DARPA wil een AI ontwikkelen met de naam KAIROS om wereldgebeurtenissen te voorspellen

• DARPA wil complexe gebeurtenissen in de digitale wereld blootleggen.
• Hun plan is om een ​​semi-automatisch systeem te creëren dat correlaties kan detecteren en trekken tussen miljarden gebeurtenissen die momenteel over de hele wereld plaatsvinden.

Kunstmatige intelligentie (AI) heeft tal van toepassingen in de wereld van vandaag. Het kan een breed scala aan activiteiten efficiënt uitvoeren, waaronder teledetectie, elektronische handel, medische diagnose en robotbesturing.

Het bloeiende veld van AI heeft een aantal indrukwekkende vorderingen gemaakt, vooral in de afgelopen jaren. Tegenwoordig kunnen machines die op zwakke AI draaien een verscheidenheid aan taken veel beter uitvoeren dan mensen, van het herkennen en sorteren van afbeeldingen tot het verslaan van 's werelds beste Go-speler en het diagnosticeren van bepaalde soorten kanker.

DARPA wil echter een stap verder gaan op dit gebied door een AI te bouwen die verborgen patronen in wereldwijde chaos kan vinden. Onlangs hebben ze een programma aangekondigd met de naam Knowledge-directed Artificial Intelligence Reasoning Over Schemas (KAIROS) om een ​​semi-automatisch systeem te creëren dat in staat is om correlaties te detecteren en te leggen tussen miljarden gebeurtenissen die momenteel over de hele wereld plaatsvinden.

KAIROS:een op schema gebaseerde AI

Dit nieuwe programma is gericht op het bouwen van een machine learning-systeem dat een grote hoeveelheid gegevens kan analyseren die dagelijkse gebeurtenissen vertegenwoordigen en kan bepalen of er een of meerdere verbindingslijnen zijn.

Talloze gebeurtenissen vinden echter niet in een reeks plaats, maar omvatten complexe verschijnselen die zijn samengesteld uit verschillende ondergeschikte componenten. De steeds groter wordende hoeveelheid ongestructureerde gegevens maakt deze taak nog uitdagender voor bestaande tools en systemen.

Daarom zal het programma "schema's" gebruiken om verbanden tussen informatie te vinden. Schema, voor het eerst geconceptualiseerd in de vroege jaren 1920, is een kenniseenheid waarin gebeurtenissen worden georganiseerd in veelvoorkomende verhalende structuren.

Mensen gaan bijvoorbeeld naar winkels om iets te kopen. Dit type gebeurtenis omvat een aankoop-transactieschema dat wordt gedefinieerd door bepaalde rollen (verkoper, koper), reeks acties (product, betaling) en tijdelijke beperkingen (te betalen via kaart als het bedrag hoger is dan $ 100).

Referentie: KAIROS | DARPA

Om een ​​bruikbaar begrip te krijgen van complexe gebeurtenissen in de echte wereld en nauwkeurig te voorspellen hoe ze zich zullen ontvouwen, maakt de op schema's gebaseerde AI het mogelijk om deze gebeurtenissen in de tijd en in de context te redeneren. Simpel gezegd, het genereert bordverhalen over alles wat er om ons heen gebeurt.

Hoe werkt het?

De doelstelling van DARPA zal in twee fasen worden benaderd. In de eerste fase zal het systeem schema's genereren uit enorme hoeveelheden gegevens door gebeurtenissen te identificeren, classificeren en clusteren op basis van redenering en taalkundige gevolgtrekkingen.

Twee fasen van het KAIROS-programma | Krediet:DARPA

Ontwikkelaars zijn van plan om generalisatie-, samenstellings- en specialisatieprocedures te gebruiken om schema's te maken die complexe gebeurtenissen efficiënt beschrijven, en domeinspecifieke kennis te implementeren om de analyse aan te passen aan specifieke behoeften.

In de tweede fase zal het systeem een ​​reeks schema's (gegenereerd tijdens fase één) toepassen op complexe, real-world gegevens en proberen gebeurtenissen en verhalen te extraheren. Dit zal niet zo eenvoudig zijn als het klinkt, omdat het opbouwen en uitbreiden van een kennisbank het detecteren van complexe entiteiten en gebeurtenissen vereist, evenals hun relaties met elkaar.

Lezen:DARPA zal laserlichtbron gebruiken om kleine vliegtuigen on the fly aan te drijven

Op dit moment lijkt het hele systeem theoretisch, maar daarom onderzoekt het bureau het. Gezien de eenvoud van AI die we tegenwoordig hebben, is het moeilijk om je in de nabije toekomst zo'n geavanceerd systeem voor te stellen.