美國DARPA尋求第三波AI研究
https://bit.ly/3cwOBnY
美國國防先進研究計劃署（DARPA）於2018年提出一項AI Exploration（AIE）計劃，以超
高風險與高報酬的主題下，讓DARPA更廣泛找出AI投資策略的關鍵要素，以確保美國於AI
領域保持科技優勢與領先地位。
激起第三波人工智慧浪潮的關鍵因素，在於人工智慧漸趨成熟，機器學習（machine
learning）、深度學習（deep learning）技術突飛猛進。
其實，從最早的電腦網路至AI早期研究，DARPA一直扮演著突破現代科技最重要的要角。
如果這一次，其能夠研發出“第三波”AI科技的話，未來AI在可視化方式追蹤物體的新方
法，以更少的功率下，獲得高出10倍的結果。
DARPA於2021年三月底發布了特別通知（Special Notice），以獲取有關研究和開發“第
三波”AI理論，以及解決第一波（基於規則的AI）和第二波（基於統計學習之AI）AI科技
中存在的局限性方法之更多資訊。
根據特別通知指出，由DARPA資助的研發中，AI在專家系統和搜索等領域，以及先進的機
器學習演算法和硬體已經取得了一些初步成功的結果。例如：透過像素智慧處理（Pixel
Intelligent Processing；IP2）運作，可以提高視訊影像辨識演算法的準確性和可用性
，特別是在感測器經常無法獲得足夠電源支持的邊緣運算上，更顯得其優勢。
基本上，現有AI科技演算法的參數數量和記憶體需求在精確度要求下，通常與輸入維度與
量表成指數級比例成長。為了超越這一典範，IP2將尋找兩個關鍵要素以解決AI在嵌入感
測器邊緣所需，分別是：數據複雜性，以及實現出精確、低延遲、小尺寸，輕巧和強大的
AI演算法。
未來在第一部分的工作中，DARPA研究人員和合作夥伴，將著眼於將神經網路處理集中在
單個像素上，以降低數據的複雜性。特別通知表示，這可以局部性降低維度，進而提高高
維度視訊數據的稀疏度。這種“精選”數據流將可實現更高效的後端處理，而不會損失任
何準確性。
第二部份的AI演算法方面，僅將提取最“顯著的資訊”，以傳輸到後端“封閉且任務導向
”的循環神經網路演算法。
簡單來說，IP2將可要求執行者在處理複雜數據集的同時，也將AI演算法處理能量延遲乘
積減少20倍，以展示SOA準確性。
最終得到AI解決方案，將在柏克萊大學無人駕駛車輛數據集BDD100K中進行測試。該數據
集具有許多電腦視覺挑戰，包括：通用結合地理、環境和天氣多樣性、以及故意遮擋和大
量分類任務等，來演示出未來大型嵌入式感測器的第三波AI功能。