for turen på Manhattan, brukte et team av NYU studenter tilsvarende mer enn 90 måneders arbeidstid for å fullføre modellen. DARPA ser problemer som dette hele tiden, og D3M-programmet vil strebe etter å konstruere det for å drastisk redusere tid og kompetanse som trengs for å lage modeller som disse i fremtiden.

"Konstruksjonen av empiriske modeller i dag er i stor grad en manuell prosess, og krever datagrupper å oversette stokastiske elementer, som vær og trafikk, til modeller som ingeniører og forskere kan stille spørsmål om," sa Wade Shen, programleder i DARPAs informasjonsinnovasjon Kontor. "Vi tror det er mulig å automatisere visse aspekter av datavitenskap, og spesielt å få maskiner til å lære fra tidligere eksempel hvordan man bygger nye modeller."

Som forsvarsagentur ser DARPA selvfølgelig også på hvordan denne A.I. kan påvirke slagmarken og redde flere liv.

Google bruker allerede sin A.I. å gjøre lignende oppgaver som Alfabet's Sidewalk Labs 'partnerskap med US Department of Transportations Smart City Challenge, som har til hensikt å bruke datainnsamlingsinfrastruktur for å lette trafikkstopp og parkering i vikingesteder.

Hvis mindre lag av datavitenskapere og ikke-eksperter kan bruke maskininnlæringsmodeller for å identifisere problemer i samfunnet, vil det være mer tid til analyse av dataene for å faktisk implementere løsninger.

"Vår evne til å forstå alt fra trafikk til adferd av fiendtlige krefter er stadig mer mulig gitt veksten i data fra sensorer og åpne kilder," sa Shen. "Håpet er at D3M skal håndtere grunnlaget for modellutvikling slik at folk kan bruke sin menneskelige intelligens til å se på data på nye måter, og forestille seg løsninger og muligheter som ikke var åpenbare eller tenkelige før."