DARPA 旨在开发名为 KAIROS 的 AI 来预测世界事件
- DARPA 希望发现在数字世界中发现的复杂事件。
- 他们的计划是创建一个半自动化系统，该系统可以检测和绘制目前世界各地正在发生的数十亿事件之间的相关性。
人工智能 (AI) 在当今世界有许多应用。它可以高效地执行广泛的活动，包括遥感、电子交易、医疗诊断和机器人控制。
蓬勃发展的人工智能领域取得了一些令人印象深刻的进步，尤其是在过去几年中。今天，运行在弱人工智能上的机器可以比人类更好地执行各种任务，从识别和整理图像到击败世界上最好的围棋选手和诊断某些类型的癌症。
但是，DARPA 希望通过构建可以在全局混乱中找到隐藏模式的 AI，在该领域更进一步。最近，他们宣布了一项名为知识导向的人工智能推理模式 (KAIROS) 的计划，旨在创建一个半自动化系统，能够检测和绘制目前全球发生的数十亿事件之间的相关性。
KAIROS：基于架构的人工智能
这个新程序旨在构建一个机器学习系统，该系统可以分析代表日常事件的大量数据，并找出是否存在任何连接线程。
然而，许多事件并不是按顺序发生的，而是涉及由几个辅助成分组成的复杂现象。不断增长的非结构化数据量使这项任务对现有工具和系统更具挑战性。
这就是为什么该程序将使用“模式”来查找信息之间的联系。图式于 1920 年代初首次概念化，是一种知识单元，其中事件以常见的叙事结构进行组织。
例如，人们去商店购买东西。此类事件涉及由特定角色（卖家、买家）、一组操作（产品、付款）和时间限制（如果金额超过 100 美元，则可通过卡支付）定义的购买交易模式。
参考：KAIROS | DARPA
为了建立对复杂现实世界事件的可行理解并准确预测它们将如何展开，基于模式的 AI 支持对这些事件进行时间和上下文推理。简而言之，它生成关于我们周围发生的所有事情的董事会叙述。
它是如何工作的？
DARPA 的目标将分两个阶段实现。第一阶段，系统将基于推理和语言推理对事件进行识别、分类和聚类，从海量数据中生成模式。
KAIROS 计划的两个阶段 |图片来源：DARPA
开发人员计划采用泛化、组合和专业化程序来创建有效描述复杂事件的模式，并实施特定领域的知识以针对特定需求修改分析。
在第二阶段，系统会将一组模式（在第一阶段生成）应用于复杂的现实世界数据，并尝试提取事件和叙述。这并不像听起来那么容易，因为构建和扩展知识库需要检测复杂的实体和事件，以及它们之间的关系。
阅读：DARPA 将使用激光光源为飞行中的小型飞机提供动力
在这一点上，整个系统似乎是理论上的，但这就是该机构正在研究它的原因。鉴于我们今天拥有的 AI 的简单性，很难想象在不久的将来会有如此复杂的系统。
工业技术