Быстрые достижения в области искусственного интеллекта( ИИ) демонстрируют незаменимость этой технологии. Эксперты в области национальной безопасности теперь сосредоточены на влиянии ИИ на стратегии обороны. Одним из ведущих в этой области является Пауло Шакариан( PauloShakarian), известный своей экспертизой в области символьности ИИ и нейросимволических систем, которые являются передовыми формами ИИ. Он был выбран для участия в инициативе DefenseAdvancedResearchProjectsAgency( DARPA), целью которой является изучение новых направлений исследований в областиAI для разработки надежных систем в рамках задач обеспечения национальной безопасности. Шакарян, ассоциированный профессор компьютерных наук в Школе вычислительной техники и дополненной разведки при Университете штата Аризона( IraA. FultonSchoolsofEngineering atArizonaStateUniversity), был приглашен для участия в конференции AIForward, которая состоит из двух семинаров. Первый семинар- это виртуальная встреча, проведенная в начале лета, а второй- очное мероприятие, запланированное на период с 31 июля по 2 августа в Бостоне. Шакарян будет сотрудничать со 100 другими участниками, чтобы продвинуть инициативу DARPA, которая изучает новые направления исследованийAI с применением для решения задач, связанных с обороной, таких как автономные системы, разведывательные платформы, военное планирование, анализ больших данных и вычислительное обеспечение. Во время семинара в Бостоне к Шакариану присоединится Накул Гопалан( NakulGopalan), ассистент- профессор компьютерных наук, который также расскажет о своих исследованиях в области человеко- робототехнических коммуникаций, способных внести вклад в достижение целей DARPA. Он также будет изучать текущие тенденции исследований в этой области и прогнозировать будущие проблемы. В дополнение к своему участию в программе AIForward Шакарян готовит к выпуску в сентябре 2023 г. новую книгу под названием" Neuro- symbolicReasoningandLearning". В этой книге будут рассмотрены последние пять лет исследований в области нейро- символическогоAI, а также даны сведения о последних достижениях в этой области. Готовясь к семинарам, Шакарян взял на заметку поделиться своим опытом и мыслями о текущей ситуации в областиAI. Вопрос: Не могли бы Вы пояснить, в каких областях Вы проводите свои исследования: символическиеAI и нейросимволические системы? Ответ: Если говорить о символическихAI и нейросимволических системах, то важно отметить, что в настоящее время вAI преобладают нейросети с глубоким обучением. В последние десятилетия эти сети добились значительных успехов, особенно в таких областях, как распознавание образов и генерация языка. Однако, когда речь идет о проблемах, имеющих конкретное отношение к министерству обороны( DoD), этиAI- технологии оказываются неэффективными. Одной из проблем является недостаточная объяснимость, так как они работают как модели" черного ящика", которые дают результаты без четких объяснений. Кроме того, эти системы отличаются низкой степенью модульности, так как люди обучаются до конца, что затрудняет их модификацию после обучения. В сложных системах DoD, таких как оценка безопасности отдельных компонентов самолета во время сборки, модульность имеет решающее значение, Другой проблемой является неспособность нейронных сетей применять ограничения, такие как разрешение конфликтов между несколькими воздушными судами, обслуживающими одно и то же воздушное пространство. СимвольныйAI, который существует дольше, чем нейронные сети, не требует больших объемов данных для обучения. Однако он не достиг обучающей способности нейронных сетей. Тем не менее, символическийAI может устранить ограничения глубокого обучения, о которых говорилось выше. В случаях с высокими требованиями к безопасности, таких как оборона, аэрокосмическая промышленность и автономное вождение, необходимо увеличивать большие объемы данных с учетом ограничений по безопасности, модульности и объяснимости. Поле нейро- символическогоAI направлено на объединение идей машинного обучения с символическими подходами, и я занимаюсь исследованием этого пересечения уже почти десятилетие. Вопрос: Можете ли вы рассказать о своих текущих исследовательских проектах и фокусах в вашей лаборатории? Ответ: Основным направлением моей лаборатории LabV2 является программный пакет PyReason. В связи с развитием нейронных сетей мы стали свидетелями разработки отличных программных инструментов, таких как PyTorch иTensorFlow, которые способствуют внедрению нейронных сетей. Многие из этих методик уже имеют значительную существующую литературу. При разработке PyReason мои коллеги и я стремились создать надежную логическую платформу, явно предназначенную для работы с системами машинного обучения.

Мы получили несколько привлекательных грантов на реализацию этого проекта, а программное обеспечение было загружено исследователями, что сделало его основным PyReason предоставляет развитую, относительно свободную от ошибок логическую платформу для проведения исследований в этой области. Вопрос: Что изначально привлекло вас в инженерную сферу и побудило начать работать в этой области? Ответ: Мое путешествие в эту область было весьма интересным. После окончания школы я учился в Военной академии США в Вест- Пойнте, а затем стал военным офицером 1- й бронетанковой дивизии армии США. Во время второго турне я побывал в Ираке, а во время третьего турне мое подразделение направило меня на трехмесячную временную стажировку в DARPA в качестве советника. Эта возможность позволила мне наблюдать за тем, как некоторые ученые страны применяютAI для решения критических проблем обороны. Имея опыт работы в военной разведке и в пехотных частях, я не понаслышке знал, как средства разведки помогают в операциях. Вдохновленный открывшимися возможностями, я подал заявку на участие в специальной программе по подготовке дипломированных специалистов, специализирующихся в областиAI и преподаваемых в WestPoint в рамках этой программы. После окончания военной службы я поступил на факультет вASU в 2014 году. Вопрос: Являясь профессиональным исследователем в этой области, я считаю, что, несмотря на то, что вокругAI существует множество опасений, вы верите в то, что мы станем свидетелями действительно преобразующих применений в различных отраслях? Ответ: Да, я так считаю. Мы уже были свидетелями того, как преобразующие Мы, вероятно, увидим нечто подобное с большими языковыми моделями. Однако большие языковые модели имеют свои проблемы, такие как, например, просветление, когда модели предоставляют неправильные ответы или информацию. Такие компании, как Google и OpenAI, проводят обширные испытания для решения этих потенциальных проблем, но невозможно проверить все возможные сценарии. Тем не менее, в ближайшие годы мы ожидаем расширения контекстного окна больших языковых моделей, что позволит увеличить объем данных и улучшить обучение и использование. Многочисленные технологии, внедряемые в этом году, значительно повысят точность в повседневных случаях, что приведет к снижению процента ошибок. Крупные языковые модели играют важную роль в создании компьютерного кода, что является потенциально преобразующим результатом. Более быстрое написание кода позволяет быстрее внедрять инновации. Эти модели будут и впредь использоваться исследователями в качестве двигателей инноваций, особенно в США, где такие инструменты легко доступны. Вопрос: Если говорить о национальной безопасности, ожидаете ли вы, что приложенияAI станут доступными для широкой публики, например, автономные транспортные средства на дорогах, или они останутся в основном за кадром? Ответ: Когда я участвовал в работе своей стартап- компании, я понял важность внедрения решенийAI, которые люди понимают в своей повседневной жизни. В случае с автономными транспортными средствами цель состоит в том, чтобы они имели Однако одним из исключений из этой тенденции является ChatGPT, который оказал трансформирующее воздействие. Несмотря на это, я испытываю сомнения в том, что существующие интерфейсы останутся основным способом взаимодействия сAI. OpenAIalsosharesthisperspective. IanticipatefurtherdevelopmenttobetterintegratetechnologieslikeChatGPTintoourregularworkflows. Weallemploytoolsstoenhiveproductivity, butherealwayssmallcostsassociatedtheiruse. Например, использованиеChatGPT в настоящее время требует переключения на новое окно, входа в систему и ожидания ответа. Если вам нужно только составить короткое письмо, эти шаги могут показаться нецелесообразными, что приведет к снижению уровня использования этого важного инструмента. Если быChatGPT был более легко интегрирован в существующие процессы, его использование и влияние были бы иными. Это невероятно привлекательная технология, именно поэтому она была первоначально выпущена в простом, внешнем формате.