Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

DARPA assegna la medaglia meritevole di servizio pubblico all'esperto in Umass Amherst AI

Quasi 100 colleghi recentemente hanno unito una celebrazione online al professor Hava T. Siegelmann di onore dell'università di istituto universitario di Massachusetts Amherst di informazioni e dell'informatica (CICS) come ha ricevuto la medaglia meritevole raramente ricevuta di servizio pubblico dal Defense Advanced Research Projects Agency (DARPA) del dipartimento della difesa degli Stati Uniti (DoD).

È l'terzo più alto onore che il dipartimento dell'esercito possa concedere su un cittadino privato. “Le realizzazioni distintive del Dott. Siegelmann riflettono il grande credito sopra se stessa, DARPA ed il dipartimento della difesa,„ legge la citazione in divisorio.

Non ho saputo che chiunque stava notando che cosa faccio. Così stava toccando e una sorpresa completa. Ritengo onorato contribuire. Penso UMass dovrebbe ottenere il credito per il supporto me per dirigere un laboratorio molto avanzato di AI tali che il governo ha voluto invitarmi e per permettere che me mi unisca che cosa è letteralmente il mondo iniziativa di AI più avanzata e più specializzata.„

Hava T. Siegelmann, il professor, istituto universitario di informazioni ed informatica, università di Massachusetts Amherst

Decano Laura Haas del CICS dice dell'onore, “sono estremamente fiero del servizio di Hava a DARPA ed alla nazione. Il nostro istituto universitario è dedicato ad una visione di computazione per il bene comune ed il lavoro di Hava a DARPA ha contribuito ad avanzare il AI per noi tutto.„

Siegelmann è andato a DARPA come program manager nel luglio 2016, dove la sua tassa ha incluso “di che gli Stati Uniti hanno bisogno per restare sulla cima nel AI,„ che richiama.

La sua citazione dice, “ha creato e gestito alcuni di più grandi e di AI programmi più avanzati compreso L2M - sistemi avanzati di prossima generazione di sviluppo di DARPA di AI capaci dell'apprendimento in tempo reale e di applicazione dell'apprendimento agli ambienti ed alle circostanze non specificamente preparati per.„

Siegelmann, di cui la carriera è caratterizzata dal pensare creativo, ha creato un'atmosfera differente per il progetto di L2M usuale a DARPA. Con il suo supporto, ha insistito che i grandi, diversi gruppi degli scienziati che ha scelto dall'università superiore della nazione ed organismi di ricerca dell'industria deve attivamente collaborare.

Dice, “così grande salto nella tecnologia di AI può essere raggiunto soltanto quando completiamo i ricercatori che tutti un le nostre resistenze ed impariamo l'uno dall'altro.„

La medaglia cita un altro programma principale il GARD chiamato creato Siegelmann - garantire di DARPA la robustezza di AI contro inganno.

È “di stabilire le vulnerabilità teoriche del sistema di apprendimento automatico, caratterizza i beni che miglioreranno la robustezza del sistema ed incoraggia la creazione di efficaci difese.„

Mentre i sistemi diventano più avanzati, questi avanzamenti aprono i nuovi viali da cui possono essere attaccati. Il GARD identifica le vulnerabilità spesso oscure e tecnicamente complesse e difese di nuova generazione di configurazioni per loro, aggiunge.

DARPA egualmente precisa il termine “particolarmente produttivo„ di quel Siegelmann incluso mettendo a punto un sistema che amministra l'insulina più destrosio per mantenere il glucosio ai livelli sicuri per i pazienti nella cura critica e quelli con il diabete; sensori per identificare i prodotti chimici pericolosi da una distanza di sicurezza; sistemi d'insegnamento di collaborazione e sicuri che permettono la collaborazione del gruppo senza rivelare i dati sensibili; e metodi per identificare gli attacchi per reingegnerizzazione per assicurare il sistema e per trovare l'attaccante.

Siegelmann dice, “L2M ha avuto successo principale nella creazione dei sistemi capaci dell'apprendimento e di migliorare in tempo reale.„ Uso corrente dei sistemi di AI, nella terminologia di DARPA, sia in primo luogo che nella seconda generazione AI. Nel primo, creare i sistemi specializzati di medico specialista degli anni 80, per esempio,

Dice, “i tentativi del sistema di imitare il modo che “un esperto„ pensa o si avvicina ad un compito con codifica. Negli anni 90, l'apprendimento automatico basato su rete neurale della seconda generazione ha maturato e superato i sistemi primo GEN.„

Ciò significa che invece di informazioni di codifica come prima, il trattamento aggiunge 'un algoritmo addestramento/dell'apprendimento. La rete poi si prepara ripetutamente su un grande insieme degli esempi e crea le sue proprie risposte.

L'odierno AI, una combinazione delle due generazioni, impianti molto bene negli ambienti relativamente statici, ma una volta incassato nei sistemi nell'ambiente, in cui le condizioni in via di trasformazione sono la norma, “il AI viene a mancare quando incontra i termini fuori del suo addestramento.

Per correggere gli errori, la rete deve essere catturata fuori servizio e passare con un lungo trattamento di corso di aggiornamento,„ nota.

I nuovi sistemi di L2M che sono diventati con il suo programma di DARPA rappresentano “un cambiamento fondamentale in apprendimento automatico,„ Siegelmann dice. I sistemi di L2M possono applicare con successo l'esperienza ed adattare le lezioni istruite ai nuovi dati o situazioni.

“Auto-guidare le automobili, per esempio, rappresenta il culmine corrente dei sistemi di AI. Tutti i sistemi automatico-moventi del veicolo di maggiore contano sul primo estremamente specializzato e seconda generazione AI e dimostrano fin dove questa tecnologia può catturarci facendo uso della programmazione sempre più abile e una raccolta dei dati sempre crescente compresi in serie di addestramento.„

In questo modo, i sistemi di L2M realmente si trasformano in meglio nei più che sperimentano, in modo da un sistema di L2M si trasforma in in azionamento mai più sicuro nelle circostanze ghiacciate ogni volta le incontra, lei aggiunge. Ma, “per un commputer è molto duro imparare attivamente; c'è ancora molto da fare.„

L'esperto in AI dice, “abbiamo fatto un gran quantità di progresso, l'apprendimento reale dimostrato - qualcosa non fatto mai prima e noi hanno collocato le fondamenta per la generazione seguente di esperto, Autonomous System.„ Miglioramenti di qualche L2M ora stanno comprendendi nei sistemi nell'ambiente, dice, in modo da durante cinque anni, i sistemi di AI pricipalmente saranno la varietà di L2M.

In generale, “DARPA era un meraviglioso, esperienza altamente produttiva,„ Siegelmann dice. “Non posso dire abbastanza circa i miei colleghi di DARPA e vero il luminoso e lontano-vedere i ricercatori che ho lavorato con. Il mio scopo ora è di continuare la mia ricerca - AI d'avanzamento che impara e, ugualmente come importante, cominciare insegnare alla generazione seguente di informatici, dante loro le nuove abilità che avranno bisogno di, a tecniche non ancora insegnate a nei programmi correnti di AI, per creare ed avanzare i sistemi che sempre più fa parte della nostra infrastruttura.„