河套 IT TALK 51：（原创）聊聊美国国防高级研究计划局正在投资的项目(二)
【太长不看】(TLDR) ：本文介绍了10个DARPA目前正在投资的项目，分别为：EDGE（复杂系统的可扩展性界面设计）、EXTREME（用于隐身的极限光学与成像）、FS2（食品安全和粮食危机检测和预警机制）、GRIT（用于无损检测的伽马射线检测技术）、Habitus（本土文化决策建模）、ITM（动态和复杂的困难状况下的快速决策算法）、IAMBIC（结合了量子信息技术的超高清模模态成像）、用于战车的被动光源隐形车灯、KMASS（大规模快速知识管理系统）以及Make-It（基于人工智能的分子发现优化合成算法）。
在前文我们对美国国防高级研究计划局（DARPA）做了一个简短的介绍。
DARPA的项目相当多都是公开的，由于机构运作节奏很快，所以项目也不停地启动和终结。但有一点是毫无疑问的：了解DARPA正在资助什么项目，会有助于我们了解美国科技的前沿。这个系列，我们将分大约分几期来阐述当下DARPA网络公开的正在资助的科研工程项目，让大家一窥端倪，或许能对在科技前沿的方向选择上的朋友有一定程度的启迪。
本文，我们将继续和大家介绍另外10个DARPA正在投资对项目。
注意我们对每个项目的解读也有自身知识结构的局限，如果想进一步了解更多信息，可以去公开渠道自行查询。
EDGE
EDGE是Enhancing Design for Graceful Extensibility（优雅的可扩展性增强设计）的缩写。
现在很多系统的功能非常多，越来越复杂，尽管我们经常提到更加便捷和简单的交互，但随着系统升级复杂度越来越提升，交互也不可避免变得越来越复杂。而往往优化和更新交互系统也非常困难，既要考虑新的交互方式，又要兼顾旧的交互的继承等等，同时人有限的认知负荷又无法适应纷繁复杂的交互变化。
这个项目的目标就是构建一种更加模块化，更为灵活，更容易扩展和可重用的交互系统、架构和标准，以及构建这套系统的开发、测试和验证手段。也就是说，可以适应随着时间的推移不断变化的需求和要求，而无需进行重大的重新设计或重新设计。这个项目还有另外一个方面，就是关于人机交互界面的操作者偏好定制能力。这个项目基本分为以下几个领域的研究：
1. 真正乐高化的用户界面设计方式。
2. 应对模块化设计的底层软件架构。
3. 有关认知负荷和生理局限的人因研究。
4. 全新的HMI交互技术，不排除BMI（脑机接口）。以提升整体系统的运作性能。
关键词：人机交互、模块化设计、人因工程
EXTREME
EXTREME是Extreme Optics and Imaging（极限光学与成像）的缩写。
该计划的目标是使用工程光学材料 (EnMats) 开发新的光学元件、设备、系统、架构和设计工具。EnMats 是在纳米级设计的材料，可以以独特的方式操纵光。
EnMats 涵盖范围广泛的材料，包括超材料（金属和电介质）、散射面和散射体、全息结构和衍射元件。
以上专业词汇，每个都不简单。
超材料是以精心设计的人造材料，它们通常由小于光波长的重复单元或“元原子”组成，以传统材料无法实现的方式操纵电磁波，比如：负折射、隐形和完美吸收。例如，它们可以设计为使物体周围的光线弯曲，从而产生使物体不可见的隐形效果。超材料还可用于制造透镜，将光线聚焦到衍射极限之外，从而实现高分辨率成像和传感。
散射面和散射体可以使光发生散射。
全息结构通过激光波的干涉产生的三维图案。在全息结构中，物光束和相干光的参考光束结合在一起，在感光材料上形成干涉图样。当用激光照射时，这种干涉图案会产生原始物体的三维图像。
衍射元件利用衍射来操纵光路的光学元件。衍射是光波在穿过孔径或绕过障碍物时发生的弯曲和传播。衍射元件可用于创建复杂的光图案，例如全息图、光栅和透镜。衍射元件的例子包括衍射光栅，它把光分解成它的组成波长，以及全息透镜，它使用全息结构来聚焦光。
这个项目，如果我没有猜错的话，大概率是为设计隐身斗篷做基础的光学材料的准备。
关键词：超材料、全息影像、隐身
FS2
FS2是Foundational Security for Food Systems（食品系统的基础安全）的缩写。
温室效应、紧张的去全球化但国际形势，让本来已经缓解了的粮食危机，又开始走向恶化的趋势。特别是小麦、大米和玉米。
FS2 计划旨在加强食品系统的基本要素，以增强其弹性并降低其对破坏的脆弱性。应对粮食系统面临的安全挑战，例如气候变化、地缘政治紧张局势、新发传染病、基因变异等等。项目会构建一种粮食危机检测和预警机制。
FS2是更大的一个项目Disruptioneering 计划的子集。Disruptioneering 计划旨在解决复杂问题并开发突破性技术，这些技术有可能改变整个行业或解决紧迫的国家安全挑战。
关键词：粮食安全预警
GRIT
GRIT是Gamma Ray Inspection Technology（伽马射线检测技术）的缩写。
GRIT旨在开发一种新方法，以紧凑的外形生成高强度、可调谐和窄带宽伽马射线。伽马射线是一种高能电磁辐射，用途广泛，包括医学成像和癌症治疗。然而，产生伽马射线的传统方法需要大型且昂贵的设施，这对于许多应用来说并不实用。GRIT 计划旨在开发一种产生伽马射线的新方法，这种方法更紧凑、更便携且更具成本效益。
该技术有可能实现一系列应用，包括检测和识别货物中走私的核材料、各种规模的无损检测技术以及新的医学诊断和治疗。典型应用场景是检测和识别隐藏的核材料，例如武器或放射性物质。项目重点是开发先进的伽马射线探测和成像技术，这些技术可用于扫描货物集装箱、车辆或其他物体以寻找隐藏的核材料。伽马射线是一种高能电磁辐射，可以穿透铅或混凝土等致密材料，使其成为检测可能不受其他类型辐射影响的核材料的理想选择。
关键词：伽马射线检测技术、无损检测、医学诊断、走私核材料
Habitus
Habitus不是缩写，就是原义：习性。
“habitus”一词指的是具有特定社会群体或社区特征的一系列性格、态度和行为。该项目旨在捕捉和利用这种当地人通常知道但外人不易察觉的隐性知识。说白了，就是文化背景差异，会导致认知差异，进而造成的一种决策模式的差异性。很多时候，不理解这种文化差异，会相当人做出很多对当地人匪夷所思的决策，显得水土不服。
Habitus 项目专注于通过获取和利用当地文化知识来支持决策制定，从而为美军军事运营商开发新的决策能力。该项目旨在通过开发新的参与机制和方法来根据当地人的输入创建本地系统的预测性因果模型，从而使美军军事操作员可以了解特定社区的当地文化、习俗和做法，并利用这些知识建立基于信任和相互理解的关系，以支持军事行动。做出更明智的决策，并在复杂的环境中更有效地运作。
关键词：文化适应性、认知差异、决策建模
ITM
ITM是In the Moment（就在当下）的缩写。
ITM旨在开发能够在动态和困难的情况下独立做出复杂和快速决策的算法。
这里主要说的困难情况一般是军事行动中，比如大规模伤亡分流和救灾，这些领域通常没有人类共识或可用的基本事实。而且也容易让人受主观情感所左右，而丧失理性。在这种情况下，拥有可以快速准确地做出决策的可信算法至关重要，就像可信的人类决策者所做的那样。
ITM 项目旨在识别动态设置中可信人类决策基础的关键属性，并通过计算表示这些属性，为可信人类决策者和算法生成定量对齐框架。该框架将用于了解算法如何与受信任的人保持一致，使算法能够合并受信任的属性，并支持可以调整以与特定的受信任的人保持一致的算法的开发。当然，伦理、法律和社会因素都会纳入到算法之中。
关键词：快速决策算法、受信框架
IAMBIC
IAMBIC是Investigating Adaptive Modal Bases for Intelligent Classification（调查智能分类的自适应模态基础）的缩写。
看名称很难理解这个项目到底在说什么。简单来说，这是一个基本的图像处理算法。结合了量子信息技术和“模态成像”技术，通过非傅立叶变换的方式来成像。
这个技术将突破传统光学器件由于衍射效应而必然出现的瑞利分辨率极限约束。非傅立叶测量基础使用替代数学变换，可以更有效地从多维系统中提取信息。这些替代变换可以针对特定类型的信号或系统进行优化，从而实现更准确和高效的信息提取。非傅立叶测量基的示例包括小波、曲波和剪切波。
所以这个自适应测量技术应该会改变现在所有成像处理行业，彻底改变各个领域的成像和传感能力，并实现以前不可能的新应用。我随便举些例子，比如国防太空卫星可以看到地面上的各种细节（突破传统光学相机的局限），比如微芯片（突破芯片制造中的光学器件的物理极限），比如医疗生物（能看到以前看不到的生物组织细节）等等。
关键词：模态成像、非傅立叶变换、自适应测量、瑞利分辨率极限、量子信息技术
隐形车灯
隐形车灯，英文Invisible Headlights。
这个项目解释起来不复杂，场景也很清楚，特别适合于作战车辆，在夜间，打开车前大灯照路，无意是移动的靶子。敌军很容易就感知到车辆的存在，而且是在很远的距离肉眼就可以看见。即便不用可见光前灯，用中长距雷达或者激光制导等有源方式，还是容易被敌军通过特殊的设备检测到。
隐形车灯项目也就是改变车灯通过可见光或者有源方式获取路况信息的局限，而采用其他的无源传感器技术，比如红外传感器（环境热光转换），声学或者磁感应等，并实现低可见光条件下的3D成像。然后生成的周边状况在仪表盘屏幕或者其他显示器上呈现给司机。这项技术的优势在于它可以让司机在完全黑暗的情况下看到前方的道路，而不需要传统的可见光头灯。自然，经过隐形车灯的协助，可以帮助降低明亮的可见光头灯带来的潜在安全风险。
关键词：隐形车灯，黑暗成像技术，红外传感器，无源传感器
KMASS
KMASS是Knowledge Management at Scale and Speed（大规模快速知识管理）的缩写。
在战场上，或者在很多组织中，都存在大量的需要人来消化吸收理解的知识，比如：条令、政策、流程、注意事项等。创建这些文档、视频或者其他模式的信息梳理既昂贵又耗时耗力。应用这些知识的人员必须知道这些知识的存在、存在的位置、何时需要和相关、如何检索它、以及如何在通常是多页文档或几分钟长的带音频视频中找到细节。而简单的信息罗列或者索引并不能支撑对特定任务的快速和适当的决策，甚至潜在的这些文档中还存在一些自相矛盾，不一致或者解释范围不清晰令人困惑或者误导的地方。
必须要采用新的手段来做好规模化和高效的知识管理，KMASS旨在研究、开发、集成、评估和演示基础技术，这些技术将能够有效地使用文档化的知识，将新知识的获取作为常规工作流程的一部分，并在需要时应用有用的知识以及需要的地方和必要的粒度。针对不同的角色，不同的场景，不同的时间，不同的任务，能够快速获得一些知识，屏蔽或者忽略其他不相关知识的干扰。KMASS 的核心原则，可以称为“JustINs”——即，恰到好处，恰到好处，只适合我。KMASS 系统还将包含一个持久性知识库，其中包含以人类可理解的形式以多种形式（例如，文本、视频、演示文稿等）提供的源文档，并使用适当的标签进行扩充并为识别、检索、链接和应用编制索引以任务执行的速度更新。KMASS 需要在三个关键的互补领域取得进展：组织背景知识，获取本地知识，以及有用、适当和及时地传播情境化知识。
关键词：知识管理、场景理解
Make-It
Make-It项目指的是分子合成的自动化项目。合成化学在很多技术领域都非常重要，从药物到能量学，从高级涂料到功能材料。当前的分子合成的方法仍然缓慢且非常低效，可重复性 差，也缺乏扩展性，并且对先验知识的借鉴也很有限。这种状况，目前已经成为新材料、新药物发现的瓶颈，明显阻碍了生物科技和材料学的发展进程。急需一种新的分子合成和全新分子发现的技术。
这个项目和DARPA AMD（加速分子发现）项目有关。甚至这个项目和AMD项目在某种程度上是重合的。如果说聚焦点不同的话，Make-It项目目标是实现小分子发现和合成的自动化。进而推动该领域超越传统的基于批处理、直觉驱动的能力。
Make-It开发基于人工智能的方法来规划和优化合成路线，并结合全自动合成方法，包括用于自动化和过程控制的算法、用于连续合成的互连流体模块以及在线表征和纯化。研究人员也在寻找快速探索与合成相关的参数空间的方法。迄今为止，这些巨大的参数空间仅通过人工进行了最低限度的采样，并未充分发挥其效力。
关键词：分子合成、人工智能、参数空间
未完待续…
附：DARPA简介
DARPA，全称Defense Advanced Research Projects Agency，也就是美国国防高级研究计划局。从历史起源来看，DARPA是典型美苏冷战的产物。苏联在1957年率先发射了人类第一颗人造卫星Sputnik 1，正式开启了太空时代。为了和苏联撸起袖子展开竞争，当时的总统艾森豪威尔在1958年2月7日，联合学术界、工业界和军方创建了DARPA。承诺从那时起，美国将成为战略技术意外的发起者，而不是受害者角色。DARPA 一直不辱使命，坚持一项独特而持久的使命：对美国国家安全的突破性技术进行关键投资。DARPA属于典型的军民融合机构，所以在DARPA成立的50多年来，投资的项目无数，而且相当多的项目都超出了军方的需求。比如我们现在熟知的ARPANET（互联网等等前身）、GPS、自动语音识别和我们前几期提到的波士顿动力的多足机器人都是DARPA投资的杰作。其实远不限于此，现代科技的任何一个角落，几乎都有DARPA的影子。《经济学人》称 DARPA 是“塑造了现代世界”的机构。
更详细介绍请参见：聊聊美国国防高级研究计划局正在投资的项目(一)