Pesquisadores da ASU unem segurança e IA

por Annelise Krafft | 1º de agosto de 2023 | Recursos, escolas Fulton

Os avanços acelerados no campo da inteligência artificial, ou IA, estão provando que a tecnologia é um ativo indispensável. No domínio da segurança nacional, os especialistas estão a traçar um rumo para o impacto da IA ​​na nossa estratégia de defesa colectiva.

Paulo Shakarian está na vanguarda deste trabalho crítico, utilizando a sua experiência em IA simbólica e sistemas neuro-simbólicos, que são formas avançadas de tecnologia de IA, para satisfazer as necessidades sofisticadas das organizações de segurança nacional.

Shakarian, professor associado de ciência da computação na Escola de Computação e Inteligência Aumentada, parte das Escolas de Engenharia Ira A. Fulton da Universidade Estadual do Arizona, foi convidado a participar do AI Forward, uma série de workshops organizados pela US Defense Advanced Agência de Projetos de Pesquisa, ou DARPA.

O evento inclui dois workshops: um encontro virtual que ocorreu no início deste verão e um evento presencial em Boston, de 31 de julho a 2 de agosto.

Shakarian está entre os 100 participantes que trabalham para promover a iniciativa da DARPA de explorar novas direções para a pesquisa em IA, impactando uma ampla gama de tarefas relacionadas à defesa, incluindo sistemas autônomos, plataformas de inteligência, planejamento militar, análise de big data e visão computacional.

No workshop de Boston, Shakarian será acompanhado por Nakul Gopalan, professor assistente de ciência da computação, que também foi selecionado para participar do evento para explorar como sua pesquisa em comunicação humano-robô pode ajudar a atingir os objetivos da DARPA.

Além de seu envolvimento no AI Forward, Shakarian está se preparando para lançar um novo livro em setembro de 2023. O livro, intitulado “Raciocínio e Aprendizagem Neuro-simbólica”, explorará os últimos cinco anos de pesquisa em IA neuro-simbólica e ajudará os leitores compreender os avanços recentes na área.

Enquanto Shakarian e Gopalan se preparavam para os workshops, reservaram um momento para partilhar os seus conhecimentos de investigação e ideias sobre o panorama atual da IA.

Explique suas áreas de pesquisa. Em quais tópicos você se concentra?

Paulo Shakarian: Meu foco principal é IA simbólica e sistemas neurosimbólicos. Para compreendê-los, é importante falar sobre a aparência atual da IA, principalmente como redes neurais de aprendizagem profunda, que representaram uma revolução maravilhosa na tecnologia na última década. Olhando para os problemas especificamente relevantes para o Departamento de Defesa dos EUA, ou DoD, estas tecnologias de IA não tiveram um bom desempenho. Existem vários desafios, incluindo modelos de caixa negra e a sua explicabilidade, sistemas que não são inerentemente modulares porque são treinados de ponta a ponta e a aplicação de restrições para ajudar a evitar colisões e interferências quando várias aeronaves partilham o mesmo espaço aéreo. Com redes neurais, não existe uma maneira inerente ao sistema de impor restrições. A IA simbólica existe há mais tempo do que as redes neurais, mas não é orientada por dados, enquanto as redes neurais são e podem aprender símbolos e repeti-los. Tradicionalmente, as capacidades da IA ​​simbólica não foram demonstradas nem perto da capacidade de aprendizagem de uma rede neural, mas todas as questões que mencionei são deficiências da aprendizagem profunda que a IA simbólica pode resolver. Quando você começa a entrar nesses casos de uso que possuem requisitos de segurança significativos, como defesa, aeroespacial e direção autônoma, há um desejo de aproveitar muitos dados e, ao mesmo tempo, levar em conta restrições de segurança, modularidade e explicabilidade. O estudo da IA ​​neuro-simbólica utiliza muitos dados tendo em mente esses outros parâmetros.

Nakuul Gopalan: Eu me concentro na área de fundamentação de linguagem, planejamento e aprendizagem de usuários humanos para aplicações robóticas. Tento usar demonstrações fornecidas pelos humanos para ensinar ideias simbólicas aos sistemas de IA, como cores, formas, objetos e verbos, e depois mapear a linguagem para esses conceitos simbólicos. Nesse sentido, também desenvolvo abordagens neuro-simbólicas para o ensino de sistemas de IA. Além disso, trabalho na área de aprendizagem de robôs, que envolve a implementação de políticas de aprendizagem para ajudar os robôs a descobrir como resolver tarefas específicas. As tarefas podem variar desde inserir e apertar parafusos nas asas de um avião até entender como modelar um objeto como um micro-ondas para que um robô possa aquecer alimentos. O desenvolvimento de ferramentas nessas grandes áreas problemáticas de aprendizado de máquina e inteligência artificial pode permitir que robôs resolvam problemas com usuários humanos.