DARPA তৈরির জন্য "ভার্চুয়াল ডেটা সায়েন্টিস্ট" সহ সহায়ক।

ডিফেন্স অ্যাডভান্সড রিসার্চ প্রজেক্টস এজেন্সি (ডারপা) শুক্রবার ঘোষণা করেছে ডেটা-ড্রাইভ ডিসকভারি অফ মডেলস (ডি 3 এম), যার লক্ষ্য অণু বিশেষজ্ঞ ব্রিজকে সাহায্য করবে যা কৃত্রিম সহায়কদের সাহায্য করার অনুমতি দিয়ে "তথ্য-বিজ্ঞানের দক্ষতা ফাঁক" বলে। মেশিন লার্নিং সঙ্গে মানুষ। DARPA এটি একটি "ভার্চুয়াল তথ্য বিজ্ঞানী" সহকারী কল।

এই সফটওয়্যারটি দ্বিগুণ গুরুত্বপূর্ণ কারণ এই মুহূর্তে ডেটা বিজ্ঞানীগুলির অভাব রয়েছে এবং আরও ডেটা-চালিত সমাধানগুলির চেয়ে বেশি চাহিদা রয়েছে। DARPA বলছে বিশেষজ্ঞরা ২013 সালের 2016 সালের 140,000 থেকে 190,000 তথ্য বিজ্ঞানীকে ঘাটতি দিচ্ছে এবং আগামী বছরগুলিতে শর্টফ্লস বাড়ছে।

উদাহরণস্বরূপ, শহরের আবহাওয়া, স্কুল, অবস্থান এবং অপরাধের কারণগুলি শহরের শহরের ম্যানহাটানের সড়ক ভাগ করার পরিষেবাদিগুলির জন্য ব্যান্ডেজকে প্রভাবিত করার জন্য একটি মডেল তৈরি করার জন্য, NYU ছাত্রদের একটি দল 90 মাসেরও বেশি সময় কাজ সম্পন্ন করতে সমানভাবে ব্যয় করেছে মডেলটি. DARPA এ সব সময়ই সমস্যাগুলি দেখে এবং D3M প্রোগ্রামটি ভবিষ্যতে মডেলগুলি তৈরির জন্য প্রয়োজনীয় সময় এবং দক্ষতাগুলি হ্রাস করার জন্য এটি নির্মাণের চেষ্টা করবে।

DARPA এর ইনফরমেশন ইনোভেশন প্রোগ্রাম প্রোগ্রাম ম্যানেজার ওয়েড শেন বলেন, "পরীক্ষামূলকভাবে আজকের পরীক্ষামূলক পরীক্ষাগুলি ম্যানুয়াল প্রক্রিয়াটি, যা ডেটা বিশেষজ্ঞদের আবহাওয়া এবং ট্র্যাফিকের মতো স্টকাস্টিক উপাদানগুলিকে অনুবাদ করার জন্য প্রয়োজন বোধ করে, যাতে প্রকৌশলী এবং বিজ্ঞানীরা প্রশ্ন করতে পারেন।" দপ্তর. "আমরা বিশ্বাস করি ডেটা বিজ্ঞানের নির্দিষ্ট দিকগুলি স্বয়ংক্রিয়ভাবে চালানো সম্ভব, এবং বিশেষ করে মেশিনগুলিকে পূর্বের উদাহরণ থেকে কীভাবে নতুন মডেল তৈরি করা যায় তা শিখতে পারে।"

একটি প্রতিরক্ষা সংস্থা হিসাবে, অবশ্যই, DARPA এই এআইআই কিভাবে দেখছে। যুদ্ধক্ষেত্র প্রভাবিত এবং আরো জীবন বাঁচাতে পারে।

গুগল ইতিমধ্যে এটির এআই ব্যবহার করছে। যুক্তরাষ্ট্রের পরিবহন বিভাগের স্মার্ট সিটি চ্যালেঞ্জের সাথে বর্ণমালার সিডওয়াক ল্যাবসের অংশীদারিত্বের মতো একই কাজগুলি করা, যার লক্ষ্য ডেটা-সংগ্রহের অবকাঠামোটি ব্যবহার করা, যাতে নগদ নগরগুলিতে নগদতা এবং পার্কিং সহজ করতে সহায়তা করা যায়।

সমাজের সমস্যা সনাক্ত করতে সহায়তা করার জন্য তথ্য বিজ্ঞানী এবং অ-বিশেষজ্ঞদের ছোট দলগুলি মেশিন লার্নিং মডেল ব্যবহার করতে পারে, তবে সমাধানগুলির বাস্তবায়নের জন্য তথ্য বিশ্লেষণের জন্য আরও সময় থাকবে।

শেন বলেন, "সন্ত্রাসী ও মুক্ত উত্স থেকে ডেটা বৃদ্ধির ফলে ট্র্যাফিক থেকে সবকিছু বোঝার ক্ষমতা আমাদের পক্ষে ক্রমশই সম্ভব।" "আশা করা যায় যে D3M মডেলের বিকাশের মৌলিক বিষয়গুলি পরিচালনা করবে যাতে মানুষ নতুন উপায়ে তথ্য দেখতে তাদের মানব বুদ্ধিমত্তা প্রয়োগ করতে পারে এবং এমন সমাধান এবং সম্ভাবনার কল্পনা করতে পারে যা আগে থেকেই স্পষ্ট বা এমনকি ধারণযোগ্য ছিল না।"