Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

DARPA concede a medalha de serviço público digna ao perito de Umass Amherst AI

Quase 100 colegas juntaram-se recentemente a uma celebração em linha ao professor Hava T. Siegelmann da honra da universidade da faculdade de Massachusetts Amherst da informática da informação e (CICS) como recebeu a medalha de serviço público digna raramente concedida do Defense Advanced Research Projects Agency (DARPA) do Departamento de Defesa dos Estados Unidos (DoD).

É a honra que terceiro-a mais alta o departamento do exército pode dar em um cidadão particular. “As realizações distintivas do Dr. Siegelmann reflectem o grande crédito em cima dsi mesma, DARPA e o Departamento de Defesa,” lê a citação na divisória.

Eu não soube que qualquer um observava o que eu faço. Assim estava tocando, e uma surpresa completa. Eu sinto honrado contribuir. Eu penso UMass deve obter o crédito para me apoiar para executar um laboratório muito avançado do AI tais que o governo quis me convidar, e para permitir que eu se junte ao que é literalmente o mundo a iniciativa a mais avançada e a mais sofisticada do AI.”

Hava T. Siegelmann, professor, faculdade da informação e informática, universidade de Massachusetts Amherst

O decano Laura Haas do CICS diz da honra, “eu sou extremamente orgulhoso do serviço de Hava a DARPA e à nação. Nossa faculdade é dedicada a uma visão da computação para os bens comuns, e o trabalho de Hava em DARPA ajudou a avançar AI para nós todo.”

Siegelmann foi a DARPA como um gestor de programa em julho de 2016, onde sua carga incluiu “que as necessidades dos Estados Unidos de ficar na parte superior no AI,” que recorda.

Sua citação diz, “criou e controlou alguns de DARPA o maior e dos programas os mais avançados do AI que incluem L2M - a próxima geração tornando-se avançou os sistemas do AI capazes da aprendizagem no tempo real e de aplicar a aprendizagem aos ambientes e às circunstâncias treinados não especificamente para.”

Siegelmann, cuja a carreira é caracterizada pensando fora da caixa, criou uma atmosfera diferente para o projecto de L2M do que é usual em DARPA. Com seu apoio, insistiu que as grandes, equipes diversas dos cientistas que escolheu da universidade superior da nação e organizações de investigação da indústria deve activamente colaborar.

Diz, “um pulo tão grande na tecnologia do AI pode somente ser conseguido quando nós cobrimos pesquisadores que todos unem nossas forças e os aprendemos de se.”

A medalha menciona um outro programa principal GARD chamado criado Siegelmann de DARPA - garantir o vigor do AI contra a decepção.

É “estabelecer as vulnerabilidades teóricas do sistema de aprendizagem da máquina, caracteriza as propriedades que aumentarão o vigor do sistema e incentiva a criação de defesas eficazes.”

Enquanto os sistemas se tornam mais avançados, estes avanços abrem as avenidas novas por que podem ser atacados. GARD identifica vulnerabilidades frequentemente obscuras, tècnica complexas e constrói defesas da nova geração para elas, ela adiciona.

DARPA igualmente indica o termo “excepcionalmente produtivo” desse Siegelmann incluído desenvolvendo um sistema que administre a insulina mais a glicose para manter a glicose a níveis seguros para pacientes no cuidado crítico e aqueles com diabetes; sensores para identificar produtos químicos perigosos de uma distância segura; sistemas de aprendizagem colaboradores, seguros que permitem a colaboração do grupo sem revelar dados sensíveis; e métodos para identificar ataques pela engenharia reversa para fixar o sistema e para encontrar o atacante.

Siegelmann diz, “L2M teve o sucesso principal em criar os sistemas capazes da aprendizagem e do melhoramento no tempo real.” Uso actual dos sistemas do AI, na terminologia de DARPA, primeira e segunda geração AI. No primeiro, para criar sistemas de médico especialista dos anos 80, por exemplo,

Diz, “o sistema tenta imitar a maneira que “um perito” pensa ou aproxima uma tarefa com a codificação. Nos anos 90, a aprendizagem de máquina baseado na rede neural da segunda geração amadureceu e outperformed os sistemas primeiro-gen.”

Isto significa que em vez da informação da codificação como antes, o processo adiciona 'um algoritmo da aprendizagem/treinamento. A rede treina então repetidamente em um grande grupo de exemplos e cria suas próprias respostas.

O AI de hoje, uma combinação das duas gerações, trabalhos muito bem em ambientes relativamente estáticos, mas quando encaixado nos sistemas do real-mundo, onde as condições de mudança são a norma, “o AI falha quando encontra condições fora de seu treinamento.

Para corrigir para falhas, a rede deve ser tomada fora de serviço e para atravessar um processo longo da instrucção,” nota.

Os sistemas novos de L2M que estão sendo tornados com seu programa de DARPA representam “uma mudança fundamental na aprendizagem de máquina,” Siegelmann diz. Os sistemas de L2M podem com sucesso aplicar a experiência e adaptar lições instruídas aos dados ou às situações novas.

“Auto-conduzir carros, por exemplo, representa o pináculo actual de sistemas do AI. Todos os sistemas decondução do veículo do major confiam na primeira e segunda geração extremamente sofisticada AI, e demonstram como distante esta tecnologia pode nos tomar que usam a programação cada vez mais inteligente, e uma coleção de dados evergrowing incorporados no grupo do treinamento.”

Desta maneira, os sistemas de L2M transformam-se realmente melhor o mais que experimentam, assim que um sistema de L2M transforma-se uma condução sempre mais segura em circunstâncias geladas cada vez que as encontra, ela adiciona. Mas, “é muito duro para uma máquina aprender activamente; há ainda muito a ser feito.”

O perito do AI diz, “nós fizemos uma enorme quantidade do progresso, aprendizagem real demonstrada - algo nunca feito antes, e nós ajustamos a fundação para a próxima geração de perito, Autonomous System.” As melhorias de algum L2M estão sendo incorporadas agora em sistemas do real-mundo, diz, assim que em cinco anos, os sistemas do AI serão principalmente a variedade de L2M.

Total, “DARPA era um maravilhoso, experiência altamente produtiva,” Siegelmann diz. “Eu não posso dizer bastante sobre meus colegas de DARPA e o verdadeiramente brilhante e a distante-vista de pesquisadores que eu trabalhei com. Meu objetivo é agora continuar minha pesquisa - AI de avanço que aprende e, ingualmente como importante, começar ensinar a próxima geração de cientistas de computador, dando a lhes as habilidades que novas precisarão, às habilidades ensinadas não ainda em programas actuais do AI, para criar e avançar os sistemas que serão cada vez mais parte de nossa infra-estrutura.”