Darpa quiere IA que pueda aprender de las experiencias de otros
La agencia de investigación avanzada está aportando $ 1 millón por proyecto para superar los desafíos asociados con los sistemas de inteligencia artificial que aprenden unos de otros.
Los seres humanos progresan más rápido cuando aprendemos de la experiencia de otros, y los científicos de la Agencia de Programas de Investigación Avanzada de Defensa, o DARPA, quieren traducir eso en modelos de aprendizaje permanente para la inteligencia artificial.
La agencia de investigación abrió una nueva Oportunidad de Exploración de Inteligencia Artificial para financiar el trabajo sobre “el dominio técnico del aprendizaje permanente por parte de agentes” —sistemas de IA— “que comparten su experiencia entre sí”, según un anuncio en SAM.gov . DARPA ofrece hasta $ 1 millón por propuesta bajo el programa de Aprendizaje Permanente de Experiencia Compartida, o ShELL.
“El aprendizaje a lo largo de toda la vida es un área relativamente nueva de la investigación del aprendizaje automático, en la que los agentes aprenden continuamente a medida que se encuentran con diferentes condiciones y tareas mientras se despliegan sobre el terreno, adquieren experiencia y conocimientos y mejoran el rendimiento en tareas nuevas y anteriores”, afirma el anuncio de financiación .
El aviso detalla en qué se diferencia del aprendizaje automático tradicional “entrenar y luego implementar”, que tienden a fallar de tres maneras:
Resultados impredecibles cuando se encuentran condiciones de entrada que no son representativas de las experiencias de capacitación.
Olvido catastrófico de conocimientos previamente aprendidos útiles para nuevas instancias de tareas aprendidas previamente.
La incapacidad para ejecutar nuevas tareas de manera efectiva, si es que lo hace.
Si bien el aprendizaje permanente no es un concepto nuevo para la investigación de IA, el anuncio señala que la investigación actual se ha centrado en patrones de aprendizaje para sistemas individuales, en lugar de “poblaciones de agentes de LL que se benefician de las experiencias de los demás.
Bajo el programa ShELL, DARPA financiará proyectos que comienzan con una gran cantidad de sistemas de IA idénticos que luego se implementan en diferentes situaciones del mundo real. A medida que los sistemas individuales se adapten a sus entornos y tareas, la información recopilada se compartirá con todo el grupo, mejorando los datos de entrenamiento para todos.
Esto difiere de otros regímenes de entrenamiento de IA masiva en los que un grupo de sistemas trabaja en conjunto para completar una sola tarea y aprender un conjunto compartido de lecciones.
“ShELL no es un marco para el aprendizaje distribuido que asume la descomposición de la experiencia / datos de la tarea y del entrenamiento únicamente para la eficiencia del entrenamiento o debido a políticas externas que restringen la combinación de conjuntos de datos de origen”, afirma el aviso de financiamiento. “Por el contrario, ShELL recompensa a los agentes individualmente de acuerdo con su desempeño en sus propias tareas utilizando lecciones de sus propias acciones aprendidas combinadas con las adquiridas de otros agentes”.
Los funcionarios de DARPA han identificado tres desafíos principales que los proponentes deben abordar en sus ofertas:
Contenido: ¿Qué conocimientos deberían compartirse e incorporarse y cuáles deberían ignorarse?
Comunicaciones: ¿Cuándo y cómo se debe compartir el conocimiento?
Computación: garantizar que los grupos de aprendizaje tengan suficiente poder de computación a través de una combinación de recursos en el borde y en la nube.
El proyecto se completará en dos fases, con adjudicaciones de un millón de dólares por propuesta. La Fase I se enfoca en un estudio de viabilidad de seis meses, con hasta $ 300,000 en apoyo financiero. Los proyectos que lleguen a la Fase II desarrollarán una prueba de concepto durante 12 meses, con un financiamiento máximo de $ 700,000.
Los premios se otorgarán utilizando la otra autoridad de transacción de DARPA .
El programa ShELL está aceptando propuestas ahora, con el objetivo de otorgar premios antes del 24 de septiembre
Nextgov