سرمایه‌گذاری ۲ میلیارد دلاری دارپا در حوزه هوش مصنوعی
روز گذشته در سمپوزیومی در واشنگتن دی‌سی، دارپا اعلام کرد که قصد دارد طی ۵ سال آینده، در حوزهی هوش مصنوعی، ۲ میلیارد دلار سرمایه‌گذاری کند.
دارپا در برنامه‌‌ای تحت عنوان AI Next، در حال حاضر بیش از ۲۰ پروژه‌ی در حال اجرا دارد و قصد دارد به توسعه و ارتقاء امنیت و انعطاف‌پذیری فناوری‌های مبتنی بر هوش‌مصنوعی، همچنین کاهش قدرت مورد نیاز و همچنین کاهش نیاز به داده‌ها وارد فاز جدیدی از طرح‌های توسعه‌ای شود تا بتواند ناکارآمدی‌های موجود در سیستم‌های یادگیری ماشین توصیف‌پذیر را به حداقل برساند. دکتر استیون واکر، مدیر این پروژه اعلام کرد:
یادگیری ماشین از نظر قابلیت‌های استدالال منطقی دارای ضعف‌هایی است. آموزش باید این کمبودها و کاستی‌ها را پوشش دهد. ولی چنین رویکردهایی نه تنها گاهی بسیار هم پرهزینه هستند؛ بلکه در برخی موارد غیرممکن به‌نظر می‌رسند. سخت در تلاش هستیم تا بتوانیم ارتباطاتی منطقی را شبیه به ارتباطات انسانی در ماشین‌های مبتنی بر هوش مصنوعی مستقر کنیم. در این صورت ماشین‌ها هم می‌توانند همانند انسان‌ها قدرت استدلال منطقی داشته باشند و شرایط و موقعیت‌های جدید و همچنین محیط اطراف خود را تشخیص دهند و با شرایط جدید سازگاری پیدا کنند.
هوش مصنوعی، حوزه‌ای وسیع و گسترده را شامل می‌شود. هوش مصنوعی می‌تواند از حوزه‌ها‌یی معمولی از جمله ارتقا قابلیت‌های جستجو تا حوز‌ه‌های یادگیری ماشین واقعی را پوشش دهد. این حوزهی وسیع، بر مبنای داده‌ها و الگوریتم‌های یادگیری بنا نهاده شده است. دارپا، در حوزهی تحقیق و توسعه‌های سیستم‌های مبتنی بر هوش مصنوعی سابقه‌‌دار است و براساس آخرین خبرها، تلاش‌‌های دارپا باعث شد ایالات متحده از چین پیشی بگیرد. طبق آخرین خبرهای منتشر‌شده، چین قصد دارد تا سال ۲۰۳۰ میلادی، تبدیل به بزرگترین قطب در جهان در حوزهی هوش مصنوعی شود.
در بسیاری از موارد، هوش مصنوعی هنوز در دوران طفولیت خود قرار دارد. اما این فناوری، و خصوصا حوزهی یادگیری ماشین، این پتانسیل را دارد که بتواند نه تنها با کاربران، بلکه با نهادهای دولتی و غیردولتی وارد تعامل جدیدی شود تا بتوانند از این فناوری در تعامل بیشتری با کارمندان و شهروندان استفاده کنند.
یکی از نگرانی‌های موجود در حوزهی یادگیری ماشین، مربوط به داده‌هایی است که در حین آموزش باید به سیستم وارد شود. اگر اطلاعات و داده‌های واردشده به سیستم درست نباشند، سیستم در نهایت نتایج درستی را نشان نخواهد داد. مثلا ممکن است کسی بخواهد داده‌ها را دستکاری کند و در نتیجه نتایج درستی از سیستم به‌دست نخواهد آمد. شرایط وقتی سخت‌تر می‌شود که داده‌ها به‌صورت محرمانه و یا در شرایطی خاص به سیستم وارد شود، در این صورت شرایطی شبیه به جعبه‌ی سیاه رخ می‌دهد. در چنین شرایطی ممکن است حتی محققانی که الگوریتم‌ها را طراحی می‌کنند، به‌درستی اطلاعی از داده‌ها و خروجی سیستم نداشته باشند و متوجه نمی‌شوند که سیستم، چگونه به این نتایج رسیده است.
با این وجود، تحقیقات هوش مصنوعی می‌تواند پیشرفت‌های زیادی را در دستگاه‌های مختلف ایجاد کند و در اصل هوش مصنوعی به‌عنوان منبعی قدرتمند برای نوآوری و خلاقیت در نظر گرفته شود. DARPA، همچنان به تحقیق و توسعه در این مسیر ادامه می‌دهد و ظاهرا برای ۵ سال آینده، سرمایه‌گذاری خوبی برای این حوزه در نظر گرفته است.