能掌握世界大大小小的事物的AI？该研究机构将开发具有理解能力的AI，以快速了解现实事件，这对于为国家安全工作提供信息至关重要。美国国防部下属的研究机构已经清楚地意识到了这一点，并开始探索使用AI来掌握全球事件的可能性。一只蝴蝶拍打翅膀，在世界的另一端引发了飓风。这是复杂因果关系的典型描述。就这一事件而言，我们应该如何观察飓风并找出是哪只蝴蝶引起了飓风？如果可能的话，我们可以在它开始飞翔之前停止它吗？这些自然界或人类社会的显着变化不仅会对事件本身产生重大影响，而且还可能构成影响范围更广的因果链的一部分。许多事件不是简单的单个事件，而是由许多辅助元素组成的复杂现象。它们由从参与者到时间轴的大量辅助元素组成。但是，非结构化的多媒体信息已经越来越多地出现，这阻碍了人们对这些事件及其基本组成部分的发现和理解。根据美国国防高级研究计划局（DARPA）官方网站上的声明，该研究组织创建了一个基于模式的知识型模式的人工智能推理（KAIROS）项目，旨在解决复杂的问题。实际事件会进行上下文和时间推理，以对这些事件产生可操作的理解并预测它们将如何发展。具体来说，该项目将开发一个半自动化的机器学习系统，该系统可以筛选每天产生的无数事件和媒体片段，识别并从中找出任何联系或叙述意义的线索，并帮助用户广泛了解周围的世界他们。根据DARPA网站上的信息，KAIROS的研究目标将分两个阶段进行：第一个阶段将集中在基于语言推理和常识推理的检测，分类和集中子事件上，并从一个大型数据库中创建一个模式库。数据量。接受此挑战的研究人员将应用概括，合成和专门化过程来帮助生成描述简单事件和复杂事件的架构，并将多个架构分类在一起以理解关键的上下文元素（例如角色和时间表）。并应用特定领域的知识来定制分析以满足特定需求。第二阶段将集中于将第一阶段中创建的模式库应用于多媒体和多语言信息，以发现和提取复杂事件。在此阶段，需要AI来识别事件，实体及其之间的关系，以帮助建立和扩展知识库。最大的挑战：让AI能够理解使用模式来帮助绘制信息之间的相关性并不是一个新概念。早在1923年，认知科学家让·皮亚杰（Jean Piaget）给出了最初的定义：模式意味着人类通过创造许多由相互联系的事件组成的短篇小说来了解周围的世界。例如，当您去商店买东西时，您会知道通常会走进商店，选择一件商品，然后将其带到收银员，收银员会扫描它，然后以某种方式付款，然后离开商店。这种“购买”是指流程是一个我们都可以识别的模式，它由一组动作（付款），角色（买方和卖方）和时间限制（扫描该物品然后付款）定义。当然，它也可以包含一些子模式（例如产品选择，付款过程），并且该模式也可以从属于另一个模式（例如礼物赠送，家庭烹饪）。尽管在我们的脑海中很难想象这些方案，但是以计算机系统可以理解的方式来正式定义它们是非常困难的，因为它不明显且不受规则约束。而且，数据越多，定义就越困难。购物仍然是一个相对简单的模式，但是如何构建一个识别冷战或熊市的模式呢？因此，这种基于模式的AI功能最关键的挑战之一就是要使AI具备理解能力。具有理解力的人工智能一直是该行业的重要方向。但是，已应用于现实生活的绝大多数人工智能技术仍然是没有理解的人工智能。 DARPA信息创新办公室（I2O）项目经理Boyan Onyshkevych在一份新闻稿中说：“有必要从静态元素（例如时间和事件模式）中找出与流程相关的大量信息。