人工智能 在线播放人工智能风险有哪些
二战后电子和计算机技术取得飞速进步，为用机器代替人执行任务奠定了基础
二战后电子和计算机技术取得飞速进步，为用机器代替人执行任务奠定了基础。20世纪60年代初，DARPA（当时为ARPA）开始介入自主技术研究，并很快成为该领域的主要研究机构。DARPA意识到，人工智能可以满足大量的需要。在人工智能项目的设置上，通过整合计算机科学、数学、概率学、统计数字、认知科学领域的成果，推动与智力有关的能力自动化，并且研究范围逐渐从语音识别、语言翻译等进入到大数据分析、情报分析、基因组及医药、视觉与机器人学、无人驾驶与导航等各种领域。
DARPA虽然研制自主技术的时间较长，但长期以来，其研究的与自主相关的项目并非在一个固定的技术领域内进行，而是分散到多个不同的领域。直到2014年，才正式在国防科学办公室下划分出自主技术领域。
由于自主技术涵盖较为广泛，涉及通信、指挥控制、数据处理等多个不同领域。为汇聚重点，本文根据DARPA新设自主技术领域所研究的项目，结合《DARPA技术成就》（1990年）、《战略计算》（2002年）等报告/书籍内对DARPA技术的归类，将自主技术的研究范围限定在和陆、海、空机器人相关的自主技术以及和智能助手相关的自主技术。按时间节点看，DARPA对自主技术的研究大体上可以分为四个阶段。
美国人工智能的发展很大程度上归功于DARPA的支持。20世纪60年代初期，DARPA在MAC计划中研制电脑分时操作技术，开始最初的人工智能技术研究。但是，直到60年代末，人工智能才作为一个单独的研究项目列入DARPA的预算。到了20世纪70年代中期，DARPA已经成为美国人工智能研究的主要支持者，并推动了人工智能技术的实际应用，如自动语音识别和图像理解。20世纪70年代末，人工智能得到更广泛的应用，并在一些军事系统上得到应用。1983年，人工智能技术成为DARPA战略计算项目的关键组成部分。
在人工智能的研究上，DARPA不仅支持基础研究，如知识表达、问题解决以及自然语言结构等技术，也支持应用研究，如在专家系统、自动编程、机器人技术和计算机视觉等领域的应用研究。
20世纪80年代，国际上（特别是日本）加大了对计算机系统的研究，DARPA感到在计算领域的优势地位受到威胁人工智能风险有哪些。于是在1983年，DARPA成立战略计算项目，以此提高所有计算和信息处理领域的优势。AI成为战略计算项目的一个基本组成部分。
由于在进入战略计算项目之前，AI的研究项目有的取得显著进展，有的则面临较大技术问题难以为续。因此，战略计算项目在AI项目投资上，虽仍对所有技术领域进行投资，但更侧重于能够继续获得进步的技术。受到关注的4个项目为（1）语音识别项目，该项目可支撑导航辅助和作战管理；（2）自然语言开发，该技术为作战管理的基础；（3）视觉技术，该技术是自主无人车的基础；（4）可用于所有应用的专家系统。
在战略计算项目之后，先进技术办公室（ATO）及后来的信息技术办公室（IPTO）继续开展相关自主技术的研究，在二十年的时间内先后进行了数十项技术的研究。包括ATO的战术机动机器人（TMR）项目（主要用的是遥控技术）、ITO的机动自主机器人软件（MARS）项目和分布式机器人软件（SDR）项目、MTO的分布式机器人项目等。
2014年第2季度，DARPA的国防科学办公室建立新的研究领域：自主化（半自主化）。主要研究硬件和计算工具，使系统能够在缺少（甚至没有）基础设施的环境中，仅通过断断续续的联系便能正常工作。目前该领域的研究项目包括：自主机器人操纵（ARM）、FLA项目、MICA项目。其中，FLA项目为新设项目，其余为延续项目。
在50余年的研究中，DARPA安排有数十个项目，这些项目按照技术相关性可分为语音识别、环境感知、人工智能技术、机器人控制技术、群组协同等五个主要领域。
最初的项目为20世纪70年代初启动的语音识别研究计划（SUR）。在该计划中，DARPA支持多个研究机构采用不同的方法进行语音识别研究，取得较好成绩的是CMU的Hearsay-Ⅱ技术以及BBN的HWIM（Hear What I Mean）技术。其中Hearsay-II提出了采用并行异步过程，将人讲话内容进行零碎化处理的前瞻性观念；而BBN的HWIM通过庞大的词汇解码处理复杂的语音逻辑规则来提高词汇识别的准确率。
进入80年代，DARPA开始采用统计学的方法研究语音识别技术，开发了Sphinx、BYBLOS、DECIPHER等一系列语音识别系统，已经能够整句连续的语音识别。
2000年之后，DARPA开始研制通过对话实施人机交互的系统，该系统还能在与不同人的对话中学习经验，提供个性化的服务。
“9.11”之后，语音识别技术获得进一步的重视。能够进行单向翻译的名为“Phraselator”的翻译装置问世。
2005年，DARPA发起全球自动化语言情报利用（GALE）项目。该项目寻找能够对标准阿拉伯语和汉语的印刷品、网页、新闻及电视广播进行实时翻译的技术。计划在2010年，使95%的文本文档翻译和90%的语音文件翻译均能达到95%的正确率。
当前，DARPA正在研制一种技术工具，通过该工具能够在100天内开发出针对新语言的翻译系统。
环境感知技术主要涉及各类传感器信息的识别和应用。DARPA最初的构想是研制出一种能够自动或半自动分析军事照片和相关图片的技术，随着研究的深入，特别是研制无人系统（主要是无人车）对信息输入的苛刻要求，DARPA的项目从对静态信息的识别逐渐向动态信息的感应和识别方向发展。
1976年，DARPA开始图像识别（IU）项目。最初的目标是用5年的时间开发出能够自动或半自动分析军事照片和相关图片的技术。项目参与单位包括麻省理工学院，斯坦福大学，罗切斯特大学，SRI和霍尼韦尔公司等。1979年，项目的目标扩展，增加了图形绘制技术。到了1981年，预计5年内完成的项目并没有终止，而是持续到2001年。
2001财年，DARPA为解决环境感知问题，启动了PerceptOR项目，其目的是开发新型无人车用感知系统，要求系统足够灵巧，能够保证无人车在越野环境中执行任务，并且能在各种战场环境和天气条件下使用。2005年该项目完成阶段性研究，后转移到“未来作战系统地面无人车集成产品”项目，进行系统开发与测试。
2010年，DARPA启动“心眼”项目人工智能 在线播放。项目的目的是开发一种智能视觉系统，仅通过视觉输入，便能够学习一般的应用并通过行动再现出来。
DARPA在20世纪70年始人工智能技术的研究，当时的信息处理技术办公室（IPTO）支持斯坦福和麻省理工进行研究（如后来的机器辅助认知项目），但此时的人工智能（包括机器人）并非DARPA的重点。
到了80年代初，DARPA加强了自主空中、地面和海上运载器的研究（后称为杀手机器人）。但该研究并没有达到预期目标。相关研究成果为后来战略计算项目提供了基础。
1985年，DARPA人工智能的研究（包括杀手机器人）成为战术技术办公室（TTO）聪明武器项目（SWP）的一部分。
1999年，在计算机和通信项目下，设置了智能系统和软件技术的研制，旨在研制一种能够主动、自主的为战士提供各类辅助信息的人工智能系统。
2006年，DARPA开始综合学习项目（IntegratedLearning Program），该项目的目标是将专业领域知识和常识综合创造出一个推理系统，该系统能像人一样学习并可用于多种复杂任务。这样一种系统将显著扩展计算机学习的任务类型，为研制执行复杂性任务的自动系统打下基础。
2010年，DARPA开始资助深度学习项目（DL），目标是构建一个通用的机器学习引擎。深度学习可以完成需要高度抽象特征的人工智能任务，如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络，多层非线性结构使其具备强大的特征表达能力和对复杂任务建模能力。深度学习是目前最接近人脑的智能学习方法，将人工智能带上了一个新的台阶，将对一大批产品和服务产生深远影响。
深度学习源于人工神经网络的研究，深度学习采用的模型为深层神经网络（Deep Neural Networks，DNN）模型，即包含多个隐藏层（Hidden Layer，也称隐含层）的神经网络（Neural Networks，NN）。深度学习利用模型中的隐藏层，通过特征组合的方式，逐层将原始输入转化为浅层特征，中层特征，高层特征直至最终的任务目标。
军用机器人（含无人车）控制技术的研究最早可以追溯到20世纪30 年代，当时主要为轮式/履带式车辆的遥控技术。后来，控制技术逐渐从遥控发展到半自主、自主控制，从对轮式/履带式车辆运动的控制发展到对双足式、多足式机器人运动的控制，同时还增加了能够完成复杂作业的功能性部件（如机械臂）的控制技术。
20世纪80年代，DARPA在地面无人车的研制中投资研究轮式车辆的控制技术，并在90年代后，同国防部联合机器人计划（JRP）一起资助相关车辆控制技术的研究。进入21世纪后，DARPA连续启动无人车挑战赛，在更大范围内引发对车辆控制技术的研究。
2001年人工智能风险有哪些，DARPA在未来作战系统支持（FCS）项目下，开展小型地面机器人（车辆）的研制。该项目研制的机器人采用步行或匍匐前进的运动方式，形成了新的控制方案。
2008年，DARPA提出学习机动项目。该项目的目的是开发新一代的学习算法，使无人控制的机器人成功穿越大型的、不规则障碍物，更为重要的是，通过不断积累经验，这些算法将能让机器人自主学会克服那些比人为编码设定的更加复杂的实际地形。
这个项目有六个研究团队相互合作和竞争展开，每个团队提供了相同的由波士顿动态研究所制造的小型四足机器人（Little Dog）。为了减少导航问题中遥感技术的复杂性，每个团队也提供了一个由Vicon设计的动作捕捉系统。这样在相同的硬件条件下，研究团队可以专注于寻找解决问题的最优算法，去判断崎岖的地形变化。
2010年2月，DARPA设置新的机器人自主技术ARM。项目的目标是研制具有高度自主能力、能够适合多个军种任务使用的，让机器人能够迅速并以最小的代价执行人类级别的任务ARM在没有人控制情况下，通过充分使用自己的视觉、力量、和触觉传感器，灵活掌握和完成18种不同的任务，组成ARM机器人的包括手臂，脖子，头传感器等商业组件。当前的机器人控制系统能够保护生命减少伤亡，但是在多种任务环境中能力有限，需要较多的人为干涉并且完成任务所需的时间也较长。
DARPA主持的自主协商编队（ANTS）工程研究了基于自主协商的多UCAV协同控制在压制敌方防空（SEAD）任务的应用，实现UCAV在计划和不同任务层次上的协同。
1991-1996，随着一些新兴技术的发展，如分级的链接状态路由协议ISIS人工智能 在线播放、操作系统内核Mach、以及被广泛应用在工作站、PC、服务器、刀片服务器或单板计算机等互联集群的分包通信和交换技术Myrinet。DARPA建立了分布式布局：由一固定的控制中心连接许多相同终端，实现了个体组织单元的分化。
1997-2001，为了解决终端数量和种类的增加引发的问题，协调各个部分之间资源的动态分配，有效快速准确提供更多服务，实现各部门之间实时沟通、动态规划的反馈机制。DARPAR设计出关系连接更加复杂的集成计算装置，例如DARPA/SC-21Concept（2010），通过在计划和不同任务层面上的协同，满足了飞机战斗编队，舰艇作战编队等应对复杂战争任务的合作要求。
首先是只有失败的项目，没有失败的研究。自主技术研究是一种高风险的研究，由于认识、研究条件及其他因素的制约，多个自主技术项目以失败而告终。但是，这个失败仅是没有达到预期目标，并非研究本身一无是处。多个事例表明，那些被定义为失败的项目，其研究中的成果，或从事相关研究的人员，仍然在后期相关的研究中发挥了巨大的作用。
第二是DARPA在自主领域不仅关注基础研究，同样关注应用技术研究。DARPA在最初研究人工智能技术的时候，项目均为基础研究项目。但很快，当时DARPA的主管发现，纯粹的基础研究无法进行衡量，甚至研究的目的都很模糊——特别是对人工智能这种高深的、能够理解的人特别少的技术。于是，DARPA开始在人工智能领域，指定开展一些能够用于军事的技术，并随后在基础研究和应用研究之间建立了平衡。
第三是成果转换应为广义的成果转化。通常的技术转化是指研究成果转化为产品或者其他研究中得以应用（即狭义上的成果转化）。但对DARPA来说，仅通过狭义的成果转化来衡量项目的成就是不全面的。多个事例表明，研究项目的人（包括DARPA的主管）在项目结束之后，往往在任职的机构或企业带动相关领域的继续拓展，形成一批有影响的产品或技术。而这，也应作为DARPA相关项目的成就。
（蓝海星智库针对DARPA在研的十余个技术领域开展了系统深入的研究，近期将陆续发布系列综述文章。）
习 创新中国 创新创业 科技体制改革 科技创新政策 协同创新 成果转化 新科技 基础研究 产学研 供给侧
军民融合 民参军 工业4.0 商业航天 智库 国家重点研发计划 基金 装备采办 博士 摩尔定律 诺贝尔奖 国家实验室 国防工业 十三五 创新教育 军工百强 试验鉴定 影响因子 双一流
颠覆性技术 生物 仿生 脑科学 精准医学 基因 基因编辑 虚拟现实 增强现实 纳米 人工智能 机器人 3D打印 4D打印 太赫兹 云计算 物联网 互联网+ 大数据 石墨烯 能源 电池 量子 超材料 超级计算机 卫星 北斗 智能制造 不依赖GPS导航 通信 MIT技术评论 航空发动机 可穿戴 氮化镓 隐身 半导体 脑机接口
中国武器 无人机 轰炸机 预警机 运输机 战斗机 六代机 网络武器 激光武器 电磁炮 高超声速武器 反无人机 防空反导 潜航器
黄志澄 许得君 施一公 王喜文 贺飞 李萍 刘锋 王煜全 易本胜 李德毅 游光荣 刘亚威 赵文银 廖孟豪 谭铁牛
“远望智库”聚焦前沿科技领域，着眼科技未来发展，围绕军民融合、科技创新、管理创新、科技安全、知识产权等主题，开展情报挖掘、发展战略研究、规划论证、评估评价、项目筛选，以及成果转化等工作，为管理决策、产业规划、企业发展、机构投资提供情报、咨询、培训等服务，为推动国家创新驱动发展和军民融合深度发展提供智力支撑。返回搜狐，查看更多
免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186
