DARPA om "Virtual Data Scientist" -assistenten te bouwen via A.I.

Het Defense Advanced Research Projects Agency (DARPA) kondigde vrijdag de lancering aan van Data-Driven Discovery of Models (D3M), die tot doel heeft niet-experts te helpen om wat ze de 'data-science expertise gap' noemen te overbruggen door kunstmatige assistenten te helpen mensen met machine learning. DARPA noemt het een assistent "virtuele gegevenswetenschapper".

Deze software is dubbel belangrijk, omdat er op dit moment een gebrek is aan gegevenswetenschappers en er meer dan ooit behoefte is aan meer gegevensgestuurde oplossingen. DARPA zegt dat experts 2016-tekorten van 140.000 tot 190.000 datawetenschappers wereldwijd voorspellen en de komende jaren steeds meer tekortschieten.

Om bijvoorbeeld een model te bouwen voor hoe verschillende weers-, school-, locatie- en criminaliteitsfactoren van invloed zijn op de congestie van ritshieldiensten in het centrum van Manhattan, heeft een team van NYU-studenten het equivalent van meer dan 90 maanden werkuren besteed aan het voltooien het model. DARPA ziet dit soort problemen de hele tijd en het D3M-programma zal ernaar streven het te bouwen om de tijd en expertise die nodig is om dergelijke modellen te maken in de toekomst drastisch te verminderen.

"De constructie van empirische modellen van tegenwoordig is grotendeels een handmatig proces, waarbij gegevensexperts stochastische elementen, zoals weer en verkeer, moeten vertalen in modellen die ingenieurs en wetenschappers vervolgens vragen kunnen stellen", zegt Wade Shen, programmamanager bij DARPA's Information Innovation. Kantoor. "Wij geloven dat het mogelijk is om bepaalde aspecten van data science te automatiseren, en specifiek om machines te laten leren van een voorgaand voorbeeld van het bouwen van nieuwe modellen."

Als een verdedigingsbureau onderzoekt DARPA natuurlijk ook hoe deze A.I. kan het slagveld beïnvloeden en meer levens redden.

Google gebruikt al zijn A.I. soortgelijke taken uit te voeren, zoals Alphabet's Sidewalk Labs-partnerschap met de Smart City Challenge van het Amerikaanse ministerie van Transport, dat tot doel heeft om de infrastructuur voor het verzamelen van gegevens te gebruiken om congestie en parkeren in steden die veel tegenkomen te vergemakkelijken.

Als kleinere teams van data scientists en niet-experts modellen voor machinaal leren kunnen gebruiken om problemen in de samenleving te identificeren, zal er meer tijd zijn voor analyse van de gegevens om oplossingen daadwerkelijk te implementeren.

"Ons vermogen om alles te begrijpen, van verkeer tot het gedrag van vijandige krachten, is in toenemende mate mogelijk gezien de groei van gegevens van sensoren en open bronnen," zei Shen. "De hoop is dat D3M de basis van modelontwikkeling zal hanteren, zodat mensen hun menselijke intelligentie kunnen toepassen om op nieuwe manieren naar gegevens te kijken, en oplossingen en mogelijkheden kunnen voorstellen die voorheen niet voor de hand lagen of zelfs maar denkbaar waren."