کالج محاسبات MIT (شوارتزمن) و آژانس علوم و فناوری صنایع دفاعی سنگاپور به 13 پروژه متمرکز بر هوش مصنوعی بودجه اعطا می‌کنند. در جامعه پر از تغییر امروز کاربرد عملی و گسترده هوش مصنوعی نیاز به توسعه و استقرار فناوری‌هایی دارد که بتواند در مناطق در حال ظهور اعتماد ایجاد کرده و با تهدیدهای نامتقارن مقابله کند. همچنین باید بتواند با نیازهای محیط که همواره در حال تغییر و پیچیده شدن هستند سازگار شود.
به عنوان بخشی از همکاری جدید برای پیشبرد و حمایت از تحقیقات هوش مصنوعی، کالج محاسبات MIT (شوارتزمن) و آژانس علوم و فناوری دفاعی در سنگاپور به 13 پروژه با هدایت محققان در کالج، بودجه اعطا می‌کنند که یک یا چند مورد از این پروژه‌ها را هدف قرار می‌دهد. پروژه‌ها در حوزه‌ی هوش مصنوعی قابل اعتماد، تقویت قابلیت شناخت انسان در محیط‌های پیچیده و هوش مصنوعی برای همه قرار دارند. در زیر 13 پروژه تحقیقاتی انتخاب شده به اختصار توضیح داده خواهند شد.
یادگیری ماشین
ایجاد قدرت و تولید مدل واقعی با استفاده از محیط‌های مصنوعی توسط الکساندر مادری، استاد علوم کامپیوتر یکی از این پروژه‌ها است. فناوری یادگیری ماشین این پتانسیل را دارد که در بسیاری از کارها که تاکنون با اطمینان فقط به انسان سپرده می‌شدند وارد شود و حتی کنترل و اجرای این کارها را به طور کامل در دست بگیرد. این تیم با بهره‌گیری از پیشرفت‌های اخیر در زمینه ارائه گرافیک واقع‌گرایانه و مدل سازی داده‌ها، در حال ساخت یک ابزار کاملاً جدید برای توسعه و استقرار راه‌حل‌های نوین و پیشرفته در زمینه یادگیری ماشین است.
فناوری‌های پردازش زبان طبیعی (NLP)
ارائه نسل بعدی فناوری‌های زبان طبیعی توسط رجینا بارزیلای، استاد مهندسی برق و علوم کامپیوتر و دیتا به همراه تامی یاکاکولا، استاد مهندسی برق و علوم کامپیوتر توماس سیبل یکی دیگر از پروژه‌های مذکور است. اکثر زبان‌های جهان به طور کامل غنی نیستند. این عدم غنا و کامل نبودن اغلب منجر به خروجی‌های نادرست، غیرقابل دفاع و شکننده می‌شود. در پروژه‌ای به سرپرستی بارزیلائی و یاکاکولا، محققان در حال توسعه ابزارهای جدید تولید متن کنترل شده و ایجاد الگوریتم‌های جدید برای تشخیص اطلاعات نادرست یا اخبار مشکوک در دنیای آنلاین هستند.
نقش‌آفرینی محاسباتی برای چشم‌انداز اجتماعی
با استفاده از رویکردهای علوم رایانه و علوم اجتماعی توسط دکتر فاکس هارل، استاد رسانه‌های دیجیتال و هوش مصنوعی قرار است پروژه‌ای با هدف ایجاد چشم‌انداز اجتماعی شکل بگیرد. این پروژه با هدف ایجاد ابزارها، تکنیک‌ها و روش‌هایی برای مدل سازی پدیده‌های اجتماعی برای کاربران سیستم‌های پشتیبانی شده از رایانه، بازی‌های آنلاین، واقعیت افزوده و واقعیت مجازی برای درک بهتر چشم‌اندازها از دیگران با هویت اجتماعی متفاوت ایجاد شده است.
بهبود آگاهی وضعیتی برای تیم‌های مشترک انسان و ماشین
پیشرفت در ارائه اولین پاسخ به گزارش دهندگان و توانایی جستجوی افراد و نهادهای مورد نیاز توسط نیک روی، استاد هوانوردی و فضانوردی، در پروژه دیگری بررسی می‌شود. هنگام پاسخ به موارد اضطراری در محیط‌های شهری، دستیابی به آگاهی از وضعیت ضروری است. در یک پروژه به رهبری نیک روی، محققان در حال توسعه یک سیستم چند عاملی هستند که شامل تیمی از وسایل نقلیه هوایی و زمینی خودمختار است که برای رسیدن هرچه سریعتر به صحنه یک موقعیت اضطراری طراحی شده‌اند.
توسعه بازنمودهای شبکه عصبی
نمایندگی‌های جدید برای چشم انداز توسط ویلیام فریمن استاد مهندسی برق و علوم کامپیوتر، توماس و گرد پرکینز و جاش تننبام، استاد علوم شناختی و محاسبات در پروژه‌ی دیگری بررسی می‌شود. یک هدف تحقق نیافته از هوش مصنوعی مدل سازی اشکال و بافت‌های غنی و پیچیده در دنیای واقعی است که لازم است در یک قاب به تصویر کشیده شود. این پروژه بر توسعه بازنمودهای شبکه عصبی برای تصاویر متمرکز خواهد بود که با نیازهای نمایش تصاویر در دنیای واقعی به همراه گرافیک متناسب‌تر تمرکز دارد تا یک دنیای سه‌بعدی را به طور کارآمد نشان داده و غنای آن را به نمایش بگذارد.
بهینه‌سازی مبتنی بر عدم قطعیت
طبقه‌بندی برنامه‌های کاربردی در عملیات شهر هوشمند توسط الكساندر ژاكیلات، استادیار تحقیقات عملیاتی و آمار، یکی دیگر از پروژه‌های ذکر شده است. فناوری‌های شهر هوشمند می‌تواند به کلان‌شهرهای بزرگ که با فشار فزاینده‌ای برای مدیریت ازدحام جمعیت، انتشار گازهای گلخانه‌ای، بهبود امنیت عمومی و ارتقاء خدمات بهداشتی روبرو هستند، کمک کند. در پروژه‌ای به هدایت ژاكیلات، محققان در حال کار بر روی ابزارهای جدید هوش مصنوعی برای کمک به مدیریت زیرساخت‌های فیزیکی سایبری در شهرهای هوشمند و توسعه و استقرار ابزارهای تصمیم‌گیری خودکار برای عملیات در شهرهای هوشمند هستند.
یادگیری تقویتی
پروژه دیگری توسط آنکور مویترا، دانشیار بین‌المللی دانشگاه راکول و استادیار ریاضیات کاربردی، در حال اجرا است. مویترا و تیم او در حال ساخت چارچوب جدید خود برای یادگیری مشکلات پیچیده‌تر توسط هوش مصنوعی هستند، از جمله طراحی الگوریتم‌های قوی‌تر برای یادگیری مدل‌های سر و صدا، فضایی که هنوز به طور کامل کشف نشده است.
پزشکی قانونی صوتی
یکی دیگر از این 13 پروژه است که توسط جیمز گلس، دانشمند ارشد تحقیقات، در حال انجام است. پیشرفت‌های مداوم در قابلیت‌هایی که محتوای چندرسانه‌ای مانند متون، تصاویر و ویدئو را دستکاری یا تولید می‌کنند، منجر به تولید محتوای جعلی به مراتب طبیعی‌تر و واقع گرایانه‌تری می‌شوند که به سختی قابل تشخیص هستند. در یک پروژه به رهبری گلس، محققان در حال توسعه مجموعه‌ای از مدل‌های یادگیری پیشرفته هستند که می‌تواند برای شناسایی محتوای صوتی دستکاری شده یا مصنوعی و همچنین تشخیص ماهیت جعلی یا اصل بودن یک محتوا و همین‌طور برای درک بهتر از هدف اصلی جعل استفاده شود.
سیستم‌های مستقل قابل اعتماد
ساخت سیستم‌های مستقل قابل اعتماد از طریق یادگیری اخذ تصمیمات و کنترل‌های مجاز توسط Chuchu Fan، استادیار هوانوردی و فضانوردی، یکی دیگر از پروژه‌های نامبرده است. یادگیری ماشینی فرصت‌های بی‌سابقه‌ای را برای دستیابی به خودمختاری کامل ایجاد می‌کند اما روش‌های مبتنی بر یادگیری در سیستم‌های خودمختار همواره می‌توانند به دلیل داده‌های بی‌کیفیت، خطاهای مدل‌سازی، اتصال با عوامل دیگر و تعامل پیچیده با سیستم‌های انسانی و … شکست بخورند. گروه تحقیقاتی وی در حال ساخت چارچوبی متشکل از الگوریتم‌ها، تئوری‌ها و ابزارهای نرم‌افزاری برای یادگیری برنامه‌ریزی و کنترل هستند.
یادگیری آنلاین و تصمیم‌گیری
پروژه یادگیری آنلاین و تصمیم‌گیری تحت شرایط عدم اطمینان در محیط‌های پیچیده توسط پاتریک جیلت، استاد مهندسی برق و علوم کامپیوتر دوگالد سی جکسون، در حال اجرا است. پیشرفت‌های فنی در حوزه محاسبات، ارتباطات از راه دور، قابلیت‌های سنجش و سایر فناوری‌های اطلاعاتی فرصت‌های فوق‌العاده‌ای را برای استفاده از اطلاعات پویا به منظور افزایش بهره‌وری، بهینه‌سازی عملکرد و حل مشکلات پیچیده فراهم می‌کند. با این حال بسیاری از این فرصت‌ها چالش‌های قابل‌توجهی در مورد چگونگی فرمول‌بندی و حل مشکلات جدید به همراه دارند. در پروژه‌ای به رهبری جیلت، محققان از تکنیک‌های یادگیری ماشین برای ادغام بهینه‌سازی سیستماتیک و یادگیری آنلاین برای کمک به تصمیم‌گیری در شرایط عدم اطمینان استفاده می‌کنند.
ارتباط هدایت شده
ارتباط هدایت شده به وسیله تجزیه و تحلیل توسط دب روی، استاد علوم و هنرهای رسانه‌ای، در یک پروژه مجزا در حال پیگیری است. فناوری رسانه‌های اجتماعی نویدبخش گشودن دنیای ما بودند. در عوض ما را به صورت الگوریتمی به سوی یک همگنی اجتماعی سوق داده‌اند. روی و تیمش در حال توسعه مدل‌ها و روش‌های زبانی برای مقابله با تأثیرات این فناوری‌ها هستند که باعث تشدید اختلافات اجتماعی و محدودیت در دیدگاه‌های مختلف شده است و باعث می‌شود کاربران از کسانی که اصلا مانند آن‌ها فکر نمی‌کنند و مانند آن‌ها زندگی نمی‌کنند تقلید کنند.
یادگیری غیرمتمرکز با داده‌های متنوع
توسط Costis Daskalakis استاد مهندسی برق و علوم کامپیوتر؛ Asu Ozdaglar استاد مهندسی برق و علوم کامپیوتر و MathWorks رئیس بخش مهندسی برق و علوم کامپیوتر و معاون دانشگاه MIT در دانشکده محاسبات شوارتزمن و همچنین Russ Tedrake استاد مهندسی برق و علوم کامپیوتر تویوتا، پروژه دیگری در حال اجرا است. در بسیاری از حوزه‌های هوش مصنوعی، ترکیب تجربیات متنوع و غیرمتمرکز که به منظور ایجاد مدل‌های بهتر برای پیش‌بینی و تصمیم‌گیری در کارهای متفاوت توسط عوامل مختلف جمع‌آوری شده بسیار دشوار است. با ایجاد ابزارهایی برای یادگیری ماشین در جهت بهینه‌سازی کنترل و آمار، این پروژه با هدف پیشرفت علوم بنیادی در زمینه یادگیری ماشین از عوامل غیرمتمرکز و با داده‌های متنوع و با استفاده از رباتیک به عنوان یک حوزه کاربردی برای ارائه منابع غنی و مرتبط در حال اجرا می‌باشد.
درک قابل اعتماد و اجرا سه‌بعدی
ادراک قابل اعتماد و قابل اجرای سه‌بعدی از طریق برنامه‌های نمادین عصبی توسط دانشمند Vikash Mansinghka و جوشوا تننبام استاد علوم شناختی و محاسبات و همچنین آنتونیو تورالبا و گرد پرکینز استاد مهندسی برق و علوم کامپیوتر، در یک پروژه در حال بررسی است. برای استقرار در دنیای واقعی، سیستم‌های درک صحنه سه‌بعدی باید در محیط‌ها و پیکربندی‌های تعمیم یافته آموزش یا دقیقا تنظیم شده باشند تا بتوانند با تغییرات صحنه و محیط سازگار شوند. با توجه به موفقیت محققان در برنامه‌نویسی برای مدل‌های نمادین، تیم در حال توسعه یک رویکرد کلی برای درک قابل اعتماد و قابل استفاده از صحنه سه بعدی است که به محدودیت‌های اساسی وضعیت موجود می‌پردازد.
