面临问题：从海量数据中提取关键信息

为了给国家安全工作提供情报和信息，迅速掌握世界局势至关重要。自然界和人类社会中的那些较为瞩目的变化，可能会对自然界和人类社会本身产生重大影响，甚至可能引发连锁反应，产生更大范围的影响，并且许多事件不是简单的独立事件，而是由众多基本元素组成的复杂现象。但实际上由于非结构化多媒体信息的快速增长，阻碍了人们对这些事件及其基本要素的认知和理解。

美国国防部高级计划研究局信息化创新办公室（I2O）的一位项目负责人波彦·奥尼什科维奇博士表示，“寻找海量信息和被其掩盖的基本元素之间的联系需要对时间信息和事件模式进行分析，但是利用现在可用的工具和系统很难实现这一过程。”

解决方案：基于模式识别的知识导向型人工智能

利用模式来描述信息之间的相关性并不是一个新概念。认知科学家让·皮亚杰（Jean Piaget）在1923年首次定义模式的概念，即：以常见的叙事结构组织事件，来描述该事物意义的知识单元。例如，到杂货店购物通常涉及“购买交易”这种模式，该模式由一组动作（支付）、人物（买卖双方）和时间约束（卖方先扫描商品，买方再进行支付）来定义。

为了分析并揭示在多媒体信息里发现的这些复杂事件，并引起相关人员对该事件的关注，美国国防部高级计划研究局创建了基于模式识别的知识导向型人工智能（KAIROS）计划。KAIROS计划旨在打造能够对复杂国际事件进行分析和预测的人工智能模式识别能力，以便形成对世界局势的合理认识和发展趋势预测。该计划的目的是开发一个半自动化系统，能够识别和描述那些看似无关的事件或数据之间的相关性，并帮助我们快速了解并掌握世界局势。

研究计划：项目研究目标分两个阶段进行

KAIROS的研究目标将分两个阶段进行。第一阶段将侧重于利用语言推理和常识推理对子事件进行检测、分类和聚类，然后从大量信息数据中创建模式库。该项目的研究人员将应用泛化、组合和专业化流程技术，建立模式来描述简单和复杂事件。在此基础上，将多个模式排序组合在一起以理解事件的关键元素（如角色和时间信息），并应用该专业领域的信息为某些特定需求进行定制分析。

该计划的第二阶段将侧重于第一阶段创建的模式库的应用，该模式库可以应用于多媒体、多语言信息领域，以发现和提取复杂事件。这个阶段需要大量识别事件和实体以及它们之间的关系，从而帮助构建和扩展知识库。

KAIROS项目的两个研究阶段

责任编辑：何周重