SisällysluetteloOsionNumeroTietoja toimittajasta JohdantoKansallinen tekoälyn tutkimus- ja kehityssuunnitelma Tekoälyn tulevaisuuteen valmistautuminen Tekoäly, automaatio ja talouslyhenteet
täytä nämä aukot Al-t&d-strategiasuunnitelmassa määritellään strategiat Al:n lyhyen ja pitkän aikavälin tuelle, jotka vastaavat tärkeisiin teknisiin ja yhteiskunnallisiin haasteisiin. Yksittäinen Federalnstead, se asettaa toimeenpanevalle elimelle tavoitteet, sen mukaan mitkä virastot voivat toteuttaa tavoitteita ja budjetteja, jotta tutkimusportfolio on yhdenmukainen Al T&K-strategian kanssa. Se voi lisätä taloudellista vaurautta ottamalla käyttöön uusia tuotteita ja palveluita, jotka voivat luoda uusia markkinoilla ja parantaa olemassa olevien tavaroiden ja palveluiden laatua ja tehokkuutta useilla toimialoilla, mukaan lukien: valmistus, logistiikka, rahoitus, kuljetus, maatalousmarkkinointi, viestintä sekä tiede ja teknologia
Al voi myös parantaa koulutusmahdollisuuksia ja olemista ja parantaa kansallista ja kotimaan turvallisuutta Al-tutkimus on edennyt alusta alkaen kolmella teknologia-aaltoalueella. toimialueet, joissa tietämys kerättiin ihmisasiantuntijalta, ilmaistiin "jos-niin"-säännöissä ja toteutettiin sitten laitteistossa. Tällaisia järjestelmiä mahdollistavia perusteita sovellettiin onnistuneesti kapeasti määriteltyihin ongelmiin, mutta sillä ei ollut kykyä oppia tai selvitä epävarmuudesta Siitä huolimatta ne johtivat edelleen tärkeisiin ratkaisuihin ja edelleen aktiivisesti käytössä oleviin kehitystekniikoihin. Al-tutkimuksen toiselle aallolle 2000-luvulta nykypäivään on ominaista huomattavasti suurempien digitaalisten daive-määrien kyvyttömyyden nousu massiivisesti rinnakkaisiin laskentaominaisuuksiin, ja parannettu oppimistekniikka on tuonut merkittäviä edistysaskeleita Al:ssa, kun sovellus valehteli tehtäviin, kuten kuvien tunnistamiseen, puheen ymmärtämiseen ja ihmisten kielen kääntämiseen. Näiden edistysten hedelmät ovat kaikkialla: älypuhelimet suorittavat puheentunnistuksen, pankkiautomaatit suorittavat käsintunnistuksen kirjallisissa tarkistuksissa, sähköpostisovellukset suorittavat roskapostin suodatuksen, ja ilmaiset verkkopalvelut
DAL-järjestelmien kehitys on nyt säännöllisesti parempi kuin ihmiset erikoistehtävissä. Tärkeimmät askeleet ylittivät ihmisen suorituskyvyn, mukaan lukien: shakki (1997), trivia (2011), Atari-pelit (2013) maagin tunnistus (2015), puheentunnistus (2015) , ja Go(2016) Tällaisten virstanpylväiden vauhti näyttää nousevan, samoin kuin aste, jossa parhaiten suoriutuvat järjestelmät perustuvat koneoppimismenetelmiin käsin koodattujen sääntöjen sijaan. vahva perusta tutkimukselle
Tiedeverkkojen lukumäärä - hakemisto artikkeleiden laatiminen"deep learningld Trendit paljastavat myös tutkimuksen yhä globaalimman luonteen, kun Yhdysvallat ei ole enää maailman johtava julkaisumäärissä tai jopa julkaisut saavat ainakin yhden viittauksen, jossa on selitys ja korjausrajapinta, selventää perus- ja luotettavuustulosteita, toimia korkeatasoisilla ominaisuuksilla, jotka voivat yleistää laajemmille tehtäväalueille. Jos insinöörit onnistuvat, he voivat luoda luonnollista kommunikaatiota ihmisten kanssa, oppia ja järkeillä kohtaaessaan uusia tehtäviä ja tilanteita yleistämällä frorsystems voidaan rakentaa automaattisesti kehittyneillä menetelmillä. Nämä mallit voivat mahdollistaa nopean oppimisen tekoälyjärjestelmissä. Ne voivat tarjota "merkityksen" tai "epätietoisuuden" Al-järjestelmälle, mikä voisi sitten mahdollistaa sen, että Al-järjestelmät voivat saavuttaa yleisempiä ominaisuuksia.
Tässä ilmailualan t&d-strategiasuunnitelmassa ei todennäköisesti keskitytä niihin alueisiin, jotka todennäköisimmin hyötyvät liittovaltion investoinneista. Nämä prioriteetit kattavat kaikki, jotta ne sisältävät tarpeet, jotka ovat yhteisiä Al:n havainto-, automatisoidun päättelyn/ suunnittelu, kognitiiviset järjestelmät, koneoppiminen, koko kenttä, sen sijaan että keskitytään vain yksittäisiin tutkimushaasteisiin jokaiselle alaalueelle. Suunnitelman toteuttamiseksi tulisi kehittää yksityiskohtaisia tiekarttoja, jotka korjaavat suunnitelman mukaisia valmiuksien puutteitaYksi tärkeimmistä liittovaltion tutkimuksista Strategiassa l määritellyt painopisteet on tarkoitettu jatkuvalle pitkän aikavälin tutkimukselle AI:n toiminnan edistämiseksi diskoa ja näkemystä monista u:n investoinneista.
Liittovaltion hallitus riskialttiissa, korkean tason teknologian perusedistyksissä, joista olemme nykyään riippuvaisia, mukaan lukien Internet, GPS, smchrecognition, sykemittarit, aurinkopaneelit, kehittyneet akut, syöpähoidot ja paljon muuta Lupaus Al koskettaa lähes kaikkia yhteiskunnan osa-alueita ja sillä on potentiaalisesti merkittäviä positiivisia yhteiskunnallisia ja taloudellisia etuja. Näin ollen säilyttääkseen maailman johtavan aseman tällä alueella Yhdysvaltojen on keskitettävä sijoituksensa ensisijaiseen perustutkimukseen ja pidempiin tutkimushaasteisiin, joilla pyritään parhaiten luomaan tekoäly. järjestelmät, jotka toimivat ihmisten kanssa intuitiivisesti ja hyödyllisin tavoin. Ihmisten ja tekoälyjärjestelmien väliset seinät alkavat pikkuhiljaa murentua, ja tekoälyjärjestelmien tehokkaat menetelmät ihmisen vuorovaikutukseen ja yhteistyöhön, kuten Strategiassa 2 hahmoteltiin tekoälyn edistämisessä, tarjoavat monia myönteisiä etuja yhteiskunnalle ja Yhdysvaltain kilpailun lisääntyminen8 Kuitenkin, kuten useimpien transformatiivisten teknologioiden kohdalla, Al esittelee turvallisuuden, eettisen ja leAI:n tiede- ja teknologiakehitystä, liittovaltion on myös investoitava tutkimukseen
ymmärrä, mitä vaikutus tekoälyyn kaikilla näillä aloilla ja strategiassa hahmoteltuihin lisäyksiin. Nykyisen Al-teknologian kriittinen aukko on menetelmien puute tekoälyjärjestelmien turvallisuuden ja ennustettavan suorituskyvyn varmistamiseksi. Tekoälyjärjestelmien turvallisuuden varmistaminen on haaste, koska unus Näiden järjestelmien monimutkaisuus ja kehittyvä luonne Useat tutkimuksen painopisteet käsittelevät tätä turvallisuushaastetta
Ensinnäkin strategia 4 korostaa tarvetta selkeisiin ja läpinäkyviin järjestelmiin, joihin käyttäjät luottavat, jotka toimivat käyttäjien hyväksymällä tavalla ja joiden voidaan taata toimivan käyttäjän tarkoittamalla tavalla. Tekoälyjärjestelmien mahdolliset ominaisuudet ja monimutkaisuus yhdistettynä ihmiskäyttäjien ja ympäristön mahdollisuuksien ansiosta on erittäin tärkeää investoida sellaisiin tietoihin, jotka lisäävät al-teknologioiden turvallisuutta ja hallintaa. Strategia 5 kehottaa Federaharedin julkisia tietojoukkoja al trnd-testaajille noudattamaan Al-tutkimuksen edistymistä ja mahdollistamaan tehokkaamman vaihtoehtoisten ratkaisupuutteiden vertailu ja innovatiivisten ratkaisujen luominen tiettyihin ongelmiin ja haasteisiin Standardit ja vertailuarvot ovat välttämättömiä tekoälyjärjestelmien mittaamisessa ja arvioinnissa ja sen varmistamisessa, että alteknologiat täyttävät kriittiset toiminnallisuuden ja yhteentoimivuuden tavoitteet. Lopulta kaikkien tekniikoiden kasvava yleisyys kaikilla yhteiskunnan sektoreilla luo uudet paineet Al R&Desyvä ymmärrys teknologiasta, joka voi luoda uusia ideoita alan rajojen tuntemuksen edistämiseksi Kansakunnan tulisi ryhtyä toimiin varmistaakseen riittävän pätevien kykyjen joukon. Strategia 7 käsittelee tätä haastetta, kun taas äärimmäiset Al-algoritmit on ratkaistava avoimia haasteita ihmisen kaltaisten ratkaisujen kanssa, meillä ei ole hyvää käsitystä siitä, mitä teoreettisia kykyjä ja
Ai:lle ja missä määrin tällaiset ihmisen kaltaiset ratkaisut ovat Al-algoritmeja. Teoreettista työtä tarvitaan ymmärtääksemme paremmin, miksi Al-tekniikat - erityisesti koneoppiminen - toimivat usein hyvin käytännössä, kun taas eri levy-ip-linjoilla (mukaan lukien matematiikka, ohjaustieteet ja tietojenkäsittelytiede) )tutkiessaan tätä asiaa alalta puuttuu tällä hetkellä yhtenäisiä teoreettisia malleja tai viitekehystä Al-järjestelmän suorituskyvyn ymmärtämiseksi. Lisätutkimusta tarvitaan laskennallisesta ratkotavuudesta, mikä on ymmärrystä ongelmaluokista, joita ratkaistaan, ja samoin niistä, joita he eivät pysty ratkaisemaan. Tätä ymmärrystä on kehitettävä olemassa olevista laitteistoista, jotta nähdään, kuinka laitteisto vaikuttaa näiden algoritmien suorituskykyyn. Sen ymmärtäminen, mitkä ongelmat ovat teoriassa ratkaisemattomia, voi saada tutkijat kehittämään likimääräisiä ratkaisuja näihin ongelmiin tai jopa avaamaan uusia tutkimuslinjoja uusista laitteistoista tekoälyjärjestelmille.
Esimerkiksi kun keinotekoisia hermoverkkoja (ANNS) keksittiin 1960-luvulla, sitä voitiin käyttää vain hyvin yksinkertaisten ongelmien ratkaisemiseen. ANN:iden käyttäminen monimutkaisten ongelmien ratkaisemiseen tuli mahdolliseksi vasta sen jälkeen, kun laitteistoon tehtiin parannuksia, kuten rinnastus ja algoritmeja säädettiin uuden laitteiston käyttö Sellainen kehitys oli keskeisiä tekijöitä, jotka mahdollistavat nykypäivän merkittävät edistysaskeleet syväoppimisessa.Yleinen on ollut tutkijoiden kunnianhimo kaikkien järjestelmien käyttöönotosta lähtien, mutta nykyinen järjestelmä on kaukana tämän tavoitteen saavuttamisesta. Suppean ja yleisen Al:n suhdetta tutkitaan parhaillaan; On mahdollista, että yhdestä saatuja kokemuksia voidaan soveltaa parantamaan toista ja päinvastoin Vaikka yleistä yksimielisyyttä ei ole, useimmat tekoälytutkijat valehtelevat, että yleinen Al on vuosikymmenien päässä, mikä vaatii pitkäaikaista, jatkuvaa tutkimustyötä saavuttaakseen kuitenkin ryhmät. ja tekoälyjärjestelmien verkostot voivat olla koordinoituja tai itsenäisesti yhteistoiminnallisia tehtäviä, jotka eivät ole mahdollisia yhden tekoälyjärjestelmän kanssa, ja voivat johtaa tiimiä. Tällaisten järjestelmien suunnittelussa, koordinoinnissa, ohjauksessa ja skaalautumisessa merkittävien tutkimushaasteiden kehittäminen ja käyttö, Suunnittelutekniikat useille tekoälyjärjestelmille on oltava riittävän nopea toimiakseen ja mukautuakseen
aikatont Niiden tulisi sopeutua keskitettyyn koordinointitekniikkaan perustuvassa juoksussa, mutta nämä lähestymistavat ovat alttiina yksittäisille epäonnistumisille, kuten suunnittelijan menettämiselle tai kommunikaationalgoritmisen menettämiselle, ja ne ovat usein vähemmän tehokkaita ja epätäydellisiä, mutta mahdollisesti tarjota suuremman kestävyyden yksittäisille epäonnistumisille Tulevaisuuden tutkimuksen on löydettävä tehokkaampia, vankempi ja skaalautuva tekniikoita useiden tekoälyjärjestelmien ja ihmisten tiimien suunnitteluun, ohjaukseen ja yhteistyöhön. Ihmisen kaltainen tekoäly edellyttää järjestelmiä, jotka selittävät itsensä ihmisten ymmärtämällä tavalla. Tämän seurauksena syntyy älykkäitä järjestelmiä, kuten älykkäitä opetusjärjestelmiä ja älykkäitä avustajia, jotka auttavat tehokkaasti ihmisiä heidän tehtäviensä suorittamisessa. Nykyisten algoritmien toiminnassa ja ulvomisessa oppimisen ja tehtävien suorittamisen välillä on kuitenkin merkittävä aukko.
Ihmiset ovat valmiita oppimaan muutamista esimerkeistä tai vastaanottamalla virallisia ohjeita ja/tai "vihjeitä" tehtävien suorittamiseen tai tarkkailemalla muita ihmisiä suorittamassa näitä tehtäviä Lääketieteen koulut omaksuvat tämän lähestymistavan esimerkiksi silloin, kun lääketieteen opiskelijat oppivat tarkkailemalla vakiintunutta lääkäri suorittaa monimutkaisia lääketieteellisiä toimenpiteitä Jopa korkean suorituskyvyn tehtävissä, kuten maailmanmestaruuskilpailuissa Go-peleissä, mestaritason pelaajalla olisi pelejä kouluttaakseen itsensä. Alpha Go Lisää perustavaa laatua olevaa tutkimusta uusista lähestymistavoista ihmisen kaltaisen AL:n saavuttamiseksi lähentäisi näitä järjestelmiä. Robottitekniikan viime vuosikymmenen aikana saavutetut merkittävät edistysaskeleet ovat johtaneet mahdollisiin vaikutuksiin monissa sovelluksissa, mukaan lukien valmistus, logistiikka, lääketiede, terveydenhuolto ja kansallinen turvallisuus. , maatalous ja kuluttajatuotteet Vaikka robotit olivat historiallisesti kuviteltavissa staattisista teollisuusroboteista ja ihmisistä Robotiikkateknologiat näyttävät nyt lupaavilta kyvyistään
lento enhTieteilijoiden on kuitenkin tehtävä näistä robottijärjestelmistä tehokkaampia, luotettavampia ja helppokäyttöisempiä, jotta käyttäjien on ymmärrettävä paremmin robottien käsitys, jotta he voivat poimia tietoa eri antureista tarjotakseen roboteille reaaliaikaisen tilannetietoisuuden. kognitio ja päättely, jotta robotit voivat ymmärtää paremmin fyysistä maailmaa ja olla vuorovaikutuksessa sen kanssa. Todistettu kyky sopeutua ja oppia mahdollistaa sen, että robotit voivat yleistää taitojaan, arvioida nykyistä suorituskykyään ja oppia fyysisiä liikkeitä ihmisopettajilta. manipulointi on alueita lisätutkimukselle, jotta robotit voivat liikkua karussa ja epävarmassa maastossa ja käsitellä erilaisia esineitä taitavasti
Robotseed oppia ryhmittymään yhteen saumattomaan muotiin ja tekemään yhteistyötä ihmisten kanssa tavalla, joka on luotettava ja ennustettavissa oleva tavoite, koska nämä tavoitteet rajoittavat toimia ja muita tekijöitä, sekä mukautuvat helposti tavoitteiden muutoksiin. lisäksi, niiden osa-alueita käytetään yleistämään nämä HAI-järjestelmien puolet järjestelmän kehittämiseksi.Vaikka suuri osa tekoälytutkimuksesta on keskittynyt algoritmeihin, tarvitaan tehosteita järjestelmän inhimillisten kykyjen kehittämiseksi monilla aloilla. laite (kuten tietokone); puettavat laitteet (kuten älykkäät laitteet (kuten aivorajapinnat) ja tietyissä käyttöympäristöissä (esim.
Tietoja toimittajastaMichael Erbschloe on työskennellyt yli 30 vuotta analysoiden informaatioteknologian taloustieteitä, teknologiaan liittyvää julkista politiikkaa ja teknologian hyödyntämistä organisaatioprosessien uudelleensuunnittelussa. Hän on kirjoittanut useita kirjoja tiedon sosiaalisista ja johtamiskysymyksistä Mc Graw Hillin ja muiden suurten julkaisijoiden julkaisema teknologia
Hän on myös opettanut useissa yliopistoissa ja kehittänyt teknologiaan liittyviä opetussuunnitelmia. Hänen uransa on keskittynyt useisiin toisiinsa liittyviin alueisiin. Kaikki (Auerbach-julkaisut) Sisäpiiriläisten karkottaminen: Pääsyn hallinta parantaa organisaation turvallisuutta (Auerbachin julkinen fyysinen tietoturva IT:lle (Elsevier Science) troijalaisille, madoille ja vakoiluohjelmille (Butterworth-Heinemann) Kotimaan turvallisuuden toteuttaminen yrityksen IT:ssä (Digit al Press) Opas Katastrofipalautus (kurssitekniikkaYhteiskuntavastuullinen IT-hallinta Digitaalinen lehdistö) Tietosota: Kyberhyökkäyksistä selviytyminen (Mc Graw Hill) Tietosuojanhallintaopas (Mc Graw HillNet Privacy: Opas sähköisen väylän käyttöönoton kehittämiseen Privacy Pl (Mc Graw) Hill)
johdantoTekoäly (Al) on mullistava teknologia, jolla on potentiaalia muuttaa viikkoja, oppia taloudellista hyvinvointia, parantaa koulutusmahdollisuuksia ja elämänlaatua sekä parantaa kotimaan turvallisuutta. nämä mahdolliset hyödyt, Yhdysvaltain hallitus on investoinut kaikkiin tutkimukseen vuosiin
Kuitenkin, kuten missä tahansa merkittävässä tekniikassa, josta liittovaltion hallitus on kiinnostunut, ei ole suuria mahdollisuuksia, vaan seikkoja, jotka on otettava huomioon ohjattaessa liittovaltion rahoittaman tutkimuksen yleistä suuntaa vuonna 1956, tietojenkäsittelytieteen tutkijat eri puolilla Yhdysvaltoja tapasivat DartmouthCollegessa New Hampshiressa keskustellakseen pohjimmiltaan syntyvistä ideoista tietotekniikan nousevasta haarasta, nimeltään artific. He kuvittelivat maailman, jossa "koneet käyttävät kieltä ja käsitteitä, ratkaisevat sellaisia ongelmia, jotka on nyt varattu ihmisille, ja parantavat itseään" Tämä historiallinen tapaamiskokonaisuus vuosikymmeniä jatkunut hallituksen ja teollisuuden tutkimus Al:sta, mukaan lukien edistysaskeleet havainnoissa, automatisoidussa päättelyssä/suunnittelussa, kognitiivisissa järjestelmissä, koneoppimisessa, luonnollisen kielen prosessoinnissa, robotiikassa ja vastaavissa aloissa. Nykyään nämä tutkimuksen edistysaskeleet ovat johtaneet uusiin talouden sektoreihin, vaikuttavat jokapäiväiseen elämäämme kartoitustekniikoista puheavusteiseen älykkään käsinkirjoituksen tunnistukseen väärinkäytösten varalta, rahoituskauppaan. Al-edustukset tuovat myös suuria etuja sosiaaliselle hyvinvoinnillemme sellaisilla aloilla kuin kestävä kehitys, koulutus ja yleinen hyvinvointi. Viimeisten 25 vuoden aikana on tehostettu suuria todennäköisyyslaskentamenetelmiä, suurten tietomäärien saatavuutta ja lisääntynyttä tietokoneen prosessointitehoa Viime vuosikymmenen aikana koneoppimisen tekoäly-alakenttä, jonka avulla tietokoneet voivat oppia kokemuksista tai esimerkeistä, on osoittanut yhä tarkempia tuloksia, mikä herättää paljon jännitystä Alkun lähiajan näkymistä. Viime aikoina on kuitenkin kiinnitetty huomiota tilastollisten lähestymistapojen, kuten syvällisten, merkitykseen.
Oppiva, vaikuttava Al-adhacty of otcontrol teoria, kognitiivisten järjestelmien arkkitehtuurit, haku- ja optimointitekniikat ja ihmisten viimeaikaiset saavutukset ovat herättäneet tärkeitä kysymyksiä näiden teknologioiden lopullisesta suunnasta ja vaikutuksista: Mitkä ovat tärkeät ja teknologiset puutteet nykyiset AI-tekniikat? Mitkä uudet Al:n edistysaskeleet antaisivat myönteisiä, tarpeellisia taloudellisia ja yhteiskunnallisia vaikutuksia? Kuinka Al-teknologioiden käyttöä voidaan jatkaa turvallisesti ja hyödyllisesti? Miten se on suunniteltu eettisten, oikeudellisten ja yhteiskunnallisten periaatteiden mukaiseksi? tämän kehityksen vaikutukset Al-t&d-työvoimalle? Ilmailualan t&d-maailmasta tulee yhä monimutkaisempi. Menneisyydessä ja nykyisyydessä on myös teollisuudenaloja ja voittoa tuottavia organisaatioita
Tämä investointiympäristö herättää suuria kysymyksiä liittovaltion sijoitusten asianmukaisesta roolista AL:ssa, erityisesti mitä tulee alueisiin ja aikarajoihin, joihin teollisuus ei todennäköisesti investoi? Onko mahdollisuuksia teolliseen ja kansainväliseen tutkimus- ja kehitysyhteistyöhön, joka edistää Yhdysvaltojen prioriteetteja, mutta uusi hallinto noudattaa tätä lähestymistapaa tai tyhmyttää strategiaa tosiasioiden, tieteen ja vastakkaisten mielipiteiden pelon vuoksi?
Tietoja kansallisesta tiedeneuvostosta Teknologianeuvosto Nationalance and Technology Council (NS TC) on pääasiallinen keino, jolla Executive Branch koordinoi tiede- ja teknologiapolitiikkaa federaation ja kehitys- (T&D) Enterprise One -yhtymän muodostavien eri yksiköiden välillä. NSTC:n ensisijaisista investoinneista nstc valmistelee tutkimus- ja kehityspaketteja, joilla pyritään saavuttamaan useita kansallisia tavoitteita. NSTC:n työ on organisoitu viiden komitean alle: ympäristö, luonnonvarat ja kestävä kehitys: kotimaa ja kansallinen turvallisuus: tiede, teknologia, tekniikka ja matematiikka (varsi) koulutus;ja teknologia Kukin näistä komiteoista valvoo alakomiteoita ja työryhmiä, jotka keskittyvät tieteen ja teknologian eri osa-alueisiin. Lisätietoa on saatavilla osoitteessa wwwwhitehousegov/ostp/nstc
Tietoja tiede- ja teknologiapolitiikan virastosta Tiede- ja teknologiapolitiikan virasto (OSTP) perustettiin National Science and Techition -säädöksellä ja PrioActilla vuonna 1976 The misfaSTthreefold; Ensinnäkin toimittaa presidentille ja hänen ylemmälle henkilökunnalleen tarkat, asiaankuuluvat ja oikea-aikaiset tiedot. ja kolmanneksi varmistaa, että toimeenpanevan elimen tieteellinen ja tekninen työ on asianmukaisesti koordinoitu niin, että ostp:n greahe-johtaja toimii myös tiede- ja teknologiajohtajan avustajana ja hallinnoi nstc:tä. Tietotekniikan tutkimus ja kehitysNetworking and Information Technology Research and Developmen (NITRD) on kansallisen tiedeaechnology Councilin (NSTC) teknologiakomitean (CoT) alainen elin. NITRD-alikomitea koordinoi useiden virastojen tutkimus- ja kehitysohjelmia auttaakseen. varmistaa meille jatkuvan johtajuuden verkostoitumisessa ja informatiossa
teknologiaa, tyydyttää liittohallituksen tarpeet edistyneen verkottumisen ja nopeuttaa kehitystä ja laajasti lainattua tietotekniikkaa. Se panee myös täytäntöön vuoden 1991 High-Performance Computing Act -lain (P L 102-194), sellaisena kuin se on muutettuna Seuraavan sukupolven Internet-tutkimus Teknologian huippuosaamista, Koulutus ja tiede (KILPAILU) Laki 2007 (P L 110-69)
For(liNk:https:/wwwnitrdgpveww/naionalairdstrategicplamaspx
Kansallinen keinotekoisen tutkimuksen ja kehityksen strateginen suunnitelma Koneoppimisen ja tekoälyn alakomitea, joka auttaa koordinoimaan liittovaltion toimintaa Al. Tämä alakomitea 15. kesäkuuta 2016 määräsi verkostoitumisen ja tietotekniikan tutkimuksen ja kehityksen alakomitean (NITRD) luomaan kansallisen taiteellisen ialIntelligence-tutkimuksen ja -kehityksen strateginen suunnitelma NTRD:n tekoälyä käsittelevä työryhmä muodostettiin sitten määrittämään liittovaltion strategiset painopisteet Al T&d:lle, kiinnittäen erityistä huomiota alueisiin, joihin teollisuus ei todennäköisesti puutu liittovaltion rahoittamaan Al-tutkimukseen. samoin kuin liittovaltion rahoittama tutkimus, joka tapahtuu hallituksen ulkopuolella, kuten akateemisessa maailmassa. Tämän tutkimuksen perimmäisenä tavoitteena on tuottaa uusia ai know led ge -tekniikkaa ja teknologioita, jotka tarjoavat juoksevia gepositiivisia etuja yhteiskunnalle ja samalla minimoivat kielteiset vaikutukset.
Tämän tavoitteen saavuttamiseksi tässä alR&d:n strategisessa suunnitelmassa määritellään seuraavat liittovaltion rahoittaman Al-tutkimuksen painopisteet. Strategia 1: Tee pitkäaikaisia investointeja Al-tutkimukseen. Priorisoi sijoitukset seuraavan sukupolven al-tutkimukseen, joka lisää diskoa ja näkemystä ja antaa Yhdysvalloille mahdollisuuden pysyä maailman johtavana AlStrategy 2:ssa: Kehittää tehokkaita menetelmiä ihmisten al-yhteistyölle Ihmisten korvaamisen sijaan useimmat ai-järjestelmät tekevät yhteistyötä h:n kanssa. Tutkimusta tarvitaan tehokkaan vuorovaikutuksen luomiseksi ihmisten ja muiden systeemien välille. 3: Ymmärrä ja käsittele eettisiä, Al We odottaa Al-teknologioiden käyttäytyvän muodollisten ja epävirallisten normien mukaisesti, joita noudattamme kanssaihmisissämme Tutkimusta tarvitaan oAL:n eettisten, oikeudellisten ja sosiaalisten seurausten ymmärtämiseksi ja menetelmien kehittämiseksi tekoälyjärjestelmien suunnitteluun. jotka ovat sopusoinnussa eettisen, laillisen ja yhteiskunnallisen strategian kanssa. Strategia 4: Al-järjestelmien turvallisuuden varmistaminen Ennen kuin tekoälyjärjestelmät ovat yleisiä, tarvitaan varmuus siitä, että järjestelmät toimivat turvallisesti ja turvallisesti valvotussa,
Määritelty ja hyvin ymmärretty maFurthh tarvitaan luotettavien ja luotettavien Al-järjestelmien luomiseen liittyvän haasteen ratkaisemiseksi. Strategia 5: Kehitä jaettuja julkisia tietojoukkoja ja ympäristöjä Al-koulutusta ja testausta varten. Koulutustietojoukkojen ja -resurssien syvyys, laatu ja tarkkuus vaikuttaa merkittävästi korkealaatuisten tietojoukkojen sekä testaus- ja koulutusresurssien vastuulliseen saatavuuteen.Strategia 6: Mittaa ja arvioi Al-teknologioita standardien ja vertailumittausten avulla, jotka ohjaavat ja kansallisen tekoälyn tutkimuksen ja kehityksen strategiasuunnitelma arvioi edistymistä Al:ssa. Lisätutkimusta tarvitaan kehittää laaja kirjo arviointitekniikoita arvioida edistymistä AI. Lisätutkimusta tarvitaan kehittämään ulkomailla erilaisia arviointitekniikoita Strategia 7: Ymmärrä paremmin kansalliset AL-t&k-työvoimatarpeet. auttaa varmistamaan, että käytettävissä on riittävästi Al-asiantuntijoita käsittelemään tässä suunnitelmassa lueteltuja strategisia tutkimus- ja kehitysalueita. Ilmailun t&d:n strateginen suunnitelma päättyy kahdella suosituksella Suositus 1: Kehitä AIR&d-toteutuskehys mahdollisuuksien ja mahdollisuuksien tunnistamiseksi ja tukea ilmailualan tutkimus- ja kehitysinvestointien tehokasta koordinointia, johdonmukaisia tämän suunnitelman strategioita 1–6
Suositus 2: Tutki kansallista maisemaa terveen alR&d-työvoiman luomiseksi ja ylläpitämiseksi, tämän suunnitelman strategian 7 haittoja. Tämä suunnitelma sisältää useita oletuksia Alin tulevaisuudesta. Ensinnäkin siinä oletetaan, että teknologiat jatkavat kasvuaan edistyksellisyydessä ja kaikkialla, hallituksen tekemän tutkimus- ja kehitysinvestointien ansiosta, ja tässä suunnitelmassa oletetaan, että se ei vaikuta Yhdysvaltain talouskasvuun. Kolmanneksi siinä oletetaan, että teollisuuden investoinnit Aliin jatkavat kasvuaan, koska viimeaikaiset kaupalliset menestykset ovat lisänneet odotettua tuottoa.
T&K-toimintaan tuolloin tässä suunnitelmassa oletetaan, että julkisten hyödykkeiden ympärillä oleva tutkimus-investointiongelma. Lopuksi tässä suunnitelmassa oletetaan, että AL-asiantuntemuksen kysyntä pyrkii johtamaan haluttua tulosta. Al-valmiudet kohti AIctyn ja maailman pitempiaikaisia sopimuksia Viimeaikaiset mainokset Merkittävä optimismi Al:n mahdollisuuksista, mikä johti teollisuuden vahvaan kasvuun Al-lähestymistapojen
Vaikka liittovaltion hallitus voi hyödyntää investointeja Aliin, monet sovellusalueet ja pitkän aikavälin tutkimushaasteet eivät kuitenkaan onnistu. Liittovaltion hallitus on pääasiallinen rahoituslähde pitkäaikaisissa, riskialttiissa tutkimusaloitteissa sekä lähiajan kehittämisessä. henkistä työtä osasto- tai virastokohtaisten vaatimusten saavuttamiseksi sellaisten tärkeiden yhteiskunnallisten kysymysten käsittelemiseksi, joita yksityinen teollisuus ei aja. Liittovaltion hallituksen tulisi siksi korostaa al-investointeja alueille, joilla on vahva yhteiskunnallinen merkitys, mutta jotka eivät ole suunnattu kuluttajamarkkinoille - alueille, kuten julkisten tekoäly terveydenhuolto, kaupunkijärjestelmät ja älykkäät yhteisöt, sosiaalinen hyvinvointi, rikosoikeus, ympäristön kestävyys ja kansallinen turvallisuus sekä pitkän aikavälin tutkimus, joka nopeuttaa kaikkien tiedossa olevien kielekkeiden ja teknologioiden tuotantoa. Koordinoitu T&K-toiminta Alissa koko liittovaltion hallituksen lisäämällä näiden teknologioiden myönteistä vaikutusta Al A:n koordinoidun lähestymistavan käyttöön liittyviin poliittisiin haasteisiin vastaaminen auttaa Yhdysvaltoja hyödyntämään koko AL-teknologioiden potentiaalia yhteiskuntatyön parantamiseksi. tunnistaa tekoälyn tieteellisiä ja teknologisia aukkoja ja seurata liittovaltion t&k-investointeja, jotka ovat suunnittelua.