DARPA 开发用于自然语言处理的深度学习项目

美国国防部高级研究计划局(DARPA)正在开发能够更好理解人类语言的深度学习技术,可以自动向情报分析人员汇报有用信息。

提到人工智能和自然语言处理,人们会想到谷歌、微软和雅虎等公司,却忽略了另外一条技术鲶鱼——DARPA。后者目前正在开发的一个“文本深度发掘与过滤”项目(DEFT),能够分析人类自身难以胜任的超大规模文本处理工作。

从DARPA的官网我们了解到这个项目启动与2012年中,至今已经开展了四年半时间,以下是DARPA官网对DEFT项目的介绍:

自动化的深度自然语言处理(NLP)技术是高效处理文本信息并理解文本之间隐含关联的有效解决途径。DARPA启动DEFT项目的目的是为了驾驭 NLP的威力。类似NLP的复杂人工智能技术,可以大幅提高国防分析师调查和处理文档的效率,从而发现一些隐秘的,可以指导行动的有用信息。

换而言之,DEFT自然语言深度处理技术可以帮助情报分析师们快速处理大量文本和语音信息,了解“人物、时间、地点、事由”等关键信息,并解读一些模糊的说法或者暗示。

显然,自然语言深度处理技术对于政府互联网监控、执法部门的犯罪预防以及大数据反恐应用来说都具有重要意义。

目前DARPA寻求通过其资助的多所大学(包括斯坦福大学、卡内基梅隆大学和哥伦比亚大学)推动DEFT项目。

作为奥巴马政府2012年启动的2亿美元的政府大数据研究计划的一部分,美国国防部同时也宣布在大数据领域每年将投入2500万美元,其中600万美元用于支持新的研究项目。而DARPA当时开展XDATA项目,计划在四年内投入1亿美元开发能够过滤海量结构化和非结构化数据的计算机软硬件技术。除了DEFT项目外,DARPA还正在积极开展其他机器学习领域的技术研发,例如图谱分析、时间线关联等高级大数据可视化分析项目。

文章转载自 开源中国社区 [http://www.oschina.net]

时间: 2024-10-23 01:40:38

DARPA 开发用于自然语言处理的深度学习项目的相关文章

GitHub 上 57 款最流行的开源深度学习项目

GitHub 上 57 款最流行的开源深度学习项目 本文整理了 GitHub 上最流行的 57 款深度学习项目(按 stars 排名).最后更新:2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了2倍. TensorFlow 内建深度学习的扩展支持,任何能够用计算流图形来表达的计算,都可以使用 TensorFlow.

私人珍藏,九个开源的顶级深度学习项目

在过去几年,计算机科学家在人工智能(AI)方面取得了巨大的飞跃,也让人工智能技术变得越来越普遍. 而深度学习无疑又是人工智能的研究热点,那么现在都有哪些最流行的开源深度学习工具? 本文将为您推荐最着名的9个开源顶级深度学习项目. 1. Caffe Caffe最初由加州大学伯克利分校博士生创建,是一个深受欢迎基于表达体系结构和可扩展代码的深度学习框架.受欢迎是因为它的表达架构.可扩展代码和速度. 操作系统:Windows,Linux,macOS. 2. CaffeOnSpark 首先在雅虎开发,将

AI初创公司Bitfusion融资500万美元简化深度学习项目

人工智能工作负载的复杂性可以让这些负载非常难以部署.应用团队必须构建专门的基础设施,有效地支持运行在底层的深度学习神经网络算法,而这正是Bitfusion正在努力解决的问题. 这家初创公司在新一轮融资中获得500万美元,投资方包括Sierra Ventures.Data Collective.Resonant Ventures Partners和Geekcom(一家位于美国德克萨斯州的加速器).Bitfusion宣布该消息的同时,还推出了Bitfusion AI Platform,这是一个革新的

IBM 联合英伟达开发“最快的商用深度学习系统”

IBM和NVIDIA宣布将合作开发IBM PowerAI,一款可以加速训练人工智能的系统,也将会增强IBM Watson能力的软件工具. 在这周一公布的IBM PowerAI是一款训练人工智能和机器学习系统的软件工具.它所使用的是IBM一款专门为人工智能生产的服务器,并采用了NVIDIA的NVLink技术,可以把电脑学习的速度大大提高. 在提供给媒体的发布邮件中,IBM PowerAI被称为"世界上最快的商用深度学习软件",可以"帮助训练电脑更快的达到可以像人类思考和学习的境

【Hadoop Summit Tokyo 2016】用于欺诈检测的深度学习

本讲义出自Ted Dunning在Hadoop Summit Tokyo 2016上的演讲,主要分享了在对于深度学习和欺诈检测的探索中发现的艺术以及在这个过程中学习到的经验,最后还分享了一些使用深度学习技术进行欺诈检测方面的可行的指导.

新工具——TensorLayer:管理深度学习项目的复杂性

更多深度文章,请关注:https://yq.aliyun.com/cloud 对于深度学习开发者来说,深度学习系统变得越来越复杂.以至于我们需要使用轻量级的工具从头到尾来管理流程,为了将更多的连续学习内置到神经网络中,这就要求我们建立可以迭代增强的更有弹性的数据集以及更多的动态模型. 深度学习开发人员必须花费大量的时间来整合神经网络的组件,管理模型生命周期,组织数据和调整系统并行度等等.随着使用新的培训样本后,人类对于神经网络模型的见解,更新模型和跟踪其变化的能力就变得非常必要了.为此伦敦帝国理

Facebook开源深度学习项目Torchnet

Facebook发表了一篇学术论文和博客,详细介绍基于Lua的Torchnet项目.这是一个以深度学习为中心的新的开源项目,以之前开源的Torch库为基础构建. 在一次采访中,Facebook人工智能研究实验室(FAIR)的Laurens van der Maaten指出,它可以用于类似图像识别.自然语言处理这样的工作,其方法和面向Theano框架的Blocks和Fuel Python库类似.他还指出: 举例来说,它让完全隐藏I/O[输入/输出]开销变得非常简单,如果想要训练一个实际的大规模深度

深度学习项目实战——“年龄预测”

更多深度文章,请关注:https://yq.aliyun.com/cloud 介绍: 你可以通过阅读或者观看视频/MOOC来学习数据科学,接着你就必须将学到的知识应用到解决问题当中来.你需要完成这两件事才能有效地完成你的学习计划.接下来这篇文章旨在向你介绍深度学习如何应用到一个有趣的问题. 今天我们将用深度学习来解决年龄检测问题. 如果你是刚刚想要进入深度学习领域的new boy.请先阅读下面的文章,它们能帮你了解并且快速进入深度学习领域: https://www.analyticsvidhya

自然语言理解-从规则到深度学习

1. 引言 自然语言理解是人工智能的核心难题之一,也是目前智能语音交互和人机对话的核心难题.维基百科有如下描述[1]: Natural language understanding (NLU) is a subtopic of natural language processing in artificial intelligence that deals with machine reading comprehension. NLU is considered an AI-hard probl