2019年3月，特朗普政府公布2020財年預算申請。根據預算法案，2020財年美國國家安全預算總額增加340億美元，達到7500億美元，比上年增加5%。美國防部分得的經費為7180億美元，用于實施國家安全戰(zhàn)略和國防戰(zhàn)略，DARPA在2020財年的研發(fā)經費也同步穩(wěn)步增長，總計35.56億美元的經費比2019財年增長3.77%，比2018財年增長了15%。

DARPA 2020財年研發(fā)預算分析

1、基礎研究，約4.86億美元，含國防研究科學、基礎作戰(zhàn)醫(yī)學研究科學，占總體預算的13.7%，比上年增長3.7%。

2、應用研究，約14.69億美元，含生物醫(yī)學技術、信息與通信技術、生物戰(zhàn)防御、戰(zhàn)術技術、材料與生物技術、電子技術等，占總體預算的41.3%，比上年增長4.3%。

3、先期技術開發(fā)，約15.19億美元，包含先進航空航天系統(tǒng)、空間項目和技術、先進電子技術、指控與通信系統(tǒng)、網絡中心戰(zhàn)技術等，約占總體預算的42%，比上年增長3.3%。

4、管理支持，約8171萬美元，包含任務支持、小企業(yè)創(chuàng)新研究等，其占比和增幅最少。橫向比較，可以看出先期技術開發(fā)依然占據預算的大頭；縱向分析，與上年相比，四個部分均有不同程度的增長，其中應用研究的漲幅最大。

從項目具體預算來看，人工智能、機器學習、多域戰(zhàn)相關技術、生物技術、無人機蜂群和人機協作等依然是DARPA的關注重點，其中人工智能和機器學習項目的投資漲幅最為突出，總額達到4.09億美元。DARPA計劃在2020財年投資的項目主要分布在人工智能應用研究方向的“信息與通信技術”領域以及基礎研究方向的“數學與計算機科學”兩個領域。

2020財年DARPA人工智能重點投資項目

從基礎研究到應用研究，再到先期技術開發(fā)中的集成和應用，人工智能已成為DARPA研發(fā)工作的重中之重。從項目的預算分配情況來看，2020財年DARPA投入最多的幾個人工智能項目為：

1、“可解釋的人工智能”（XAI）項目（2605萬美元）。該項目正在開發(fā)新一代機器學習技術，以形成一套基礎理論來解釋人工智能得出的結論。2019財年項目團隊將評估初始原型系統(tǒng)的性能，改進可解釋的機器學習方法，完善人工智能解釋理論的計算模型，2020財年將著重優(yōu)化可解釋的機器學習用戶界面，將其集成到原型系統(tǒng)。

2、“可靠自主性”項目（2555萬美元）。該項目旨在確保自主系統(tǒng)能夠按預期安全運行，提高機器自主技術的可靠性并加速其應用。2020財年項目團隊計劃開發(fā)可擴展的方法，驗證自主系統(tǒng)的安全屬性問題。

3、“不同來源主動詮釋”（AIDA）項目（2500萬美元）。該項目將開展模糊性多源信息流的重要數據篩選研究，開發(fā)一種多假設“語義引擎”，根據從各種來源獲得的數據，產生對現實世界事件、形勢和趨勢的顯性化釋義；解決當今數據環(huán)境下的數據繁雜、矛盾和潛在的欺騙問題等。2020財年，項目團隊計劃通過開發(fā)直觀界面，允許用戶在分析的任何階段修改所提取的語義元素和所生成的假設，使用真實世界數據評估所生成假設的有效性和完整性。

4、“自動知識提取”（AKA）項目（新項目，2410萬美元）。AKA將開發(fā)各種技術，使不同的數據和信息源自動集成到一個整體，利用語義技術和機器學習方面的進步，使機器能夠在不需要人工干預的情況下完成整個數據集成功能。AKA技術主要用來幫助戰(zhàn)場作戰(zhàn)人員自動建立和維持對目標區(qū)域軍事、政治、經濟、社會和文化的廣泛認知。

5、“加速人工智能”（AAI）項目（新項目，2410萬美元）。AAI項目尋求超越商業(yè)驅動的AI發(fā)展，改進國防流程，提高國防部快速調整和部署新技術及能力的速度，應對重大的國家安全挑戰(zhàn)。AAI應用領域包括：機器使能技術；軍事軟件系統(tǒng)認證的自動化方法；以及恢復中樞神經系統(tǒng)受損患者的運動和感覺技術。

6、“確保AI抗欺騙可靠性”（GARD）項目（1724萬美元）。該項目旨在開發(fā)新一代防御技術，抵抗針對機器學習模型的對抗性欺騙攻擊。2019財年，項目團隊將識別漏洞產生的原因，為機器學習算法的魯棒性制定指標；2020財年計劃開發(fā)提高機器學習系統(tǒng)應對欺騙數據和敵對攻擊魯棒性的方法，通過挑戰(zhàn)性問題、攻擊模擬和公開競賽建立機器學習風險評估試驗臺。

7、“基礎人工智能科學”（新項目，1650萬美元）。該項目將為掌握和量化AI技術的性能預期和局限性奠定基礎科學研究基礎。該項目計劃在2020財年啟動識別和開發(fā)充分利用觀測和實驗數據、模擬數據和先驗知識的人工智能體系結構，設計并測試基于物理的初始機器學習架構、算法等工作。

來源 ：軍事科學院軍事科學信息研究中心