在過去60年里，DARPA在創造和推動人工智能（AI）技術方面發揮了主導作用，這些技術為美國防部帶來了改變游戲規則的能力。

20世紀60年代，DARPA研究形成了第一次人工智能技術浪潮，該技術以“手工知識”為特征，基于規則的系統，能夠進行狹義定義的任務。雖然這是該領域的關鍵一步，但這些系統比較脆弱且功能有限。

從20世紀90年代開始，在DARPA引領下開創了第二次AI機器學習技術浪潮，該技術以“統計學習”為特征，典型應用如人工神經網絡系統，并在無人駕駛汽車等領域取得進展。雖然上述AI技術對明確的問題有較強的推理和判斷能力，但該技術依賴于大量高質量的訓練數據，不適應不斷變化的環境，性能保證有限，并且無法向用戶提供其結果的解釋，不具備學習能力，處理不確定問題的能力也較弱。

為了解決前兩次AI技術浪潮的局限性，DARPA尋求探索新的理論和應用，使機器能夠適應不斷變化的環境。DARPA將下一代人工智能看作是技術進步的第三次浪潮。

為了更好地確定前進的道路，DARPA2018年9月7日宣布將投入20億美元開發新的人工智能(AI)技術，這是該機構“AI Next（下一代人工智能）”計劃的一部分。這筆錢將用于資助DARPA新的和現有的人工智能研究項目。

DARPA局長史蒂文·沃克(Steven Walke)在該機構成立60周年大會上表示：“通過AI Next計劃，我們正在投資多項人工智能項目研究，旨在將計算機從專門工具轉化為解決問題的合作伙伴。目前，機器缺乏語境推理能力，對它們的訓練必須涵蓋所有可能發生的情況，這不僅代價高昂，而且最終是不可能做到的。我們希望探索機器如何獲得類似人類的交流和推理能力，以及識別新情況和環境并適應它們的能力。”

DARPA目前正在開展20多個AI項目，探索推動人工智能技術的發展方法，推動第二次機器學習技術浪潮向上下文推理能力的發展。此外，超過60個項目正在應用AI技術，從協同共享電磁頻譜帶寬到探測和修補賽博漏洞。在接下來的12個月中，DARPA計劃發布多個項目，以推動人工智能的發展。

AI Next（下一代人工智能）

1

項目背景

在過去幾年中，人們對AI被稱為機器學習的子領域產生了極大興趣，這種子領域將統計和概率方法應用于大數據，以創建可應用于未來樣本的廣義表示。這些方法中最重要的是深度學習（人工）神經網絡，當有足夠的歷史數據時，可以對其進行訓練以執行各種分類和預測任務。

然而，由于收集、標識和審查用于訓練數據的技術手段非常昂貴且耗時，DARPA設想在未來，機器不僅僅是執行人類編程規則或從數據集中歸納推演的工具。相反，DARPA設想的機器將更多地作為同事而不是工具。

為此，DARPA在人機共生方面的研究和開發確立了與機器合作的目標。以這種方式啟用計算系統至關重要，因為傳感器、信息和通信系統生成數據的速率已超出人類可以消化吸收、理解和行動的速度。將這些技術融入與作戰人員合作的軍事系統中，將有助于在復雜、時間緊迫的戰場環境中做出更好的決策；能夠共同理解大量、不完整和矛盾的信息；并使無人系統能夠安全地執行關鍵任務并具有高度自治。DARPA將其投資重點放在第三次人工智能浪潮上，這種人工智能帶來機器的理解和推理能力。

2

能力建設

新功能

AI技術已應用于DARPA研發的項目，包括60多個現有項目，如電子復興計劃，以及涉及復雜賽博攻擊的實時分析、欺詐性圖像檢測、全域戰爭動態殺傷鏈的構建、人類語言技術、多模態自動目標識別、生物醫學和假肢控制。DARPA將推進人工智能技術，以實現關鍵部門業務流程的自動化。其中一個過程是在操作部署之前對軟件系統進行冗長的認證。現在可以使用已知的AI和其他技術自動化此認證流程。

魯棒的人工智能

人工智能技術已經證明了在各種任務中的巨大價值，如基于空間的圖像分析，賽博攻擊警告，供應鏈物流和微生物系統分析。與此同時，人工智能技術的失效模式知之甚少。DARPA正重點針對研發和生產的分析和驗證不足，致力于解決這一難題。DARPA的成功對于部門部署人工智能技術至關重要，尤其是在需要可靠性能的戰術優勢方面。

對抗性人工智能

今天最強大的AI工具是機器學習（ML）。ML系統很容易就會被無法欺騙人類的輸入改變所欺騙。用于訓練此類系統的數據可能已損壞。而且，軟件本身很容易受到賽博攻擊。隨著更多應用AI的系統部署，必須解決其所面臨的問題。

高性能人工智能

在過去十年中，計算機性能的提高使得機器學習與大型數據集和軟件庫的結合獲得了成功。在低功率下的性能對于數據中心和戰術部署都是至關重要。DARPA已經展示了AI算法的模擬處理，與現有技術的數字處理器相比，具有1000倍的加速和1000倍的功率效率，并且正在研究AI專用的硬件設計。DARPA還通過研究大幅減少對標記訓練數據要求的方法來應對當前機器學習低效率的問題。

下一代人工智能

能夠進行人臉識別和自動駕駛車輛的機器學習算法是20多年前發明的。DARPA在開發下一代人工智能算法方面率先開展了研究，它將把計算機從工具轉換為解決問題的合作伙伴。DARPA研究的目的是使人工智能系統能夠解釋他們的行為，這是通過常識知識來獲取和推理的。DARPA在R＆D上取得了最初的成功，如專家系統和搜索，最近還實現了先進的機器學習工具和硬件。DARPA正在創造第三次人工智能技術浪潮，這將使美國能夠在這一關鍵領域保持其技術優勢。