五十多年来，DARPA一直是开创性研发R&D领域的领导者，促进了基于规则和基于统计学习的AI技术的进步和应用。
今天，DARPA继续引领AI研究的创新，资助从基础研究到先进技术开发的广泛的研发项目组合。
DARPA认为，未来系统能够通过生成的上下文和解释模型获取新知识，并将在“第三波”AI技术的开发和应用中实现。
DARPA于2018年9月宣布了一项多年投资超过20亿美元的新项目和现有项目，称为“AI Next”计划。
该计划的关键领域包括自动化关键的国防业务流程，例如安全许可审查或认证软件系统以进行作战部署；
提高AI系统的稳健性和可靠性；增强ML和AI技术的安全性和弹性；降低功耗、数据和提高性能；
并开创下一代AI算法和应用，例如“可解释性”和常识推理。
“AI Next”计划建立在DARPA五十年的AI技术创造基础之上，以定义和塑造未来，
DARPA将通过专门关注以下领域为国防创造强大的能力：
新能力：AI技术被常规应用以支持DARPA研发项目，包括60多个现有项目，
如电子复兴计划Electronic Resurgence Initiative、复杂网络攻击的实时分析、
欺诈图像检测、全域战争动态构建杀伤链、人类语言技术、多模态自动目标识别、生物医学进步和假肢控制等先进项目。
DARPA将推进AI技术，以实现关键国防业务流程的自动化。
当前的国防软件系统在作战部署之前需要进行长时间的认证。
现在看来，使用已知的AI和其他技术自动化这一认证过程似乎是可能的。
强大的AI：AI技术已经在卫星图像分析、网络攻击预警、供应链物流和微生物系统分析等多种任务方面展示了巨大的价值
。与此同时，人们对AI技术的失效模式知之甚少。DARPA正在努力解决这一不足，重点进行分析和实证研究。
DARPA的成功对于国防部部署AI技术至关重要，特别是在需要可靠性能的战术边缘。
对抗性AI：当今最强大的AI工具是机器学习(ML)，但ML系统的问题是很容易被输入更改欺骗，用于训练ML系统的
数据也可能被恶意损坏，而且ML软件本身很容易受到网络攻击。随着更多支持AI的系统进入大规模作战部署，这些
问题必须得到解决。
高性能AI：计算机性能在过去十年中的提高，结合大型数据集和软件库，使ML取得了成功。以更低的电力获得更高的
性能对于数据中心和战术部署至关重要。DARPA已经展示了AI算法的模拟处理，其速度比最先进的数字处理器提高了
1000倍，功率效率提高了1000倍，并且正在研究AI特定的硬件设计。DARPA还研究通过大幅降低对标记训练
数据的要求以提高当前ML的效率。
下一代AI：支持人脸识别和汽车自动驾驶的ML算法是20多年前发明的。DARPA率先开展了开发下一代AI算法的
开创性研究，该算法将计算机从工具转变为解决问题的合作伙伴。DARPA的研究旨在使AI系统能够解释其行为，
并利用常识知识获取和推理。DARPA研发部门取得了第一批AI成功，例如专家系统和搜索，最近还拥有先进的ML
工具和硬件。DARPA现在正在创造下一波AI技术，这将使美国能够在这一关键领域保持其技术优势。
除了新的和现有的DARPA研究之外，该活动的一个关键组成部分将是DARPA的AI探索计划：AIE计划
（Artificial Intelligence Exploration）。该计划于2018年7月首次宣布并于
2019年8月更新。AIE构成了一系列高风险、高回报研究人员在获奖后18个月内确定新AI概念可行性的项目。
DARPA使用简化的合同程序和资助机制，AIE将在计划公告DARPA-PA-19-03下发布；
较早的AIE机会列在DARPA-PA-18-02下。
背景
技术的进步已经将人类和机器在冲突中的角色从人类之间的直接对抗演变为由机器的交战。最初，人类从事原始形式的
战斗。然而，随着工业时代的到来，人类认识到机器可以极大地增强他们的作战能力。网络随后启用了远程操作，最终证明
它容易受到电子攻击，并且由于信号传播距离和时间长而受到限制。战争的下一阶段将涉及更强大的自主系统，但在我们可以
让这些机器补充人类作战人员之前，它们必须达到更高水平的智能。
传统上，我们设计机器来处理定义明确的大容量或高速任务，让人类能够专注于日益复杂的问题。
在1950年代和1960年代，早期的计算机正在自动化乏味或费力的任务。正是在这个时代，
科学家们意识到模拟人类智能是可能的，AI（AI）领域应运而生。AI将成为使计算机能够解决问题
并执行通常需要人类智慧的功能的手段。
AI的早期工作强调手工知识，计算机科学家构建了所谓的专家系统，该系统捕获专家在规则中的专业知识，
然后系统可以将其应用于感兴趣的情况。这种“第一波”AI技术非常成功——报税软件是专家系统的一个很好的例子
——但手工制定规则的成本高昂且耗时，因此限制了基于规则的AI的适用性。
在过去的几年里，人们对被称为ML的AI子领域的兴趣激增，该领域将统计和概率方法应用于大型数据集，以创建可应用于
未来样本的广义表示。这些方法中最重要的是深度学习（人工）神经网络，当有足够的历史数据可用时，可以对其进行
训练以执行各种分类和预测任务。然而，问题就在这里，因为收集、标记和审查用于训练此类“第二波”AI技术的数据的
任务非常昂贵且耗时。
DARPA设想了一个未来，机器不仅仅是执行人类编程规则或从人类策划的数据集中进行概括的工具。
相反，DARPA设想的机器将更像是同事而不是工具。为此，DARPA在人机共生方面的研发设定了与机器合作的目标。
以这种方式启用计算系统至关重要，因为传感器、信息和通信系统以人类可以吸收、理解和行动的速度生成数据。
将这些技术纳入与作战人员协作的军事系统将有助于在复杂、时间紧迫的战场环境中做出更好的决策；能够对大量、不完整
和相互矛盾的信息达成共识；并赋予无人系统以安全和高度自治执行关键任务的能力。DARPA正在将投资重点放在
第三波AI上，该浪潮带来了能够在上下文中理解和推理的机器。