人工智能(AI)系统 - 很多人预测它将在某一天超过人类智能的智能机器 - 也与主题斗争。为了解决这个问题，布法罗大学的工程师获得了100万美元的国防高级研究计划局资助，将基于物理的模型与传统的数据驱动的AI方法结合起来。

目标是提供人工智能系统，这些系统在特定框架内工作，缺乏解释其推理过程的工具，通过物理学拥有更广泛的知识基础。理论上，这将允许更加简化，高效和适应性强的AI系统 - 防御系统的理想特性，例如在不受控制的环境中运行的无人驾驶飞行器(UAV)。

“无人驾驶飞行器的训练是避免碰撞。例如，他们发现另一只无人机或鸟类，并采取行动，如减速，以避免撞击该物体，“该补助金的首席研究员Rahul Rai博士说，他是UB工程学院机械和航空航天工程副教授。应用科学。

他接着说：“我们提出的建议是让无人机了解物体的物理特性，比如鸟儿如何飞翔。这些信息与其他传感器正在处理的天气和数据相结合，将为无人机提供更好的防撞机制。

为了实现这一目标，Rai和他的研究团队将整合基于物理的模型 - 这些基于数学的公式可以解释我们周围的世界，例如爱因斯坦的E = MC 2 - 进入指导机器学习，深度学习和其他数据驱动的AI系统。

“从某种意义上说，我们正在为人工智能系统教授物理学，”他说。

由于这些组合模型将为AI系统提供对周围环境的更好理解，因此Rai表示应该减少纯数据驱动的AI系统所需的数据量。他说，反过来，这将导致更高效，成本更低的系统。

他说：“我们的目标是创造出能够很好地推广的混合系统，这意味着他们能够很好地适应那些数据可能无法获得的外国环境。”

Rai是去年9月推出的布法罗人工智能研究所大学的成员。该研究所以健康，医药和自主系统为重点，推进优化人机伙伴关系的核心人工智能技术，并提供补充工具和技能，以了解这些技术的社会影响。