人工智能技术的发展可以踢出一个档次吗？智力的科学家高级研究项目活动（IARPA）当然希望如此，最近发布了一个请求信息关于如何更快且始终如一地实现AI的进步。
“人工智能，在此定义为计算机模拟认知过程，如感知，认可，推理和控制，已捕获公众的想象超过60年。然而，人工智能研究的拟合研究并开始了多大的时间，因为该领域重演了繁荣/胸部周期，其特征在于承诺的进展突发，然后令人兴奋的期望和终于幻灭，导致已知为“AI”冬天“ - 长期减少的研究和资金活动，”Iarpa写道。IARPA是国家情报总监办公室的高风险，高奖励研究臂。
+更多网络世界：足球竞猜app软件2015年最奇怪，最古老和最酷的SCI /技术故事+
IARPA指出，“传统智慧一直是新算法是对人工智能稳步发展的限制因素。然而，机器学习的最新进步，人工智能子领域已经建立了与高性能计算机结合的历史算法可用于在图像和语音识别等各种任务中实现几乎人类的性能，语言翻译和视频游戏播放。在这些情况下，在许多其他情况下，通过适合在研究下的问题的大量培训数据的可用性提供了快速进展。“
+更多网络世界：足球竞猜app软件壮观的黑洞空间图像+
它在这些增加的数据培训资源中，IARPA专注于这一RFI要求人工智能研究界，如果创造的话，培训资源将最有可能推动AI进展。
IARPA问这些问题：
- 哪些问题域名具有最大的潜力，可以从新的培训资源的可用性中受益以及为什么？
- 需要哪些新的培训资源来实现这一领域的重要进展？这些资源应该如何构建？建议的资源如何与现有资源进行比较？
- 创建和/或策划这些培训资源需要什么样的努力？什么技术，后勤和/或法律挑战与这种努力有关？这样的努力成本是多少，它需要多长时间？将需要多少努力和金钱来存储，维护，分发和/或利用拟议的培训资源？
- 谁将成为拟议培训资源的主要利益攸关方？这些利益相关者如何使用拟议的资源？
- 年度挑战（例如，Imagenet大规模视觉认可挑战）采用标准数据培训和/或评估的数据已经有助于促进许多机器学习问题域中的进展。如果在提议的问题域中创建挑战，如果是，那么，应该如何设计，实施和判断？
RFI只是IARPA最近的一个，以推进人工智能和机器学习技术。1月，该机构宣布了一项计划，其主要目标是逆转工程师脑算法。从皮质网络（Microns）称为机器智能的五年计划将为参与者提供“占据潜力最大的潜力的独特机会，通过精心计划的实验和数据分析来获得答案。”
IARPA表示，“尽管过去几年的机器学习中取得了重大进展，但今天最先进的算法是脆性的，并没有概括。相反，大脑能够在存在显着的噪声和非线性变换的情况下鲁棒地分离和分类信号，并且可以从单个例子外推到整个刺激。“
查看这些其他热门故事：
美国国税局警告：单独纳税年度的网络钓鱼和恶意软件洪水400％
联邦调查局在NFL超级碗之前抓住了价值3900万美元的假体育装备
START Trek的USS Enterprise获得严重的史密森恢复