【SAIL-ON】DARPA人工智能新动向：教导AI系统以适应动态环境

SAIL-ON项目研究背景

当前的人工智能（AI）系统擅长于严格规则定义的任务，例如掌握棋盘游戏Go和国际象棋，其熟练程度超过世界级人类玩家。然而，人工智能系统并不能很好地适应现实世界中军队常常面临的不断变化的条件——从敌对方的突袭行动、波动的天气到在陌生的地形中作战。对于AI系统，如果要实现在各种军事应用范围内有效地与人类合作，智能机器需要从限制边界内的封闭世界问题解决转向迎接以流动和层出不穷为特征的开放世界挑战。

SAIL-ON项目研究目标

为了实现这一飞跃，美国高级研究计划局（DARPA）在2月14日通过其官网宣布了“人工智能科学与开放世界新奇事物学习”（SAIL-ON）项目。SAIL-ON项目旨在研究和开发创建AI系统所需的基础科学原理和通用工程技术和算法，这些系统在开放世界中出现的新情况下能够恰当有效地发挥作用。该项目的目标是开发科学原理，以量化和表征开放世界领域的新事物，创建对这些领域的新事物做出反应的AI系统，并在选定的国防部领域中演示验证并评估这些系统。

负责SAIL-ON项目的DARPA国防科学办公室（DSO）项目经理Ted Senator解释说：“想象一下，如果国际象棋的规则在比赛中被改变了，AI系统如何知道棋盘已经变得更大，或者比赛的目标不再是为了将死对手的国王而是捕获他的所有棋子？或者如果现在象可以跟车一样移动，怎么办？AI是否能够找出变化的内容并能够适应它？“

面对动态变化的环境，现有的AI系统变得无效，并且在发生重大和意外事件时无法适应。不同于人类的识别新体验并相应调整其行为，机器会继续应用过时的技术，直到他们被重新训练。

Senator表示，如果有足够的数据，机器能够很好地进行统计推理，例如对图像进行分类以执行人脸识别。另一个例子是DARPA在21世纪初推动的自动驾驶汽车AI，这引发了当前自动驾驶汽车的革命。得益于大量数据，包括从数千万自主里程中收集的稀有事件经验，自动驾驶技术正在形成。但是，可用数据特定于具有已知道路规则的通常定义良好的环境。

反过来，Senator介绍说：“对于越野行驶、在敌对环境中需要不断面对高风险新环境的军事地面系统来说，试图生成数百万自主驾驶里程的类似数据集是不切实际的，更不用说在空中和海上作战的自主军事系统。“

如果成功，SAIL-ON项目将教导AI系统如何学习并适当地做出反应，而无需在大型数据集上重新进行训练。该项目旨在奠定技术基础，不管在哪个领域赋能机器，使其能够自己完成军事OODA循环过程——观察情况、确定他们观察的内容、确定最佳行动方案、然后采取行动。

SAIL-ON项目研究内容

Senator介绍说：“AI系统必须做的第一件事就是认识到世界已经发生了变化；第二件事是描述世界如何变化；第三件事是适当调整其反应；第四件事，一旦它学会适应，就要更新它的世界模型。”

SAIL-ON项目将要求参研人员、团队在开放世界中表征和量化新事物类型和程度，构建在选定领域的不同层次上生成新情况的软件，开发能够识别的算法和系统并对多个开放世界领域的新奇事物做出反应。

SAIL-ON项目寻求AI多个子领域的专业知识支持，包括机器学习、计划识别，知识表征、故障检测、故障诊断和恢复、概率规划等。

DARPA定于3月5日举行SAIL-ON项目的提案者日活动，预计很快在联邦商业机会网站发布该项目的广泛机构公告（BAA）征集。

---

前情回顾

---

防务菌

---

有礼有节&百无禁忌

---

来将通名&非诚勿扰

---