Съдържание Номер на раздел За редактора Въведение Национален стратегически план за изследване и развитие на изкуствения интелект Подготовка за бъдещето на изкуствения интелект Изкуствен интелект, автоматизация и икономика Акроними
запълване на тези пропуски. Стратегическият план за научноизследователска и развойна дейност идентифицира стратегии както за краткосрочна, така и за дългосрочна подкрепа на Al, които се справят с важни технически и социални предизвикателства. индивидуален Federalnstead, той определя цели за изпълнителния клон, с това кои агенции могат да преследват horities и бюджети, така че тяхното портфолио от изследвания да е в съответствие със стратегическия план на Al R&D може да увеличи икономическия просперитет чрез въвеждането на нови продукти и услуги, които могат да създадат нови пазари и подобряване на качеството и ефективността на съществуващите стоки и услуги в множество индустрии, включително: производство, логистика, финанси, транспорт, агромаркетинг, комуникации и наука и технологии
Al може също така да подобри образователните възможности и да подобри националната сигурност и сигурността на местната земя От самото си начало изследванията на Al напреднаха в три технологични вълни Първото вълново създадено знание, със силно развитие през 80-те години на миналия век върху електронни експертни системи, базирани на правила, в дефинирани от нас домейни, в които знанията са събрани от човешки експерт, изразени в правила „ако-тогава“ и след това имплементирани в хардуера. Такива системно активирани причини се прилагат успешно към тясно дефинирани проблеми, но нямат способността да се учат или да справят се с несигурността Въпреки това, те все пак доведоха до важни решения и техниките за развитие, които все още се използват активно. Втората вълна на изследванията на Al от 2000-те години до днес се характеризира с нарастване на неспособността на значително по-големи количества цифрови дават масивни паралелни изчислителни способности и подобрените техники за обучение донесоха значителни подобрения в Al, когато приложението излъга задачи като разпознаване на изображения, разбиране на реч и превод на човешки език. Плодовете на тези постижения са навсякъде: смартфоните извършват разпознаване на реч, банкоматите извършват разпознаване на ръка на писмени чекове, приложенията за имейл извършват филтриране на спам, и безплатни онлайн услуги
Разработката на dAl системи вече редовно превъзхожда хората при специализирани задачи Голяма миля надмина човешката производителност, включително: шах (1997), любопитни факти (2011), игри Atari (2013), разпознаване на магьосници (2015), разпознаване на реч (2015) , и Go (2016) Темпото на такива етапи изглежда се увеличава, както и степента, до която най-добре представящите се системи са базирани на методи за машинно обучение, а не на набори от ръчно кодирани правила. Такива постижения във всички са водени от силна база от фундаментални изследвания
tu the number of web of science- indexedI articleatoning"deep learningld Тенденциите също така разкриват все по-глобалния характер на изследванията, като Съединените щати вече не са водещи в света по брой публикации или дори публикации, които получават поне един модел на цитат с обяснение и коригиращ интерфейс, за изясняване на основата и надеждността на резултатите, за работа с висока степен на възможности, които могат да обобщават в по-широки области на задачите. Ако успеят, инженерите биха могли да създадат естествена комуникация с хората, да учат и да разсъждават, когато се сблъскват с нови задачи и ситуации, проблеми чрез обобщаване frorsystems могат да бъдат конструирани автоматично чрез усъвършенствани методи. Тези модели могат да дадат възможност за бързо обучение в AI системи. Те могат да доставят "смисъл" или "неразбиране" на Alsystem, което след това може да позволи на Al системите да постигнат по-общи способности
Описаните в този аи р&d стратегически план се фокусират малко вероятно да се насочат към области, които е най-вероятно да се възползват от федералните инвестиции. Тези приоритети обхващат всички, за да включват нужди, общи за Al подполетата на възприятието, автоматизирано разсъждение/ планиране, когнитивни системи, машинно обучение, език за цялата област, вместо да се фокусира само върху отделни изследователски предизвикателства, специфични за всеки поддомейн. За да се приложи планът, трябва да се разработят подробни пътни карти, които отговарят на пропуските в способностите в съответствие с плана Едно от най-важните федерални изследвания Приоритетите, очертани в Стратегия 1, са за устойчиви дългосрочни изследвания в областта на ИИ, които да стимулират дискотеката и да вникнат в много от инвестициите на
sФедералното правителство във високорисков, високопроизводителен фондамерен технологичен напредък, от който зависим днес, включително интернет, GPS, разпознаване на смч, сърдечни монитори, соларни панели, усъвършенствани батерии, терапии за рак и много, много повече Обещанието на Al засяга почти всеки аспект на обществото и има потенциала за значителни положителни обществени и икономически ползи. По този начин, за да запазят световна лидерска позиция в тази област, Съединените щати трябва да съсредоточат инвестициите си върху фундаментални и дългосрочни изследователски предизвикателства с висок приоритет за това как най-добре да се създаде AI системи, които работят с хората по интуитивен и полезен начин. Стените между хората и AI системите бавно започват да се разрушават, с AI системите, ефективните методи за взаимодействие и сътрудничество между хората и AI, както е посочено в Стратегия 2 за развитие на AI, осигуряват много положителни ползи за обществото и са нарастваща национална конкуренция8 Въпреки това, както при повечето трансформиращи технологии, Al presentskssaбезопасност, етика и LeAI наука и технологии се развиват, федералното правителство също трябва да инвестира в научни изследвания, за да може
разберете какво е значението на изкуствения интелект за всички тези сфери и да коригирате, очертан в Strateg. Критичен пропуск в текущата Al технология е липсата на методологии за гарантиране на безопасността и предсказуемата производителност на системите с изкуствен интелект Гарантирането на безопасността на системите с изкуствен интелект е предизвикателство, защото не обикновена сложност и развиващ се характер на тези системи Няколко изследователски приоритета са насочени към това предизвикателство за безопасността
Първо, Стратегия 4 подчертава необходимостта от обясними и прозрачни системи, които се ползват с доверие от техните потребители, работят по начин, който е приемлив за потребителите, и може да се гарантира, че действат според предназначението на потребителя Потенциалните възможности и сложността на AI системите, комбинирани въпреки възможностите с човешките потребители и околната среда, прави критично важно да се инвестира в това, което повишава сигурността и контрола на ал. технологиите. Стратегия 5 призовава федералните публични набори от данни за алтернативни тестове, за да се придържа към напредъка на Al изследванията и да даде възможност за по-ефективно сравнение на пропуски в алтернативни решения и стимулиране на иновативни решения за специфични проблеми и предизвикателства. Стандартите и показателите са от съществено значение за измерване и оценка на AI системи и гарантиране, че алтернативните технологии отговарят на критични цели за функционалност и оперативна съвместимост. И накрая, нарастващото разпространение на всички технологии във всички сектори на обществото създава нов натиск за Al R&Dдълбоко разбиране на технологията, който може да генерира нови идеи за напредване на границите на знанието в областта. Нацията трябва да предприеме действия, за да осигури достатъчен набор от способни таланти, Стратегия 7 се справя с това предизвикателство, докато най-доброто управление на Al алгоритмите е да се справят открити предизвикателства с подобни на човека решения, ние нямаме добро разбиране какви са теоретичните способности и
за изкуствения интелект и степента, до която подобни човешки решения са Ал алгоритми Необходима е теоретична работа, за да се разбере по-добре защо техниките на Ал - особено машинното обучение - често работят добре на практика, докато различните дискови ip линии (включително математика, контролни науки и компютърни науки )проучвайки този проблем, в областта понастоящем липсват унифицирани теоретични модели или рамки за разбиране на производителността на системата Необходими са допълнителни изследвания върху изчислителната разрешимост, което е разбиране на класовете проблеми, които решават, и по същия начин тези, които те не могат да решат Това разбиране трябва да бъде разработено за съществуващия хардуер, за да се види как хардуерът влияе върху производителността на тези алгоритми. Разбирането кои проблеми са теоретично неразрешими може да накара изследователите да разработят приблизителни решения на тези проблеми или дори да отворят нови линии на изследване на нов хардуер за AI системи
Например, когато са изобретени през 60-те години на миналия век, изкуствените невронни мрежи (ANNS) можеха да се използват само за решаване на много прости проблеми. Използването на ANN за решаване на сложни проблеми стана възможно едва след като бяха направени подобрения в хардуера като паралелизиране и алгоритмите бяха коригирани, за да направят използване на новия хардуер Такива разработки бяха ключови фактори за позволяване на днешния значителен напредък в задълбоченото обучение. Общо ал е амбиция на изследователите от появата на всички, но сегашната система все още е далеч от постигането на тази цел. възможно е уроците от едното да могат да бъдат приложени за подобряване на другото и обратно. Въпреки че няма общ консенсус, повечето изследователи на ИИ лъжат, че общото Ал е още десетилетия далеч, което изисква дългосрочни, продължителни изследователски усилия, за да се постигне Въпреки това, групите и мрежи от AI системи могат да бъдат координирани или автономно съвместни задачи, които не са възможни с една единствена AI система, и могат да ръководят екипа Разработването и използването на значителни изследователски предизвикателства при планирането, координацията, контрола и мащабируемостта на такива системи, Техники за планиране за мулти-AI системи трябва да бъде достатъчно бърз, за да работи и да се адаптира
времето Те трябва да се адаптират във флуид, използван на централизирана равнина и технология за координация, тези подходи са обект на единични точки на неуспех, като загуба на плановик или загуба на алгоритмична комуникация, и често са по-малко ефективни и непълни, но потенциално предлагат по-голяма устойчивост на единични точки на повреда Бъдещите изследвания трябва да открият по-ефективни, стабилни и мащабируеми техники за планиране, контрол и сътрудничество на екипи от множество AI системи и хора. Постигането на човекоподобен AI изисква системи да обясняват себе си по начини, които хората могат да разберат това ще доведе до генериране на интелигентни системи, като интелигентни системи за обучение и интелигентни асистенти, които са ефективни в подпомагането на хората при изпълнение на задачите им. Съществува обаче значителна празнина между начина, по който сегашните алгоритми работят и как учат и изпълняват задачи
Хората могат да се учат само от няколко примера, или чрез получаване на формални инструкции и/или „намеци“ за изпълнение на задачи, или като наблюдават други хора, изпълняващи тези задачи. Медицинските училища възприемат този подход, например когато студенти по медицина учат, като наблюдават установен лекар, изпълняващ сложна медицинска процедура Дори при задачи с по-висока производителност, като световно първенство Go игри, играч на майсторско ниво би имал игри, за да тренира себе си. Alpha Go Повече основополагащо изследване на нови подходи за постигане на човекоподобен Al ще доближи тези системи Значителен напредък в роботизираните технологии през последното десетилетие води до потенциални въздействия в множество приложения, включително производство, логистика, медицина, защита на здравеопазването и национална сигурност , селско стопанство и потребителски продукти Докато роботите исторически са били статични промишлени роботи и хора, роботизираните технологии сега показват обещание в способността си да
lent enhВъпреки това, учените трябва да направят тези роботизирани системи по-способни, надеждни и лесни за използване, трябва да разбират по-добре роботизираното възприятие, за да извличат информация от различни сензори, за да предоставят на роботите ситуационна осведоменост в реално време. Необходим е напредък в познание и разсъждение, за да позволи на роботите да разбират по-добре и да взаимодействат с физическия свят, подобрената способност за адаптиране и учене ще позволи на роботите да обобщават уменията си, да извършват самооценка на текущото си представяне и да научават репертоар от физически движения от човешки учители Мобилност и манипулациите са области за по-нататъшно изследване, така че роботите да могат да преминават през неравен и несигурен терен и да боравят сръчно с различни предмети
robotseed, за да се научите да се обединявате в безпроблемна мода и да си сътрудничите с хората по начин, който е надежден и предсказуем, правилността на целите, тези цели ограничават тези действия и други фактори, както и лесно да се адаптират към промени в целите В Освен това, аспекти на техните текущи за обобщаване на тези аспекти на hAI системите за разработване на система Докато голяма част от предишния фокус на AI изследванията бяха върху алгоритми, therrorle perfowork е необходим за разработване на системни човешки способности в много области Изследвания за човешко увеличаване, включително SNMS, които работят на стационарен устройство (като компютър); устройства за носене (като интелигентни устройства (като мозъчни интерфейси); и в специфични потребителски среди (като напр.
За редактора Майкъл Ербшло е работил повече от 30 години, извършвайки анализи на икономиката на информационните технологии, публичната политика, свързана с технологиите, и използването на технологиите в процесите на реинженеринг на организацията Той е автор на няколко книги по социални и управленски въпроси на информацията технология, публикувана от Mc Graw Hill и други големи издатели
Той също така е преподавал в няколко университета и е разработил учебна програма, свързана с технологиите. Кариерата му е фокусирана върху няколко взаимосвързани области. Технологична стратегия, анализ и прогнозиране. Преподаване и курс. Разработване. Писане на книги и статии. Публикуване и редактиране. Анализи на обществената политика и оценка на програми. Всички (Auerbach Publications) Преграждане на вътрешните лица: Контролиране на достъпа за подобряване на организационната сигурност (Auerbach PublicPhysical Security за IT (Elsevier Science) Троянски коне, червеи и шпионски софтуер (Butterworth-Heinemann) Внедряване на вътрешната сигурност в корпоративни ИТ (Digit al Press) Ръководство за Възстановяване след бедствие (Технология на курса Социално отговорен ИТ мениджмънт Дигитална преса) Информационна война: Как да оцелеем при кибер атаки (Ръководство за управление на поверителността на Mc Graw Hill) (Mc Graw HillNet Privacy: A Guide to Developing Implementing an e-bus iness Privacy Pl (Mc Graw) Хълм)
въведение Изкуственият интелект (Al) е трансформираща технология, която притежава държавна и икономическа полза и има потенциала да революционизира начина, по който се учи, икономическия просперитет, подобрените възможности за образование и качеството на живот, както и подобряването на сигурността и сигурността на родната земя поради тези потенциални ползи, правителството на САЩ е инвестирало във всички изследвания много години
И все пак, както при всяка значима технология, към която федералното правителство има интерес, няма огромни възможности, а съображения, които трябва да бъдат взети под внимание при насочването на цялостната посока на федерално финансирани научноизследователски и развойни дейности през 1956 г., изследователи в компютърните науки от в Съединените щати се срещнаха в DartmouthCollege в Ню Хемпшир, за да обсъдят основополагащи идеи за нововъзникващ клон на компютрите, наречен изкуствен. Те си представиха свят, в който "машините използват език и концепции, решават видовете проблеми, които сега са запазени за хората, и се подобряват" Тази историческа среща сцената за десетилетия на правителствени и индустриални изследвания в Ал, включително напредъка в областта на възприятието, автоматизираното разсъждение/планиране, когнитивните системи, машинното обучение, обработката на естествен език, роботиката и свързаните с тях области. Днес тези научни постижения доведоха до нови сектори на икономиката, които оказват влияние върху ежедневието ни от технологии за картографиране до гласово подпомагано разпознаване на интелигентен почерк за злонамереност, до финансова търговия, o span more Al vances също така предоставя големи ползи за нашето социално благополучие в области като устойчивост, образование и обществено благосъстояние Повишената известност на подходите на AI през последните 25 години беше подсилено в голяма част от вероятностните методи, наличието на големи количества данни и увеличената мощност на компютърна обработка През последното десетилетие, AI подполето на машинното обучение, което позволява на компютрите да се учат от опит или примери, демонстрира все по-точни резултати, предизвиквайки много вълнение относно краткосрочните перспективи на Al. Докато наскоро беше обърнато внимание на значението на статистическите подходи като дълбоки
обучение, въздействаща ал адхактичност на теорията за контрол на управлението, когнитивни системни архитектури, техники за търсене и оптимизация и манта. Последните постижения на всички създадоха важни въпроси относно крайната посока и последици от тези технологии: Какви са важните и технологични пропуски в съвременни AI технологии? Какви нови постижения на Al ще осигурят положително, необходимо икономическо и обществено въздействие? Как Ал-технологиите могат да продължат да се използват безопасно и ползотворно? Как да бъде проектиран така, че да съответства на етичните, правните и обществените принципи? последиците от този напредък за работната сила на НИРД? Пейзажът за НИРД става все по-сложен, докато миналото и настоящето също са били в промишлености и организации с печалба
Този инвестиционен пейзаж повдига сериозни въпроси относно подходящата роля на федералните инвестиции в AL, особено по отношение на области и времеви рамки, в които е малко вероятно индустрията да инвестира? Има ли възможности за промишлено и международно научноизследователско и развойно сътрудничество, което издига напред приоритетите на САЩ, докато новата администрация следва този подход или оглушава стратегията поради страх от факти, наука и противоположни мнения?
Относно националния научен технологичен съвет Националният и технологичен съвет (NS TC) е основното средство, чрез което изпълнителният клон координира научната и технологичната политика в различните субекти, които съставляват Федералното предприятие за развитие (R&D) One от основните инвестиции на NSTC. NSTC подготвя пакети за научноизследователска и развойна дейност, насочени към постигане на множество национални цели. Работата на NSTC е организирана в пет комитета: околна среда, природни ресурси и устойчивост: родна земя и национална сигурност: наука, технологии, инженерство и математика (основна образование и технологии Всеки от тези комитети ръководи подкомитети и работни групи, които са фокусирани върху различни аспекти на науката и технологиите. Повече информация е достъпна на wwwhitehousegov/ostp/nstc
Относно политиката на Службата за наука и технологии Службата за политика за наука и технологии (OSTP) е създадена от Националния закон за науката и технологиите и PrioAct от 1976 г. The misfaSTthreefold; първо, да предостави на президента и неговия старши персонал точни, уместни и навременни данни. и трето, за да се гарантира, че научната и техническата работа на изпълнителния клон е правилно координирана, така че да се осигури greahe директорът на ostp също така служи като помощник на президента за наука и технологии и управлява nstc повече информация е достъпна на За подкомитета в netwand Изследвания и развитие на информационните технологии Подкомитетът за изследване и развитие на мрежите и информационните технологии (NITRD) е орган към Комитета по технологии (CoT) на Националния съвет по научна технология (NSTC) Подкомитетът на NITRD координира програми за изследване и развитие на различни агенции, за да помогне гарантираме продължаващото ни лидерство в мрежите и информацията
технология, задоволяване на нуждите на федералното правителство от усъвършенствани мрежи и d ускоряване на развитието и заемането на информационни технологии Той също така прилага съответните разпоредби на Закона за високопроизводителни компютри от 1991 г. (P L 102-194), изменен от Следващо поколение Интернет изследвания Excellence в технологиите, образованието и науката (COMPETES) Закон от 2007 г. (P L 110-69)
За(линк:https:/wwwnitrdgpveww/naionalairdstrategicplamaspx
Национален стратегически план за изкуствени изследвания и развитие Подкомитет за машинно обучение и изкуствен интелект, за да помогне за координиране на федералната дейност в Ал. Този подкомитет на 15 юни 2016 г. нареди на подкомитета за изследване и развитие на мрежите и информационните технологии (NITRD) да създаде Национален изкуствен интелект Стратегически план за изследвания и развитие на ialIntelligence След това беше сформирана работна група на NTRD за изкуствен интелект, за да определи федералните стратегически приоритети за Al R&D, с особено внимание върху области, които индустрията е малко вероятно да разгледа Федерално финансираните Al изследвания, като и двете изследвания се извършват в рамките на правителството както и федерално финансирани изследвания, които се провеждат извън правителството, като например в академичните среди. Крайната цел на това изследване е да се създадат нови научни знания и технологии, които осигуряват много положителни ползи за обществото, като същевременно минимизират отрицателните въздействия
За постигане на тази цел, този стратегически план за AlR&d идентифицира следните приоритети за федерално финансирани изследвания на Al Стратегия 1: Направете дългосрочни инвестиции в изследвания на Al Дайте приоритет на инвестициите в следващото поколение Al, което ще доведе до дискотека и прозрение и да позволи на Съединените щати да останат световен лидер в AlStrategy 2: Разработване на ефективни методи за човешко Al сътрудничество Вместо replachumans, повечето AI системи ще си сътрудничат с hResearch са необходими за създаване на ефективни взаимодействия между хората и al systemStrategy 3: Разберете и адресирайте етичните, правни и обществени последици от Al Ние очакваме Ал технологиите да се държат в съответствие с формалните и неформални норми, към които държим нашите събратя Необходими са изследвания, за да се разберат етичните, правни и социални последици oAL и да се разработят методи за проектиране на AI системи които са в съответствие с етичните, законови и социални Стратегия 4: Гарантиране на безопасността и сигурността на Al системите Преди AI системите да бъдат широко разпространени, е необходима увереност, че системите ще работят безопасно и сигурно, в контролиран, ние
дефиниран и добре разбран maFurthh е необходим за справяне с предизвикателството за създаване на Al системи, които са надеждни, надеждни и tr. значително засяга отговорния достъп до висококачествени набори от данни, както и до ресурси за тестване и обучение Стратегия 6: Измерване и оценка на Al технологиите чрез стандарти и еталонни показатели, които ръководят и Национален стратегически план за изследване и развитие на изкуствения интелект оценява напредъка в Al Необходими са допълнителни изследвания за разработване на широк спектър от техники за оценка за оценка на напредъка в Al Необходими са допълнителни изследвания, за да се разработи в чужбина спектър от техники за оценка Стратегия 7: По-добро разбиране на националните нужди от работна сила за R&D Напредъкът в Al изисква силни комуникационни изисквания към работна сила в AI. за да се гарантира, че са налице достатъчно експерти по Al за справяне със стратегическите области за научноизследователска и развойна дейност, очертани в този план. Стратегическият план за ai r&d завършва с две препоръки. Препоръка 1: Разработете рамка за изпълнение на AIR&d, за да идентифицирате s&pвъзможности и поддържа ефективна координация на инвестициите в научноизследователска и развойна дейност, последователни wСтратегии 1-6 от този план
Препоръка 2: Проучете националния пейзаж за създаване и поддържане на здрава ALR&d работна сила, минус е Стратегия 7 на този план Този план прави няколко предположения за бъдещето на Al, първо, предполага, че ATechnologies ще продължи да расте в изтънченост и повсеместност, благодарение на Al R&D инвестиции от страна на правителството и този план предполага, че ent, educateddwell като въздействие върху икономическия растеж на САЩ Трето, той предполага, че инвестициите в индустрията в Al ще продължат да растат, тъй като последните търговски успехи са увеличили възприеманата възвръщаемост на
Изследователска и развойна дейност По това време този план предполага, че проблемът с недостатъчното инвестиране в изследванията, свързан с обществените блага. На последно място, този план предполага, че търсенето на Al експертиза ще се опита, академичното правителство, ще доведе до желан резултат. Този стратегически план за научноизследователска и развойна дейност гледа отвъд краткосрочен план Al възможности към по-дългосрочни пактове на AIcty и света Скорошна реклама vanAI значителен оптимизъм относно потенциала за Al, водещ до силен растеж на индустрията, aialization на подходи Al
Въпреки това, въпреки че федералното правителство може да увеличи инвестициите в Al, много области на приложение и дългосрочни изследователски предизвикателства няма да Федералното правителство е основният източник на финансиране за дългосрочни, високорискови изследователски инициативи, както и за краткосрочно развитие умствена работа за постигане на специфични за отдел или агенция изисквания за справяне с важни обществени проблеми, които частната индустрия не преследва Федералното правителство следователно трябва да наблегне на всички инвестиции в области със силно обществено значение, които не са насочени към потребителските пазари – области като AI за обществеността здравеопазване, градски системи и интелигентни общности, социално благосъстояние, наказателно правосъдие, устойчивост на околната среда и национална сигурност, както и дългосрочни изследвания, които ускоряват производството на всички знания и технологии. Координираните усилия за научноизследователска и развойна дейност в Ал във федералното правителство ще увеличаване на положителното въздействие на тези технологии, познати за справяне с политическите предизвикателства, свързани с използването на Al Координираният подход освен това ще помогне на Съединените щати да се възползват от пълния потенциал на Al технологиите за подобряване на работата на обществото, която може да се използва за идентифициране на научни и технологични пропуски в AI и проследяване на федералните инвестиции в R&D, които са проектирани