DARPA per construir assistents "científics de dades virtuals" mitjançant A.I.

L'Agència de Projectes de Recerca Avançada de Defensa (DARPA) va anunciar divendres el llançament de D3M (Data-Driven Discovery of Models), que té com a objectiu ajudar els no experts a col·locar allò que ell anomena el "gap de coneixement de dades científiques" permetent als assistents artificials ajudar persones amb aprenentatge automàtic. DARPA ho diu un assistent de "científic de dades virtual".

Aquest programari és doblement important perquè ara hi ha una manca de científics de dades i una demanda més gran que mai per a més solucions basades en dades. DARPA diu que els experts projecten un dèficit de 140.000 a 190.000 científics de dades a tot el món i augmenten les deficiències en els propers anys.

Per exemple, per tal de construir un model de com els diferents factors meteorològics, escolars, de localització i de delinqüència afecten la congestió per als serveis de viatge compartit al centre de Manhattan, un equip d’estudiants de NYU va gastar l’equivalent a més de 90 mesos d’horari de treball per completar el model. DARPA veu problemes de la mateixa manera tot el temps i el programa D3M s'esforçarà per construir-lo per reduir dràsticament el temps i els coneixements necessaris per fer models com aquests en el futur.

"La construcció de models empírics avui en dia és en gran part un procés manual, que requereix que experts de dades tradueixin elements estocàstics, com ara el temps i el trànsit, en models que els enginyers i els científics puguin fer després de preguntes", va dir Wade Shen, responsable de programes de la innovació en informació de DARPA. Oficina. "Creiem que és possible automatitzar certs aspectes de la ciència de les dades, i específicament que les màquines aprenguin de l'exemple anterior com construir nous models".

Com a agència de defensa, per descomptat, DARPA també està estudiant com aquesta A.I. podria afectar el camp de batalla i estalviar més vides.

Google ja utilitza el seu A.I. per fer tasques similars, com ara la col·laboració de Alphabet Sidewalk Labs amb Smart City Challenge del Departament de Transport dels Estats Units, que té com a objectiu utilitzar la infraestructura de recopilació de dades per facilitar la congestió i l'aparcament en ciutats competidores.

Si equips més petits de científics de dades i no experts poden utilitzar models d'aprenentatge automàtic per ajudar a identificar problemes a la societat, hi haurà més temps per a l'anàlisi de les dades per implementar realment solucions.

"La nostra capacitat d’entendre tot, des del trànsit fins al comportament de forces hostils, és cada vegada més possible donat el creixement de dades de sensors i fonts obertes", va dir Shen. "L'esperança és que D3M tractarà els conceptes bàsics del desenvolupament del model perquè la gent pugui aplicar la seva intel·ligència humana per mirar les dades de noves maneres, i imaginar solucions i possibilitats que abans no eren òbvies ni tan sols concebudes".