20世紀(jì)60年代初，DARPA（當(dāng)時為ARPA）開始介入自主技術(shù)研究，并很快成為該領(lǐng)域的主要研究機構(gòu)。DARPA意識到，人工智能可以滿足大量的國家安全需要。DARPA雖然研制自主技術(shù)的時間較長，但長期以來，其研究的與自主相關(guān)的項目并非在一個固定的技術(shù)領(lǐng)域內(nèi)進(jìn)行，而是分散到多個不同的領(lǐng)域。直到2014年，才正式在國防科學(xué)辦公室下劃分出自主技術(shù)領(lǐng)域。

DARPA自主技術(shù)研究階段

按時間節(jié)點看，DARPA對自主技術(shù)的研究大體上可以分為四個階段：

DARPA從四個方面來評判人工智能技術(shù)的能力，分別是感知、學(xué)習(xí)、抽象和推理。下圖描述了人工智能的三次浪潮在這四個方面能力的不同。

人工智能三次浪潮的能力區(qū)別

DARPA人工智能研究內(nèi)容

DARPA很早啟動了跨學(xué)科人工智能項目，綜合了計算機科學(xué)、數(shù)學(xué)、概率論、統(tǒng)計和認(rèn)知科學(xué)領(lǐng)域內(nèi)的最新成果。DARPA在人工智能方面的研究主要涉及自然語言理解、問題求解以及感知和機器人等領(lǐng)域。

DARPA在人工智能領(lǐng)域開展的研究

自然語言理解——20世紀(jì)70年代初，DARPA啟動了語音識別研究（Speech Understanding Research，SUR）項目。在該計劃中，DARPA支持多個研究機構(gòu)采用不同的方法進(jìn)行語音識別研究，取得較好成績的是CMU的Hearsay-Ⅱ技術(shù)以及BBN的HWIM（Hear What I Mean）技術(shù)。其中Hearsay-II提出了采用并行異步過程，將人講話內(nèi)容進(jìn)行零碎化處理的前瞻性觀念；而BBN的HWIM通過龐大的詞匯解碼處理復(fù)雜的語音邏輯規(guī)則來提高詞匯識別的準(zhǔn)確率。進(jìn)入80年代，DARPA開始采用統(tǒng)計學(xué)的方法研究語音識別技術(shù)，開發(fā)了Sphinx、BYBLOS、DECIPHER等一系列語音識別系統(tǒng)，已經(jīng)能夠整句連續(xù)的語音識別。

2000年之后，DARPA開始研制通過對話進(jìn)行人機交互（HCI）的系統(tǒng)，該系統(tǒng)還能從與不同人的對話中學(xué)習(xí)經(jīng)驗，提供個性化的服務(wù)。2005年，DARPA啟動了全球自動化語言情報利用（GALE）項目。該項目尋求能夠?qū)?biāo)準(zhǔn)阿拉伯語和漢語的印刷品、網(wǎng)頁、新聞及電視廣播進(jìn)行實時翻譯的技術(shù)，目標(biāo)是使得95%的文本文檔翻譯和90%的語音文件翻譯均能達(dá)到95%的正確率。

2008 年11月，DARPA又啟動了Machine Reading項目，旨在實現(xiàn)人工智能的應(yīng)用和發(fā)展學(xué)習(xí)系統(tǒng)的過程中，對自然文本進(jìn)行知識插入。2012年啟動的文本深度發(fā)掘和過濾（Deep Exploration and Filtering of Text，DEFT）項目更加明確地提出要利用深度學(xué)習(xí)技術(shù)發(fā)掘大量結(jié)構(gòu)化文本中隱含的、有實際價值的特征信息，同時還要具備可將處理后的信息進(jìn)行進(jìn)一步整合的能力，在此基礎(chǔ)上，將這些技術(shù)用于作戰(zhàn)評估、規(guī)劃、預(yù)測的輔助決策支持中。

文本深度發(fā)掘和過濾（DEFT）項目

2014年DARPA啟動大機制（Big Mechanism）項目，開發(fā)協(xié)助計算機閱讀科學(xué)和技術(shù)文章的技術(shù)，將知識片段綜合成更完整的模型，并提出實現(xiàn)特定目標(biāo)的干預(yù)措施。

感知和機器人——DARPA于1976年開始圖像理解（Image Understanding）項目。最初的目標(biāo)是用5年的時間開發(fā)出能夠自動或半自動分析軍事照片和相關(guān)圖片的技術(shù)。項目參與單位包括麻省理工學(xué)院、斯坦福大學(xué)、羅切斯特大學(xué)、SRI和霍尼韋爾公司等。1979年，項目的目標(biāo)增加了圖形繪制技術(shù)。到了1981年，預(yù)計5年內(nèi)完成的項目并沒有終止，而是持續(xù)到2001年。

2001年，DARPA為解決環(huán)境感知問題，啟動了PerceptOR項目，其目的是開發(fā)新型無人車用感知系統(tǒng)，要求系統(tǒng)足夠靈巧，能夠保證無人車在越野環(huán)境中執(zhí)行任務(wù)，并且能在各種戰(zhàn)場環(huán)境和天氣條件下使用。2005年該項目完成階段性研究，后轉(zhuǎn)移到“未來作戰(zhàn)系統(tǒng)地面無人車集成產(chǎn)品”項目，進(jìn)行系統(tǒng)開發(fā)與測試。

2010年3月，DARPA啟動了心靈之眼（Mind’s Eye）項目，旨在為機器建立視覺的智能，可對視頻信息進(jìn)行形象推理。

Mind’s Eye項目

可解釋的人工智能（Explainable Artificial Intelligence，XAI）項目

2016年10月，DARPA發(fā)布可解釋的人工智能項目的廣泛機構(gòu)公告（BAA），其目標(biāo)是建立一套新的或改進(jìn)的機器學(xué)習(xí)技術(shù)，生成可解釋的模型，結(jié)合有效的解釋技術(shù)，使得最終用戶能夠理解、一定程度的信任并有效地管理未來的人工智能系統(tǒng)。通過該項目，新的機器學(xué)習(xí)系統(tǒng)將能解釋自身邏輯原理、描述自身的優(yōu)、缺點，并解釋未來的行為表現(xiàn)。

可解釋的人工智能

這一項目提出了三個挑戰(zhàn)：如何生成可解釋模型、如何設(shè)計解釋接口、如何理解用戶心理需求以進(jìn)行有效地解釋。對此，該項目將開發(fā)一系列新的或改進(jìn)的機器學(xué)習(xí)技術(shù)，生成更多的可解釋模型；希望將最新的人機交互技術(shù)（如可視化、語言理解、語言生成和會話管理）與新的原則、策略和技術(shù)相結(jié)合，獲得有效的解釋；總結(jié)、拓展和應(yīng)用當(dāng)前的關(guān)于解釋的心理學(xué)理論。

該項目分為兩個技術(shù)領(lǐng)域：可解釋的學(xué)習(xí)者（Explainable Learners）和解釋的心理學(xué)模型（Psychological Models of Explanation）。

XAI項目的架構(gòu)

2017年3月，DARPA從學(xué)術(shù)和工業(yè)界中挑選出了13家研究機構(gòu)進(jìn)行資助，包括加州大學(xué)伯克利分校、加州大學(xué)洛杉磯分校、卡耐基梅隆大學(xué)、SRI、Rutgers、PARC、Raytheon等。

目前，華盛頓大學(xué)的研究團隊已經(jīng)取得了一些研究成果：研究團隊開發(fā)了一種方法，可以讓人工智能系統(tǒng)闡述其輸出結(jié)果的基本原理，人工智能系統(tǒng)（計算機）將會從數(shù)據(jù)集中自動找到一些樣本，然后給出簡短的解釋；研究團隊還針對圖形識別系統(tǒng)設(shè)計了一些方法，通過標(biāo)注圖片上最重要的部分來揭示圖形識別系統(tǒng)的判斷邏輯。

終身學(xué)習(xí)機器（Lifelong Learning Machines，L2M）項目

DARPA于2017年啟動L2M項目，探索生物學(xué)習(xí)機理在人工智能中的應(yīng)用，推進(jìn)新一代人工智能系統(tǒng)的發(fā)展。該項目的目標(biāo)是開發(fā)支持下一代自適應(yīng)人工智能系統(tǒng)所需的技術(shù)，使其能夠在實際環(huán)境中基于情景進(jìn)行在線式現(xiàn)場學(xué)習(xí)并改善性能，不需要進(jìn)行線下再編程或再訓(xùn)練。這種持續(xù)自主學(xué)習(xí)的能力可幫助系統(tǒng)在沒有預(yù)編程與訓(xùn)練的情況下適應(yīng)新情景。

終身學(xué)習(xí)機器

L2M試圖將生物學(xué)習(xí)機理應(yīng)用于計算機機器學(xué)習(xí)系統(tǒng)，打破現(xiàn)有機器學(xué)習(xí)系統(tǒng)對預(yù)編程和訓(xùn)練樣本的依賴，使人工智能系統(tǒng)像生物系統(tǒng)一樣能夠根據(jù)經(jīng)驗進(jìn)行決策，提高行動的自主性，增強廣度環(huán)境適應(yīng)能力。為了實現(xiàn)這一目標(biāo)，L2M項目旨在從根本上開發(fā)一種全新的機器學(xué)習(xí)機制，使系統(tǒng)能夠從經(jīng)驗中不斷學(xué)習(xí)，這與孩童和其他生命體一生不斷從經(jīng)驗中進(jìn)行學(xué)習(xí)與訓(xùn)練的機制非常相像。

L2M項目的架構(gòu)

L2M項目周期為4年，有兩個技術(shù)領(lǐng)域。第一個技術(shù)領(lǐng)域是開發(fā)機器學(xué)習(xí)框架，可持續(xù)應(yīng)用過去的經(jīng)驗成果，并使用“經(jīng)驗教訓(xùn)”去適應(yīng)新的數(shù)據(jù)或情景；同時，還需開發(fā)用于監(jiān)測機器學(xué)習(xí)系統(tǒng)行為的技術(shù)，對系統(tǒng)可以適應(yīng)的能力范圍進(jìn)行設(shè)置，并具備在必要時對系統(tǒng)進(jìn)行干預(yù)的功能。第二個技術(shù)領(lǐng)域源自對生命體學(xué)習(xí)機制的學(xué)習(xí)，將專注于研究生命系統(tǒng)自我學(xué)習(xí)和適應(yīng)的原理和技術(shù)；并考慮這些原理和技術(shù)是否能夠以及如何應(yīng)用在機器學(xué)習(xí)系統(tǒng)中。

通過研發(fā)新一代機器學(xué)習(xí)技術(shù)，使其具備能夠從環(huán)境中不斷學(xué)習(xí)并總結(jié)出一般性知識的能力，L2M項目將為第三次人工智能技術(shù)浪潮打下堅實的技術(shù)基礎(chǔ)。

DARPA人工智能探索計劃（AIE）

2018年7月26日，DARPA推出人工智能（AI）探索（Artificial Intelligence Exploration，AIE）計劃，旨在加快AI平臺的研究和開發(fā)工作，以幫助美國保持其在AI領(lǐng)域的技術(shù)優(yōu)勢。人工智能探索計劃（AIE）是DARPA的內(nèi)部計劃，DARPA根據(jù)其下國防科學(xué)辦公室開創(chuàng)的“Disruptioneering”快速跟蹤征集流程（用于支持各種技術(shù)開發(fā)概念）推出該計劃。與Disruptioneering一樣，AIE將定期發(fā)布與興趣主題相關(guān)的特殊通知（“AIE機會”），簡化的提案、合同和資助流程，使個人和組織機構(gòu)更容易為 DARPA 提供幫助。

DARPA表示，AIE計劃將專注于“第三波”人工智能的應(yīng)用及理論，旨在讓機器適應(yīng)不斷變化的情況。AIE計劃旨在進(jìn)行AI試點、概念驗證、將商業(yè)技術(shù)平臺用于國防用途，以及操作或技術(shù)工具的設(shè)計、開發(fā)與演示。

DARPA宣布投入20億美元，開發(fā)人工智能新技術(shù)

2018年9月8日，DARPA宣布計劃投入20億美元開發(fā)新的人工智能（AI）技術(shù)，這是該機構(gòu)“AI Next（下一代人工智能）”計劃的一部分。這筆錢將用于資助DARPA新的和現(xiàn)有的人工智能研究項目。DARPA在一份聲明中稱，該機構(gòu)將致力于打造具有常識、能感知語境和更高能源效率的系統(tǒng)。