DARPA akan Membangun Asisten "Virtual Data Scientist" Melalui A.I.

Badan Proyek Penelitian Pertahanan Tingkat Lanjut (DARPA) mengumumkan pada hari Jumat peluncuran Data-Driven Discovery of Models (D3M), yang bertujuan untuk membantu non-ahli menjembatani apa yang disebutnya "kesenjangan keahlian data-ilmu" dengan memungkinkan asisten buatan untuk membantu orang dengan pembelajaran mesin. DARPA menyebutnya asisten "ilmuwan data virtual".

Perangkat lunak ini sangat penting karena kurangnya ilmuwan data saat ini dan permintaan yang lebih besar dari sebelumnya untuk solusi berbasis data. DARPA mengatakan para ahli memproyeksikan defisit tahun 2016 dari 140.000 hingga 190.000 ilmuwan data di seluruh dunia, dan meningkatnya kekurangan di tahun-tahun mendatang.

Misalnya, untuk membangun model tentang bagaimana faktor cuaca, sekolah, lokasi, dan kejahatan yang berbeda mempengaruhi kemacetan untuk layanan berbagi perjalanan di pusat kota Manhattan, tim siswa NYU menghabiskan waktu yang setara dengan lebih dari 90 bulan jam kerja untuk menyelesaikan model. DARPA melihat masalah seperti ini setiap saat dan Program D3M akan berusaha membangunnya untuk secara drastis mengurangi waktu dan keahlian yang dibutuhkan untuk membuat model seperti ini di masa depan.

"Pembangunan model empiris saat ini sebagian besar merupakan proses manual, membutuhkan ahli data untuk menerjemahkan elemen stokastik, seperti cuaca dan lalu lintas, ke dalam model yang kemudian dapat ditanyakan oleh para insinyur dan ilmuwan," kata Wade Shen, manajer program dalam Inovasi Informasi DARPA. Kantor. "Kami percaya dimungkinkan untuk mengotomatisasi aspek-aspek tertentu dari ilmu data, dan secara khusus membuat mesin belajar dari contoh sebelumnya bagaimana membuat model baru."

Sebagai agen pertahanan, tentu saja DARPA juga mencari tahu bagaimana A.I. ini. dapat mempengaruhi medan perang dan menyelamatkan lebih banyak nyawa.

Google sudah menggunakan A.I. untuk melakukan tugas yang serupa seperti kemitraan Alphabet's Sidewalk Labs dengan Smart City Challenge dari A.S. Transportasi, yang bertujuan untuk menggunakan infrastruktur pengumpulan data untuk membantu mengurangi kemacetan dan parkir di kota-kota yang berlomba.

Jika tim yang lebih kecil dari ilmuwan data dan non-pakar dapat menggunakan model pembelajaran mesin untuk membantu mengidentifikasi masalah di masyarakat, akan ada lebih banyak waktu untuk analisis data untuk benar-benar mengimplementasikan solusi.

"Kemampuan kami untuk memahami segala sesuatu mulai dari lalu lintas hingga perilaku pasukan bermusuhan semakin mungkin mengingat pertumbuhan data dari sensor dan sumber terbuka," kata Shen. "Harapannya adalah bahwa D3M akan menangani dasar-dasar pengembangan model sehingga orang dapat menerapkan kecerdasan manusia mereka untuk melihat data dengan cara-cara baru, dan membayangkan solusi dan kemungkinan yang tidak jelas atau bahkan dibayangkan sebelumnya."