ДАРПА гради асистенте "Виртуал Дата Сциентист" кроз А.И.

Агенција за напредне истраживачке пројекте одбране (ДАРПА) објавила је у петак покретање откривања модела (Д3М), чији је циљ да помогне нестручњацима да премосте оно што он назива “недостатак експертизе у науци о подацима” допуштајући да вјештачки помоћници помогну људи са машинским учењем. ДАРПА га назива асистентом "виртуелног научника података".

Овај софтвер је двоструко важан зато што тренутно нема довољно научника за подацима и већа је потражња за решењима која се базирају на подацима. ДАРПА каже да стручњаци за 2016. годину планирају дефицит од 140.000 до 190.000 научника који се баве подацима широм света, а повећава недостатке у наредним годинама.

На пример, да би се изградио модел како различити временски услови, школа, локација и фактори криминала утичу на загушење за услуге подјеле вожње у центру Манхаттана, тим студената НИУ провео је еквивалент од више од 90 мјесеци радног времена за завршетак модел. ДАРПА стално гледа на овакве проблеме и програм Д3М ће настојати да га конструише како би драстично смањио време и стручност потребну за израду оваквих модела у будућности.

"Конструкција емпиријских модела данас је углавном ручни процес, који захтијева да стручњаци за податке преведу стохастичке елементе, као што су време и саобраћај, у моделе за које инжењери и научници могу да постављају питања", рекао је Ваде Схен, менаџер програма у информационим иновацијама ДАРПА-е. Оффице. "Сматрамо да је могуће аутоматизовати одређене аспекте науке о подацима, а посебно да машине науче из претходног примера како да конструишу нове моделе."

Као агенција за одбрану, наравно, ДАРПА такође истражује како је то А.И. може утицати на бојно поље и спасити више живота.

Гоогле већ користи свој А.И. обавити сличне задатке као што је партнерство Алпхабет'с Сидевалк Лабс са Смарт Цити Цхалленге одељењем за саобраћај САД-а, који има за циљ кориштење инфраструктуре за прикупљање података како би се олакшало загушење и паркирање у градовима.

Ако мањи тимови научника података и не-стручњаци могу користити моделе стројног учења како би помогли у идентификацији проблема у друштву, бит ће више времена за анализу података да би се заправо имплементирала рјешења.

"Наша способност да разумемо све, од саобраћаја до понашања непријатељских снага, све је могуће с обзиром на раст података са сензора и отворених извора", рекао је Шен. "Надамо се да ће се Д3М носити са основама развоја модела како би људи могли да примене своје људске интелигенције да на нове начине гледају на податке, и да замисле решења и могућности које раније нису биле очигледне или чак замисливе."