DARPA zum Aufbau von "Virtual Data Scientist" Assistenten durch A.I.

Die Defense Advanced Research Projects Agency (DARPA) hat am Freitag die Einführung von Data-Driven Discovery of Models (D3M) angekündigt, die Nicht-Experten dabei helfen soll, die sogenannte "Data-Science-Expertise-Lücke" zu überbrücken, indem künstliche Assistenten helfen können Menschen mit maschinellem Lernen. DARPA nennt es einen Assistenten für "virtuelle Datenwissenschaftler".

Diese Software ist doppelt wichtig, da es momentan an Datenwissenschaftlern mangelt und eine größere Nachfrage nach mehr datengetriebenen Lösungen besteht als je zuvor. DARPA sagt, dass Experten für 2016 Defizite von 140.000 bis 190.000 Datenwissenschaftlern auf der ganzen Welt vorweisen, die in den kommenden Jahren zunehmen werden.

Um beispielsweise ein Modell zu erstellen, wie verschiedene Faktoren hinsichtlich Wetter, Schule, Ort und Kriminalität die Überlastung von Mitfahrzentralen in der Innenstadt von Manhattan beeinflussen, verbrachte ein Team von NYU-Studenten mehr als 90 Monate Arbeitszeit damit das Model. DARPA sieht Probleme wie diese ständig und das D3M-Programm wird sich bemühen, es so aufzubauen, dass der Zeit- und Sachaufwand, der für die Herstellung solcher Modelle in der Zukunft benötigt wird, drastisch reduziert wird.

"Die Konstruktion empirischer Modelle ist heute weitgehend ein manueller Prozess, bei dem Datenexperten stochastische Elemente wie Wetter und Verkehr in Modelle übersetzen müssen, aus denen Ingenieure und Wissenschaftler Fragen stellen können", sagte Wade Shen, Programmmanager bei DARPA Information Innovation Büro. "Wir glauben, dass es möglich ist, bestimmte Aspekte der Datenwissenschaft zu automatisieren, und insbesondere, dass Maschinen aus früheren Beispielen lernen, wie sie neue Modelle erstellen."

Als Verteidigungsagentur untersucht DARPA natürlich auch, wie diese A.I. könnte das Schlachtfeld beeinflussen und mehr Leben retten.

Google verwendet bereits die A.I. ähnliche Aufgaben zu erledigen, z. B. die Partnerschaft von Alphabet's Sidewalk Labs mit der Smart City Challenge des US-Verkehrsministeriums, die darauf abzielt, die Infrastruktur zum Sammeln von Daten zu nutzen, um die Überlastung und das Parken in Städten zu erleichtern.

Wenn kleinere Teams von Datenwissenschaftlern und Nichtexperten mithilfe von Machine-Learning-Modellen Probleme in der Gesellschaft identifizieren können, bleibt mehr Zeit für die Analyse der Daten, um tatsächlich Lösungen zu implementieren.

"Unsere Fähigkeit, alles vom Verkehr bis zum Verhalten feindlicher Kräfte zu verstehen, wird angesichts des zunehmenden Datenbestands von Sensoren und offenen Quellen zunehmend möglich", sagte Shen. "Die Hoffnung ist, dass D3M mit den Grundlagen der Modellentwicklung umgehen wird, damit Menschen ihre menschlichen Intelligenz einsetzen können, um Daten auf neue Art und Weise zu betrachten und sich Lösungen und Möglichkeiten vorzustellen, die vorher nicht offensichtlich oder gar nicht vorstellbar waren."