美国能源部AI/ML优先研究,国防部AI探索计划公布最新资助项目

发布时间:2020-05-14

 

2020年4月,美国能源部(DOE)宣布共计3000万美元的资助项目,旨在促进机器学习和人工智能(AI/ML)在科学发现和复杂系统管理领域的研究。同月,美国国防部高级研究计划局(DARPA)发布了一项名为机器视觉干扰技术(TMVD)的人工智能探索(AIE)资助项目。

本次DOE资助项目包括两个独立的主题方向:(1)聚焦用于自然科学研究的预测性建模与仿真的AI/ML技术,发挥AI/ML技术的自适应和加速优势。(2)聚焦用于复杂系统管理决策支持的AI/ML技术基础研究,该方面潜在的应用场景包括网络安全、电网弹性等需要AI/ML技术做出或辅助做出实时决策的复杂系统。

美国DOE在2019年关于科学机器学习的研讨会报告中确定了六个优先研究方向(PRDs)包括三个基础研究方向和三个应用研究方向,新的资助项目是应用研究中的两个。PRDs中基础研究方向与科学AI/ML发展一致,符合领域意识、可解释性和健壮性的需要,应用研究方向聚焦科学大数据分析、AI/ML增强的建模与仿真以及复杂系统的智能自动化和决策支持。

项目资助申请面向美国DOE国家实验室、大学、非营利组织、企业等开放,其中建模和仿真主题在2020财年将提供1000万美元为期两年的资助,复杂系统管理的决策支持主题将提供2000万美元的资助(2020财年提供700万美元,剩余资金的支持将由美国国会批准)。

美国DARPA根据人工智能探索(AIE)项目公告发布了机器视觉干扰技术(TMVD)资助项目,寻求干扰机器视觉系统的创新研究概念提案,实现无需了解系统内部架构或训练机制的TMVD。项目将通过“其他交易(OT)”为原型提供100万美元的资助。

近年来深度神经网络结构加速了机器视觉应用的进展,但是现在已经有大量的工作正在研发“欺骗”机器视觉系统的技术,而这些技术对人类或动物视觉系统没有影响。开发通用干扰技术、探索其背后的科学现象,可以加强对神经网络结构本质的理解,DARPA的这项工作可能会改进神经网络结构,使其具有更健壮的决策边界,从而增加对这类系统输出的“信任”。

DARPA一再重申即将开发的技术不得要求了解系统实际训练图像,也不得要求了解任何关于支持该系统的训练算法或架构的细节。DARPA希望最终的技术尽可能“通用”,可以有效地应用于各种图像,包括不同的内容、尺寸和分辨率。通过该项目创造或加强的此类攻击和技术可用于多种计算机神经网络架构,如循环神经网络或生成式对抗网络等,此外在视频应用上也具有一定潜力。

该计划将分为两个阶段,第一个阶段将着重于通用攻击算法的开发,至少在三类网络上成功演示,并评估演示算法对其他网络的可扩展性;在第二阶段将进一步测试所开发的技术,并定义其在算法有效性下的核心原则。

来源:战略科技前沿