DARPA собирается перевести всю систему обороны на модульную, гибкую основу, с возможностью заменять части на более современные без замены всей системы. Это необходимо из-за быстрого развития технологий. В этой ситуации сложный и медлительный ВПК (да, у них он тоже сложный и медлительный!), в котором софт, бывает, пишется десятилетями, просто не может существовать.

Вместо относительно небольшого числа дорогих пилотируемых платформ, нужно переходить смешанное сочетание пилотируемых и беспилотных систем всех видов: от 130-футовых роботов-судов до одноразовых карманных роботов насекомых. Вместо архитектур, предназначенных для единственного вида и размера машины, нужны системы, которые могут быть масштабированы вверх и вниз. И вместо хрупких централизованных сетей, зависящих от нескольких средств передачи данных и несколько центральных узлов, нужны высоко распределенные сети, которые устойвивы к физической атаке, глушению и взлому. Чем больше сеть, тем быстрее вражеская кибератака может распространиться по ней.

Также DARPA меняет принципы утсройства систем радио-электронной борьбы. Раньше корабль или самолет, встречающий необычный профиль локаторного или иного электромагнитного сигнала, записывал его, возвращался на базу, и дальше его могли исследовать месяцами. Это было уместо в те времена, когда радары и другие радиоэлектронные системы было трудно перестроить. Теперь же это вопрос минут или часов - апгрейд ПО. И РЭБ должна измениться тоже - теперь на борту судна или самолета должен быть искусственный интеллект, который изучает и вырабатывает средство противодействия неизвестному ЭМ-сигналу в режиме реального времени.

В целом, в военных действиях количество данных для обработки в реальном времени достигло уровня Big Data и должны обабатываться компьютером. В идеале, командиру должны быть предложены на выбор 2-3 простых варианта действий после обработки всей информации.

Но тут появляется этический вопрос - как мы можем быть уверены, что компьютер нигде не ошибся и командир был правильно информирован? А ведь на основе этих данных ему, быть может, придется принять решение об убийствах. Раньше всем этим анализом занимался огромный аппарат штабных офицеров и в случае обнаружение ошибки, ее можно было отследить до конкретного человека и, например, отдать его под трибунал. Кого и как привлекать к ответственности в случае обработки данных компьютером? "Это одна из самых сложных для нас проблем" - говорят военные. "Кроме этого, в случае использования алгоритмов Deep Learning мы даже не полностью знаем, что именнно происходит в компьютере".

http://breakingdefense.com/2016/02/faster-than-thought-darpa-artificial-intelligence-the-third-offset-strategy/

Команда исследователей добилась самой высокой в мире скорости передачи цифровой информации - 1,125 терабит в секунду.

Весь сериал Игры Престолов в HD за секунду

http://gizmodo.com/researchers-achieve-fastest-ever-data-transmission-at-b-1758452054?utm_campaign=socialflow_gizmodo_facebook&utm_source=gizmodo_facebook&utm_medium=socialflow

Как слабый искусственный интеллект применяется в повседневной жизни

В компьютерном зрении и 3D-реконструкции в медицине, кинематографе и управлении автомобилем.

http://postnauka.ru/faq/36547

Серия постеров для календарей 2016 года от Лаборатории реактивного движения NASA, которые будут распространяться среди сотрудников агентства, ученых, инженеров и чиновников.

Cерия постеров для SpaceX в стиле туристических листовок на Марс.

Cерия постеров NASA тоже для календарей, но не этого года - про необычную жизнь на других планетах, пригодных для обитания - необычная гравитация, два солнца, красная трава

Последние три даже в исходном разрешении - хоть печатайте на плоттере и вешайте на стену

Каждый плакат надо читать - там с юмором написано!
И конечно, нужно смотреть под песню вроде David Bowie – Life On Mars, или под электронное что-то, если вы воспринимаете космос лучше под него.

Роботов обучат этике через чтение книг

Ученые полагают, что искусственный интеллект может научиться человеческим ценностям, если он будет обладать обширной базой возможных поведенческих сценариев, в которых определенные действия награждаются, а другие наказываются. Такой базой могут служить романы и рассказы, в которых наиболее часто встречающееся поведение героев соответствует человеческим ценностям.

Чтобы проверить свой подход, ученые воспользовались искусственным интеллектом под названием «Шахерезада», который способен генерировать истории. Для этого он использует упрощенные тексты, которые запрашивает с краудсорсинговой платформы Amazon Mechanical Turk. Искусственный интеллект группирует предложения из текстов на основе их семантической схожести с использованием кластерных алгоритмов. Каждое предложение представляет собой определенное событие. Далее программа с помощью биноминального распределения оценивает вероятность, в каком хронологическом порядке могут располагаться события, и какие из них являются взаимоисключающими. Таким образом, «Шахерезада» создает дерево историй — множество возможных цепочек событий.

Исследователи построили небольшое дерево историй для простой симуляции, названной Аптечным миром (Pharmacy World). Аптечный мир включал в себя локации, например, аптека, дом, клиника или банк, в которых были возможны те или иные действия, включая кражу. Цель интеллектуального агента — виртуального робота — заключалась в том, чтобы взять из аптеки лекарство, на которое был необходим рецепт, и вернуться домой.

Всего было возможно 213 различных вариантов историй, при этом некоторые события в историях встречались чаще, чем другие. Если интеллектуальный агент выполнял действие, которое соответствовало часто встречающемуся событию, то он получал вознаграждение. Таким образом, осуществлялось Q-обучение агента.

Результаты симуляции показали, что обученный агент никогда не использовал кражу, чтобы быстрее и эффективнее добиться цели. Вместо этого он действовал так, чтобы максимизировать свою награду.

Перевод: https://nplus1.ru/news/2016/02/13/humanvaluestorobots

Оригинал: http://www.cc.gatech.edu/~riedl/pubs/aaai-ethics16.pdf

Марк Ридл - один из авторов статьи из предыдущего поста

И сама исходная статья Using Stories to Teach Human Values to Artificial Agents
by Mark O. Riedl and Brent Harrison: