【正文】 在 PAL 計劃中， 85 DARP A 著手創(chuàng)建可以從經(jīng)驗、推論中學習 的認知助 手 ，并通過 語 音界面告 訴 他們該做 什 么。在安全危急操作中提供實 時結(jié)果是重要的，并且可以通過增加計算能 力 和互連系統(tǒng)來實現(xiàn)。此外，人類 和 人工智能系統(tǒng)必須共享共同目 標，并相互了解他們和他們當前狀態(tài)的相關(guān) 方 面。 （ 4）確保自動化設(shè)備靈活。雖然針對 人 類 AI 協(xié) 作的有效方法已 經(jīng) 存 在，但大多數(shù)是 “ 單點解決方案 ” ，只能奏 效 于特定環(huán)境中，并使用特定平臺 來實現(xiàn)特定目標。還需要繼續(xù)研究以使 得機器學習算法能夠高效地從高速數(shù)據(jù)中獲 取 信息，包括從多個數(shù)據(jù)通道同時 學習的分布式機器學習算法。 這些應用 程 序在不同 安 全機構(gòu)（ 使 用各種衡 量 指標，例 如 俘獲率， 紅 色警示隊 ， 巡邏 計劃隨機性等）的工作表現(xiàn)中被證明顯著改進了安全性能。然而，當 前 AI 算法的工作方式與人們學習并執(zhí)行任務的方式之間 存在著巨大差距。但這些系統(tǒng)只是舉例 說明了狹 義 AI，因為它們只能應用于為 他 們專門設(shè)計的任務。對物體的檢測、分類、識別 和確認仍具有挑戰(zhàn)性，特別是在雜亂和動態(tài) 條 件下。開發(fā)挖 掘 大數(shù)據(jù)中所有有用信息的更先進 的機器學習算法中需取得進一步進展。國家科學研究委員會最新報 告強調(diào)了聯(lián)邦投資在長期研究中的關(guān)鍵作用 ， 指出 “ 初步探索和商業(yè)化應用之 間長期不可預測的孕育期需穩(wěn)定的人力和財力 ” 。 66 人工智能領(lǐng)域的核心科學家和工程師將擁有大量機會，他們熟練 掌握技術(shù)，具有新想法，能夠拓展該領(lǐng)域的 知 識邊界。因此，為了 在這一領(lǐng)域保持世界領(lǐng)先地位，美國必須重 視 對人工智能基礎(chǔ)和長期研究的投 資。用于圖像識別的人工 智 能系統(tǒng)需大量人力來標記數(shù)以千 計的示例答案。 如今， AI 系統(tǒng)在專業(yè)任務上的表現(xiàn)經(jīng)常勝于人類。 50 如何增強國家和國土安全？ （ 1） 安全和執(zhí)法 ： 執(zhí)法和安全官員可以通過使用模式檢測來檢測個人行為 者的異常行為或預測危險人群的行為，從而幫助建立一個更安全的社會。 AI 輔 導員可補充面授教師，還可以因材施教。 27 他們可以進一步提高效率并降低波動性和交易成本，同時預防 系統(tǒng)性失效，例如定價泡沫和低估信用風險。 11 美國國家人工智能研究與發(fā)展戰(zhàn)略計劃 中國信通院（ CAICT）編譯組整理 （三）利用人工智能推進國家優(yōu)先事項的愿景 推動 此 AI 研發(fā)戰(zhàn)略計劃是未來世界充滿希望的愿景， AI 將給所有社會成 員帶來顯著益處。 15 涉及某 10 美國國家人工智能研究與發(fā)展戰(zhàn)略計劃 中國信通院（ CAICT）編譯組整理 些 AI 子 領(lǐng)域的其他戰(zhàn)略研發(fā)計劃和戰(zhàn)略框架處于發(fā)展階段，其中包括視頻和圖 像分析、健康信息技術(shù)、機器人和智能系統(tǒng) 。這種投資環(huán)境提出了關(guān)于聯(lián)邦投資 在 AI 技術(shù)發(fā)展中適當作用的重要問 題。 戰(zhàn)略七：更好地了解國 家 人工智能人力需求 。 優(yōu)先投資下一代人工智能，將促 進新發(fā)現(xiàn)和洞察力，同時使美國在人工智能領(lǐng)域保持世界領(lǐng)先地位。它還確立 AI 中聯(lián)邦資 助研發(fā)的優(yōu)先事項，展望短期內(nèi) AI 對社會和世界長期變革影響的能力。 聯(lián)邦政府的這種協(xié)調(diào)的 AI 研發(fā)嘗 試 將幫助美國充分利用 AI 技術(shù)的全部潛力，以發(fā)展 我們 經(jīng) 濟 的 同時 改 善 我 們的 社 會 。 戰(zhàn)略二：開發(fā)有效的人 類 與人工智能協(xié)作方法 。 人工智能的進步將需要一個 強大的人工智能研究人員社區(qū)。聯(lián)邦 對 AI 投資的正確優(yōu)先事項是什么，特別是在行業(yè)不可能投資的領(lǐng)域和 時間框架方面？是否有機會進行產(chǎn)業(yè)和國際研發(fā)合作，推動美國的優(yōu)先事項？ 9 美國國家人工智能研究與發(fā)展戰(zhàn)略計劃 中國信通院（ CAICT）編譯組整理 20xx 年，美國政府對 AI 相關(guān)技術(shù)的未分類研發(fā)投資約為 11 億美元。 這些額外計劃和框架將提供補助 和詳細敘述本 AI 研發(fā)戰(zhàn)略計劃的協(xié)同建議。人工智能的進一步進展可 以 提升社會中幾乎所有部門的福 利， 16 讓國家優(yōu)先事項獲得進展，其中包括促進經(jīng)濟發(fā)展、改善生活質(zhì)量和加強 國家安全。 28 （ 4） 交通： AI 可以增強所有交通方式，實 質(zhì) 上影響所有類型的旅途的安 全。 16 AI 工具可以促 進終身學習并讓所有社會成員獲取新技能。 48 智能 感知系統(tǒng)可以保護關(guān)鍵基礎(chǔ)設(shè)施，如機場和發(fā)電廠。 AI 首次超越人類表現(xiàn)的 主要里程碑包括：國際象棋（ 1997 年）、 52 trivia（ 20xx 年）、 53 Atari 游戲 （ 20xx 年）、 54 圖像識別（ 20xx 年）、 55 語音識別（ 20xx 年）、 56 和 Go（譯者 注： 即 AlphaGo 圍 棋 。 65 相反，大多數(shù)人只需通過幾個示例便可 “ 一次性 ” 掌握學習方 法。 許多人工智能技術(shù)將與人一起工作， 16 因此如何最好地建立主動幫助人工作 的人工智能系統(tǒng)成為重要挑 戰(zhàn) 16。國家應采取措施，確保 熟練掌握人工智能技術(shù)的人才充足。 68 報告進一步指出 “ 從初步概 念到成功上市通常需要幾十年 ” 。 21 美國國家人工智能研究與發(fā)展戰(zhàn)略計劃 中國信通院（ CAICT）編譯組整理 許多開放性研究問題圍繞數(shù)據(jù)的創(chuàng)建和使用， 包括對人工智能系統(tǒng)培訓的 準確性和適當性。此外，通過使用傳感器和 算法的適當組合來大大改進人類的感知，使 得 AI 系統(tǒng)可以更有效地與人類一起 工作。將這些系統(tǒng)用在 更廣泛的問題上則需要大量的重新設(shè)計工作。人們能通過幾個示例學習，或者通過接收正式指令 和 “ 提 示 ” 來執(zhí)行任務，或者通過觀察其他人執(zhí)行 任 務。 74 開發(fā)更強大和更可靠的機器人 在過去十年中機器人技術(shù)的重大進步對多種應 用產(chǎn)生影響力，包括制造， 物流，醫(yī)藥，醫(yī)療保健，國防和國家安全，農(nóng)業(yè)和消費品。更先進的基于機器學習的反饋方法將允許 AI 系統(tǒng) 對來自大規(guī)模仿真、實驗儀器和分布式傳感器系統(tǒng)（如智能建筑和物聯(lián)網(wǎng) （ IoT））的數(shù)據(jù)進行智能采樣或優(yōu)先級排序。針對每個可能的應用程序 實 例來生成點解決方案是不能量化 的；因此，需要更多的工作來越過這些點解決方案，并傾向于人類 AI 協(xié)作中 更具一般性的方法。對于希望是否決定使用人工智能系統(tǒng)的操作人 員而言，部署人工智能系統(tǒng)應被視為計劃選 項 。需要進一步研究來概括人類 人工智能系統(tǒng)的這些方面，以開發(fā)需要較少人體工程學的系統(tǒng)。在這些類型 的情況下，用戶需要可以為實時響應而快速 傳 達正確信息的可視化和用戶界 面。 DARPA 設(shè)想 了 PA L 技術(shù)，使 得 信息系 統(tǒng)對于用戶更加高效和有效。 例 3： DARPA 的可學習個性化助理（ PAL）項目創(chuàng)建了蘋果商業(yè)化技術(shù)，如 Siri 計算技術(shù) 對 現(xiàn)代生活 的 每一個方 面 都至關(guān)重 要 ，但我們 每 天使用的 信 息系統(tǒng)缺 乏 人類 認知的一般的、靈活的能力。可視化 和 用戶界面必須以人類可理解的方 式，清楚地呈現(xiàn)來自他們的日益復雜的數(shù)據(jù) 和 信息。人 工智能系統(tǒng)需要能夠代表多 29 美國國家人工智能研究與發(fā)展戰(zhàn)略計劃 中國信通院（ CAICT）編譯組整理 個目標，他們?yōu)檫_到這些目標可以采取的行 動 ，對這些行動的約束和其他因 素，以及容易適應目標的修改。參與一般 性 知識、技能和能力（ KSA）的定期 復訓，以及進行人工智能系統(tǒng)采用的算法和 邏 輯和系統(tǒng)的預期故障模式的培 訓。這種協(xié)作互動利 用了人類 和 AI 系 統(tǒng)的互補性質(zhì)。需要進一步研究在整 個分布式系統(tǒng)中以受控方式打開和關(guān)閉數(shù)據(jù) 通 道的方法。通常，給定有限的 安全資 源（ 例如， 船只 ，空中 巡警 ， 警察） 和大 量不同 值的 目標（ 例如 ， 不同的 航班 ，機場 處的 不同終 端） ， 基于安 全游 戲的決 策輔 助會提 供隨 機 分配或 巡邏 計劃， 并考 慮到不 同目 標 的權(quán)重 以及 敵對目 標對 于不同 安全 姿 勢的智能反應。 這將引出新一代的智能系統(tǒng)，如智能教學系 統(tǒng) 、在執(zhí)行任務時有效地協(xié)助人們 的智能助手。 72,73 確實，這些特定的系統(tǒng)被賦 予 “ 超越人類 ” 的標簽，因為他們各 自在 Jeopardy 和 Go 中的表現(xiàn)均勝過了最好的人類玩家。感知系統(tǒng) 需能夠綜合來自各種傳感器和其他來 源（包 括 計算云）的數(shù)據(jù)，以確定人工智 能系統(tǒng)當前的感知對象并對其未來狀態(tài)進行 預 測。 提升基于數(shù)據(jù)發(fā)現(xiàn)知識的能力 正如《聯(lián)邦大數(shù)據(jù)研究和發(fā)展戰(zhàn)略規(guī)劃》中所述 ， 9 實現(xiàn)智能數(shù)據(jù)理解和知 識發(fā)現(xiàn)需許多新的基礎(chǔ)工具和技術(shù)。 這些回報可在 5 年、 10 年或更長時間內(nèi)兌現(xiàn)。 最后，人工智能技術(shù)在社會各領(lǐng)域的日益普及 為人工智能研發(fā)專家?guī)砹? 新的壓力 。人工智能的前景幾 乎可涉及社會的每一方面，帶來顯著積極的 社 會效益和經(jīng)濟效益。即使是在狹義人工智能 方面，進步也不均衡。其中一些成就的關(guān)鍵是深度學習的發(fā)展。 49 數(shù)字防御系統(tǒng)可以大大降低戰(zhàn)場風險和傷亡。 AI 將如何改善教育機會和社會福利？ （ 1） 教育 ： AI增強的學習型學校隨處可見，通過其自動化輔導能衡量學 生的發(fā) 展 16。 26 安全控制可以確保金融系統(tǒng)自動減少惡意行為的機會，例如市場操縱、欺 詐和異常交易。 AI 研發(fā)戰(zhàn)略計劃側(cè)重于有助定義和推進確保 AI 責任、安全和權(quán)益用途的 政策的研發(fā)投資。 與 AI 研 發(fā)戰(zhàn)略計劃相關(guān)的其他研發(fā)戰(zhàn)略計劃和方案包括《聯(lián)邦大數(shù)據(jù)研究 和發(fā)展戰(zhàn)略計劃》 、 9《聯(lián)邦網(wǎng)絡安全研究和發(fā)展戰(zhàn)略計劃》、 10《國家隱私研 究和發(fā)展戰(zhàn)略》、 11 《國家納米技術(shù)倡議戰(zhàn)略計劃》、 12 《國家戰(zhàn)略計算計 劃》、 13《推進創(chuàng)新神經(jīng)技術(shù)腦研究計劃》 14 與《國家機器人方案》。雖然政府過去和現(xiàn)在的投資造就 了 AI 的 突破性方法，但其他部門也已成 為 AI 的重要貢獻者，包括廣泛的行業(yè)和非營利 組織。需 要進行額外的研究來開發(fā)廣泛的評價技術(shù)。為實現(xiàn)這一目標，《戰(zhàn)略 》 確定了聯(lián)邦資助人工智能研究的 以下重大計劃： 戰(zhàn)略一：對人工智能研究進行長期投資 。 由此產(chǎn)生的 AI 研發(fā)戰(zhàn) 略 計劃定義了一個高級框架，可用于確定 AI 中 的 科學和技術(shù)需 求，跟蹤研發(fā)投資的進展并最大限度地發(fā)揮其影響以滿足這些需求。 然而， AI 研 發(fā)戰(zhàn) 略 計 劃 并沒 有 為 個 別聯(lián) 邦 機 構(gòu) 定義具體 的研究 議程 。 并非取代人類，大多數(shù)人 工智能系統(tǒng)將與人類合作以實現(xiàn)最佳性能。需要更好地 了 解人工智能當前和未來研發(fā)人員 需求，以幫助確保有足夠的人工智能專家能 夠 應對本計劃中概述的戰(zhàn)略研發(fā)領(lǐng) 域。雖然 這些投資已經(jīng)產(chǎn)生了重要的新科學和技術(shù)， 但 是仍有機會在聯(lián)邦政府之間進一 步協(xié)調(diào)，使這些投資能夠充分發(fā)揮潛力。 （二）預期結(jié)果 本 AI 研 發(fā)戰(zhàn)略計劃超越了近期 的 AI 功能，著眼 于 AI 對社會和世界的長期 變革影響。這種潛在利益的例子包括： 促進經(jīng)濟發(fā)展 新產(chǎn)品和服務可以創(chuàng)造新市場，并提高多個行 業(yè)現(xiàn)有商品和服務的質(zhì)量和 效率。 29 它可以用于結(jié)構(gòu)安全監(jiān)測和基礎(chǔ)設(shè)施資產(chǎn)管理，提高公眾信任，降低維修 和重建成本 。 16 （ 2） 醫(yī)學： AI 能支持從大規(guī)?；蚪M研究 （ 如全基因組關(guān)聯(lián)研究，排序 研究）中識別出遺傳風險的生物信息學系統(tǒng) ， 并預測新藥物的安全性和有效 性。 49 （ 2） 安全和預測 ： 正常條件的分布式傳感器系統(tǒng)和模式理解技術(shù)可以檢測 主要基礎(chǔ)設(shè)施中斷的概率何時會顯著上升， 無 論是由自然原因還是人為原因引 起。 20xx 年 ）。雖然大多數(shù)機器視覺系統(tǒng)容易被具有重 疊 事物的復雜場景混雜，但是兒童 可輕松進行 “ 場景解析 ” 。人和人工智能系統(tǒng)之間的壁壘慢慢被打破， 人工智能系統(tǒng)不斷增強人的能力。戰(zhàn)略七闡述了這一挑戰(zhàn)。 68 持續(xù)的基礎(chǔ)研究工作帶來高回報的有力證據(jù) 包括萬維網(wǎng)和深度學習。當處理大量數(shù)據(jù)時，數(shù)據(jù) 的 準確性尤其具有挑戰(zhàn)性，使人難 以對其進行評估并從中提取信息。 16 在整個感知過程中，需要一套用于計 算 和傳播不確定性的框架來量化 AI 系統(tǒng)在其情境意識中的置信水平并提高準確性。相比之下，通 用 AI 的長期目標是 創(chuàng)造出能夠在廣泛的認知領(lǐng)域（包括學習， 語 言，知覺，推理，創(chuàng)造力和規(guī) 劃）中表現(xiàn)出人類智力之靈活性和多功能性 的 系統(tǒng)。醫(yī)學院采取這種方法，例 如，醫(yī)學院的學生通過觀察有經(jīng)驗的醫(yī)生完 成 復雜的手術(shù)來學習。 雖然在歷史上，機器人被設(shè)想用于靜態(tài)工業(yè)環(huán) 境，但最近的技術(shù)發(fā)展使得 機器人與人類能夠親密合作。這樣的方法可能需要動態(tài) I/O 決 策，其中基于重要性實時地作出選擇來存儲 數(shù) 據(jù)，而不是簡單地以固定頻率存 儲數(shù)據(jù)。需要在設(shè)計 “ 通用系統(tǒng) ” 和建立大量的 “ 專用系統(tǒng) ” 之間 進行權(quán)衡。同樣重要的是，在過度工作負 荷或疲勞期間，用于支持人類操作人員的自 適 應人工智能系統(tǒng)的設(shè)計和運用也 是非常重要的。 開發(fā)增強人類能力的人工智能技術(shù) 盡管人工智能研究先前的大多數(shù)焦點是關(guān)于匹 配或勝過人類執(zhí)行狹窄任