DARPA计划发展能理解全球事件的人工智能系统

美国国防高级研究项目局（Defense Advanced Research Projects Agency，DARPA）近期的一份项目公告指出，该机构期望能发展一个可在“看起来没有关联的各类事件”中发现并画出关联关系、进而更好地描述全球事件的半自动化人工智能系统。

国防高级研究项目局指出，一个“事件”指自然世界或人类社会中所发生的可识别且显著的一个变化，这类所谓“兴趣事件（Events of interest）”将可能产生对美国国家安全具有显著影响的变化。因此，国防高级研究项目局将试图通过其近期启动的“知识指导的人工智能推理图式（Knowledge-directed Artificial Intelligence Reasoning Over Schemas，KAIROS）”项目，发展一个基于图式（Schemas）、“对复杂的现实世界事件进行语境和时空推理、以形成对这些事件的理解，并预测这些事件未来将如何展开”的人工智能系统，来发现隐藏在海量多媒体、多语言信息中的兴趣事件，并展现给其目标用户。

利用图式来在信息中形成关联并非新理念，1923年认知心理学家让.皮亚杰（Jean Piaget）就将“图式”定义为人类通过对若干事件元素的组织，形成可理解常识的知识单元。例如，前往超市购物这一行为就可归纳成一个关于交易的“图式”——其元素包括“角色”（买卖双方）、“行为”（挑选商品、付款）、“时序”（商品需要先在收银台扫码，而后顾客再付款）等。

国防高级研究项目局将“知识指导的人工智能推理图式”项目设计为两个阶段：第一个阶段将关注于通过基于语言学推断和常识推理的检测、分类、汇聚，从海量数据中形成图式，参与这个阶段的研究人员将运用归纳、综合和特殊化的流程来帮助形成可描述简单和复杂事件的图式，而后再将多个图式串列使用来提取诸如“角色”、“事件”这样的关键语境因素，并运用专业领域知识针对特定需求定制分析过程。第二个阶段将关注于把形成于第一个阶段的图式库应用到多媒体、多语言信息中去，以发现和提取复杂事件，这个阶段的研究将致力于识别事件、实体等因素之间的关联关系，以帮助人工智能系统形成和扩展其知识库。