当前位置: 首页 >> 五金工具

五角大楼接近大规模的新AI机器学习突破

2021-08-18 来源:西宁机械信息网

五角大楼接近大规模的新AI,机器学习突破

国防高级研究计划局正在推行前所未有的机器学习“突破”技术 - 并开创了一种新的网络安全方法,旨在同时阻止多次攻击并阻止现有防御无法识别的新攻击。

旨在大规模改进实时AI和机器学习的DARPA主导的“终身学习机”(L2M)计划依赖于某些基于机器学习的系统可能难以识别,集成和组织某些类型的基本前提。新的或复杂的尚未被看到的信息中国机械网okmao.com。

“如果新的东西不同,系统可能会失败。这就是为什么我想要在体验中学习某种机器学习的原因。系统不知道在某些情况下该怎么做,“Hava Siegelmann,DARPA信息创新办公室项目经理和马萨诸塞大学计算机科学教授。

新兴高科技计划的目标可以通过即时“实时培训”来解释。如果机器在实时进行分析时学习最困难或最模糊的事情,那么,正如西格尔曼解释的那样 - “我们不受训练集的束缚(先前编译或存储的信息)。我们将旧数据和新数据放在一起,以便在所有培训数据上重新训练网络。“

新兴高科技计划的目标可以通过即时“实时培训”来解释。如果机器在实时进行分析时学习最困难或最模糊的事情,那么,正如西格尔曼解释的那样 - “我们不受训练集的束缚(先前编译或存储的信息)。我们将旧数据和新数据放在一起,以便在所有培训数据上重新训练网络。“

正如Sigelmann解释的那样,存在某些从未见过的细微差别或数据排列,这些都与机器学习通常可以分析的内容背道而驰。此外,人工智能似乎也有一些限制,这意味着它可能还没有能力完全消化和吸收一些非常主观的变量,如“情感”......“本能”......某些细微差别的决策由人类认知独特地实现...或任何与计算机算法,数学公式或一些纯科学分析方法不兼容的东西。相反,也可以说,通过利用包括语音模式,先前行为和其他类型的编目证据之类的数据库,AI现在处于能够处理更多主观现象的最前沿,

有趣的是,Seigelmann解释说,LM2与人类生物现象有一些概念上的相似之处。她说,实时输入和输出之间的先进协同作用类似于婴儿如何理解周围环境。

“当婴儿出生时,它一直在学习如何适应和学习。人们害怕惊喜。这正是重点; 通过立即添加和与现有数据库同步,机器能够更快地吸收和处理新信息的速度越快,它就能越快地识别和计算新事物“Siegelmann补充道。

探索与创建新计算机算法有关的生物学绝不是前所未有的。五角大楼科学家长期以来一直沉浸在称为“仿生学”的东西中,其中鸟类和蜜蜂的植绒模式被分析为开发无人机新算法的一种方式 - 使它们能够协调集成功能,准确群集或串联操作而不会发生碰撞。

除了正在迅速发展的正在进行的L2M工作外,Siegelmann还强调了一项相关但又截然不同的面向网络安全的探索,旨在阻止比通常发生的更为先进的网络攻击。

网络安全概念,称为保证AI鲁棒性反欺骗,旨在了解一种新的更复杂的网络攻击,正如西格尔曼所说,“使机器学习更敏感,使人工智能更强大,更有弹性。”

GARD计划旨在解决新兴的企图入侵的方法,这些方法被设计为“欺骗”,“混淆”或重新引导它正在攻击的机器学习导向系统。

“这种攻击可能涉及一种特定的算法,旨在向机器学习系统发送一些东西并实际发送一些东西,使AI以一种不可预期的方式作出响应......实际上是混淆并欺骗机器强迫它做出决定,“西格尔曼说。

例如,如果此类攻击成功,攻击者可以指示启用AI的系统“允许访问”受保护的网络,并像Siegelmann所说的那样“打开一扇门”。

西格尔曼根据输入和输出之间的某种同时协同作用对其进行了解释。DARPA的一位官员说,这种方法使网络安全能够确定跟踪并阻止比目前更广泛的攻击。

“当前的防御工作旨在防范特定的,预定义的对抗性攻击,并且在测试时仍然容易受到超出其设计参数的攻击。GARD寻求以不同方式接近机器学习防御,“DARPA官员在一份书面声明中解释道。

虽然基于科学,GARD的努力很早就开始了。DARPA刚刚向业界发出广泛宣传,以征求意见,计划在今年12月前正式启动该计划。

“我们将使AI更好地创建防御,因此现有的机器学习将是可以防御的,通过保护现有机器或进行新机器学习,”Siegelmann补充说。

友情链接