过去六十年里，DARPA在创建和促进人工智能（AI）技术层面起到了主导地位，这种技术为美国防部产生了更改规则的工作能力。

二十世纪六十年代，DARPA科学研究产生了第一次人工智能技术浪潮，该技术以“手工制作专业知识”为特点，根据标准的系统软件，可以开展小范围界定的每日任务。尽管这也是该行业的重要一步，但这种系统软件较为敏感且作用比较有限。

从二十世纪90年代逐渐，在DARPA推动下创立了第二次AI机器学习技术浪潮，该技术以“统计学习”为特点，典型性使用如神经网络算法系统软件，并在自动驾驶车辆等方面获得进度。尽管以上AI技术对清晰的难题有极强的逻辑推理和判断力，但该技术取决于很多优质的练习数据信息，不适合持续变动的自然环境，特性确保比较有限，而且没法向消费者保证其效果的表述，不具有自学能力，解决不确定性难题的工作能力也较差。

为了更好地处理前2次AI技术浪潮的局限，DARPA寻找探寻新的基础理论和运用，使设备可以满足持续变动的自然环境。DARPA将下一代人工智能当作是技术发展的第三次浪潮。

为了更好地尽快明确前行的路面，DARPA2018年9月7日公布将资金投入20亿美金开发的人工智能(AI)技术，这也是该组织“AI Next（下一代人工智能）”计划的一部分。该笔钱将用来支助DARPA新的和目前的人工智能科学研究新项目。

DARPA厅长史蒂文·沃克(Steven Walke)在该组织创立60周年交流会上表明：“根据AI Next计划，大家已经项目投资多种人工智能新项目科学研究，致力于将电子计算机从专业专用工具转换为处理问题的合作方。现阶段，设备欠缺情境推理能力，对他们的练习务必包含全部有可能造成的状况，这不但成本昂贵，并且最后是无法实现的。大家期待探寻设备如何获得相近我们的沟通和推理能力，及其鉴别新情况和自然环境并融入他们的工作能力。”

DARPA现阶段已经进行20好几个AI新项目，探寻促进人工智能技术的进步方式，促进第二次机器学习技术浪潮向前后文推理能力的发展趋势。除此之外，超出60个新项目已经运用AI技术，从协作共享资源电磁感应频带网络带宽到检测和修复赛博系统漏洞。在下面的12个月中，DARPA计划公布好几个新项目，以促进人工智能的发展趋势。

AI Next（下一代人工智能）

项目可行性

过去两年中，大家对AI被称作机器学习的子行业发生了巨大兴趣爱好，这类子行业将数据分析和几率方式运用于互联网大数据，以构建可使用于将来样版的理论表明。这种办法中最重要的是深度神经网络（人力）神经元网络，当有充足的历史记录时，能够对其实现练习以实施各种各样归类和预测分析每日任务。

殊不知，因为搜集、标志和核查用以练习信息的技术方式十分贵重且用时，DARPA构想在未来，设备不仅是实行人们程序编写标准或从数据信息集中化梳理演练的专用工具。反过来，DARPA构想的设备将越来越多地做为朋友而不是专用工具。

因此，DARPA在人机对战相互依存层面的分析和开发设计建立了与设备协作的总体目标。以这些方法开启测算系统软件尤为重要，由于感应器、信息内容和通讯系统生成数据信息的速度已超过人们能够消化、了解和行为的速率。将这种技术融进与战斗工作人员协作的国防系统软件中，将有利于在繁杂、時间紧急的竞技场自然环境中做到更佳的管理决策；可以一同了解很多、不完善和问题的信息内容；并使没有人系统软件可以可靠地实行重要每日任务并具备高度自治。DARPA将其项目投资主要放到第三次人工智能浪潮上，这类人工智能产生设备的掌握和推理能力。

AI技术已使用于DARPA产品研发的新项目，包含60好几个目前新项目，如电子器件振兴计划，及其涉及到繁杂赛博进攻的即时剖析、非法行为图像分析、产业生态圈战事动态性破坏力链的搭建、人们语言表达技术、多模态全自动目标识别、生物医学工程和义肢操纵。DARPA将推动人工智能技术，以完成重要单位工作流程的自动化技术。在其中一个全过程是在实际操作布署以前对应用软件开展冗杂的验证。现在可以应用给定的AI和别的技术自动化技术此验证步骤。

鲁棒性的人工智能

人工智能技术早已表明了在各种各样每日任务中的极大使用价值，如根据区域的画面剖析，赛博进攻警示，供应链物流和微生物菌种结构化分析。此外，人工智能技术的失效模式了解很少。DARPA正关键对于产品研发和制造的解析和认证不够，专注于处理这一难点。DARPA的取得成功针对单位布署人工智能技术尤为重要，尤其是在必须 稳定性能的战略优点层面。

竞技性人工智能

今日最强有力的AI专用工具是机器学习（ML）。ML系统软件非常容易便会被没法蒙骗我们的键入更改所蒙骗。用以练习该类系统软件的信息很有可能损坏。并且，手机软件自身非常容易遭受赛博进攻。伴随着大量运用AI的系统软件布署，务必处理其所面对的难题。

性能卓越人工智能

过去十年中，计算机cpu的增强促使机器学习与大中型数据和软件库的融合得到了取得成功。在低输出功率下的功能针对大数据中心和战略布署全是尤为重要。DARPA早已呈现了AI优化算法的仿真模拟解决，与目前技术的数据CPU对比，具备1000倍的加快和1000倍的输出功率高效率，而且已经科学研究AI专用型的硬件开发。DARPA还根据科学研究大幅度降低对标识练习数据信息需要的办法来解决当今机器学习规模不经济的难题。

下一代人工智能

可以实现面部识别和自动驾驶车辆的机器学习优化算法是20数年前创造发明的。DARPA在开发设计下一代人工智能优化算法层面首先进行了科学研究，它将把电子计算机从专用工具变换为处理问题的合作方。DARPA科学研究的效果是使人工智能系统软件可以表述它们的个人行为，这也是根据常识知识来获得和逻辑的。DARPA在R＆D上得到了起初的取得成功，如数据管理系统和检索，近期还建立了优秀的机器学习专用工具和硬件配置。DARPA已经造就第三次人工智能技术浪潮，这将使英国可以在这里一重要行业保其技术优点