DARPA को "वर्चुअल डाटा साइंटिस्ट" सहायक के माध्यम से ए.आई.

डिफेंस एडवांस्ड रिसर्च प्रोजेक्ट्स एजेंसी (DARPA) ने शुक्रवार को डेटा-चालित डिस्कवरी मॉडल (डी 3 एम) के लॉन्च की घोषणा की, जिसका उद्देश्य गैर-विशेषज्ञों को मदद करना है, जो कृत्रिम सहायकों को मदद करने के लिए "डेटा-साइंस विशेषज्ञता गैप" कहते हैं। मशीन सीखने वाले लोग। DARPA इसे "आभासी डेटा वैज्ञानिक" सहायक कहता है।

यह सॉफ़्टवेयर दोगुना महत्वपूर्ण है क्योंकि अभी डेटा वैज्ञानिकों की कमी है और अधिक डेटा-संचालित समाधानों के लिए पहले से कहीं अधिक मांग है। DARPA का कहना है कि विशेषज्ञों की 2016 की परियोजना में दुनिया भर में 140,000 से 190,000 डेटा वैज्ञानिकों की कमी है, और आने वाले वर्षों में कमी बढ़ रही है।

उदाहरण के लिए, अलग-अलग मौसम, स्कूल, स्थान और अपराध के कारकों के लिए एक मॉडल का निर्माण करने के लिए मैनहट्टन शहर में सवारी-साझाकरण सेवाओं के लिए भीड़ को प्रभावित करते हैं, NYU छात्रों की एक टीम ने काम करने के 90 से अधिक महीनों के बराबर काम पूरा करने के लिए खर्च किया आदर्श। DARPA समस्याओं को हर समय इसी तरह देखता है और D3M कार्यक्रम भविष्य में इस तरह के मॉडल बनाने के लिए आवश्यक समय और विशेषज्ञता को कम करने के लिए इसका निर्माण करने का प्रयास करेगा।

DARPA के इनफॉर्मेशन इनोवेशन में प्रोग्राम मैनेजर वेड शेन ने कहा, "अनुभवजन्य मॉडल का निर्माण आज काफी हद तक एक मैन्युअल प्रक्रिया है, जिसमें मौसम और ट्रैफ़िक जैसे डेटा विशेषज्ञों को मौसम और ट्रैफ़िक का अनुवाद करने की आवश्यकता होती है, जो इंजीनियर और वैज्ञानिक तब सवाल पूछ सकते हैं।" कार्यालय। "हम मानते हैं कि डेटा विज्ञान के कुछ पहलुओं को स्वचालित करना संभव है, और विशेष रूप से मशीनों से पूर्व उदाहरणों से सीखें कि नए मॉडल कैसे बनाए जाएं।"

एक रक्षा एजेंसी के रूप में, निश्चित रूप से DARPA भी देख रही है कि यह ए.आई. युद्ध के मैदान को प्रभावित कर सकता है और अधिक जान बचा सकता है।

Google पहले से ही अपने ए.आई. अमेरिका के परिवहन विभाग के स्मार्ट सिटी चैलेंज के साथ अल्फाबेट के सिडवैल लैब्स की साझेदारी जैसे कार्यों को करने के लिए, जिसका उद्देश्य डेटा एकत्र करने वाले बुनियादी ढांचे का उपयोग करना है, ताकि शहरों में भीड़भाड़ और पार्किंग में आसानी हो सके।

यदि डेटा वैज्ञानिकों और गैर-विशेषज्ञों की छोटी टीम समाज में समस्याओं की पहचान करने में मदद करने के लिए मशीन लर्निंग मॉडल का उपयोग कर सकती है, तो वास्तव में समाधान को लागू करने के लिए डेटा के विश्लेषण के लिए अधिक समय होगा।

"शत्रुतापूर्ण और खुले स्रोतों से डेटा में वृद्धि को देखते हुए शत्रुतापूर्ण बलों के व्यवहार के लिए यातायात से सब कुछ समझने की हमारी क्षमता तेजी से संभव है," शेन ने कहा। "उम्मीद है कि डी 3 एम मॉडल विकास की मूल बातें संभालेगा ताकि लोग नए तरीकों से डेटा को देखने के लिए अपनी मानवीय बुद्धिमत्ता को लागू कर सकें, और उन समाधानों और संभावनाओं की कल्पना कर सकें जो पहले स्पष्ट नहीं थे या फिर अनुमान के मुताबिक नहीं थे।"