|
编辑：小智 转载请注明出处 为帮助人们将机器从简单的工具转变为值得信赖的合作伙伴，DARPA于2019年1月31日宣布了能力感知机器学习（CAML）计划。CAML计划的目标是开发机器学习系统，使之能够在时间紧迫、动态的情况下持续评估自己的性能，并以易于理解的格式将这些信息传达给团队中人类成员。 图片说明：描述了在动态环境中执行任务的能力感知机器。 无论运动、商业还是军事团队，有效团队的一个关键要素都是信任，信任在一定程度上是基于团队成员之间相互理解，各自履行既定角色的能力。当涉及到形成有效的人类和自主系统团队时，人类需要及时准确地洞察他们的机器伙伴的技能、经验和可靠性，以便在动态环境中信任他们。目前，当天气或照明等条件变化导致自主系统的能力波动时，自主系统无法提供实时反馈。机器缺乏对自身能力的认识，并且无法将其传达给人类伙伴，这会降低人们的信任并降低团队效率。 为了帮助人们将机器从简单的工具转变为值得信赖的合作伙伴，DARPA于2019年1月31日宣布了能力感知机器学习（CAML）计划。CAML计划的目标是开发机器学习系统，使之能够在时间紧迫、动态的情况下持续评估自己的性能，并以易于理解的格式将这些信息传达给团队中人类成员。 国防部高级研究计划局国防科学办公室的项目经理周江英说：“如果机器能说‘我在这些条件下做得很好，但是我在这些条件下没有太多的经验’，这将带来更好的人机协作。”“并且合作伙伴可以做出更明智的选择。” 这种动态将支持力量倍增效应，因为人类将始终能了解其机器伙伴的能力，并且能够有效地利用它们。 相比之下，周注意到了最先进的自动系统所面临的挑战，目前这些系统都无法在快速变化的情况下评估或传达他们自身的能力。 “何种情况下你该让机器工作？何种情况下你该监督机器？哪些资产或资产组合最适合您的任务？这些都是CAML计划希望能够回答的问题，”她说。 通过一个涉及自动驾驶汽车技术的简化例子，周描述了对于一个试图决定两辆自动驾驶汽车中哪一辆更适合在雨中进行夜间驾驶的驾驶者来说，CAML技术是多么有价值。第一辆车可能会在晚上的雨中进行通信，这些系统无法在快速变化的情况下评估或传达他们的能力。它知道自己正在看到一个人或是一个无生命的物体，准确度达到90％，并且已完成了1000多次任务。第二辆车可以在夜间的雨中以99%的准确度区分人和无生命物体，但完成任务的次数少于100次。有了这些信息，驾驶者就可以做出将使用哪辆车的知情决定。 美国国防部高级研究计划局已于2019年2月20日为潜在投标人安排了一个预先录制的网络直播CAML提案人日。详情请访问：https://go./xe9aq。 CAML计划寻求在机器学习、人工智能、模式识别、知识表示和推理、自主系统建模、人机界面以及认知计算方面的专业知识。为了最大限度地利用创新提案概念，DARPA强烈鼓励非传统提案人参与，包括小型企业、学术和研究机构以及首次政府承包商。 DARPA预计将于2019年2月中旬在联邦商业机会网站上发布一份CAML广泛机构公告征求意见。  |
|
|
来自： 昵称m5Gu5 > 《军民融合与国防科研产业》
