آژانس پروژههای پژوهشی پیشرفته دفاعی آمریکا (DARPA) در قالب فراخوان SBIR برنامه جدیدی با نام FALCON را معرفی کرده است. هدف این برنامه توسعه معماریهایی است که قابلیتهای آماری یادگیری ماشین را با توانایی درک زمینه و استدلال مدلهای زبانی بزرگ (LLM) ترکیب کنند تا تحلیل دادههای عظیم ساختاریافته و بدون ساختار در کاربردهای دفاعی و تجاری با دقت، سرعت، قابلیت توضیحپذیری و مقیاسپذیری بیشتری انجام شود.
هدف برنامه FALCON
برنامه FALCON با هدف ایجاد نسل جدیدی از سامانههای تحلیل داده طراحی شده است که بتوانند قدرت آماری الگوریتمهای پیشرفته یادگیری ماشین را با توانایی مدلهای زبانی بزرگ در درک متن، استخراج زمینه، استدلال و تعامل با کاربر ترکیب کنند. دارپا معتقد است بسیاری از دادههای عملیاتی، سازمانی و میدان نبرد ترکیبی از دادههای ساختاریافته مانند جداول، پایگاههای داده و دادههای حسگرها و همچنین دادههای بدون ساختار مانند گزارشها، اسناد، متن، پیامها و سایر منابع اطلاعاتی هستند. فناوریهای موجود معمولاً در پردازش همزمان این دو نوع داده با محدودیت روبهرو هستند و FALCON برای رفع این شکاف طراحی شده است.
چالش اصلی
دارپا اعلام میکند مدلهای زبانی بزرگ در درک زبان طبیعی، خلاصهسازی، استخراج دانش و تعامل با کاربران بسیار قدرتمند هستند، اما در تحلیل دقیق دادههای آماری، جداول بزرگ و استنتاج کمی محدودیت دارند. در مقابل، الگوریتمهای کلاسیک و مدرن یادگیری ماشین در تحلیل دادههای ساختاریافته عملکرد بالایی دارند اما فاقد توانایی درک زمینه و تعامل زبانی هستند. هدف FALCON ایجاد معماری واحدی است که مزایای هر دو رویکرد را در یک سامانه ادغام کند.
اهداف فنی برنامه
شرکتکنندگان باید الگوریتمهای نوظهور یادگیری ماشین مناسب برای دادههای بسیار بزرگ را بررسی کرده، معماری ترکیب این الگوریتمها با یک یا چند مدل زبانی بزرگ، ترجیحاً متنباز، طراحی کنند. همچنین باید معیارهایی برای ارزیابی عملکرد شامل دقت، کیفیت بینشهای جدید، کارایی محاسباتی، قابلیت تعمیم به مجموعهدادههای مختلف و کیفیت تعامل با کاربر تعریف شود. این سامانه باید بتواند دادههای ساختاریافته و بدون ساختار را بهصورت همزمان تحلیل کرده و نتایج را به شکل قابل فهم برای تحلیلگران ارائه دهد.
تمرکز بر کاهش توهم مدلهای زبانی
یکی از الزامات اصلی برنامه، توسعه روشهایی برای کاهش یا حذف پدیده Hallucination در مدلهای زبانی بزرگ است. سامانه باید بتواند مسیر استدلال خود را بهصورت قابل راستیآزمایی و قابل بازتولید ثبت کند تا تحلیلگران بتوانند منشأ هر نتیجه، دادههای مورد استفاده و فرآیند تصمیمگیری را بررسی کنند. دارپا تأکید میکند که قابلیت توضیحپذیری و اعتمادپذیری، بخش جداییناپذیر معماری پیشنهادی خواهد بود.
تحلیل تعاملی داده
برخلاف سامانههای سنتی که تنها یک تحلیل ثابت ارائه میکنند، FALCON باید از تحلیل تعاملی پشتیبانی کند. کاربران باید بتوانند در طول فرآیند تحلیل، پرسشهای جدید مطرح کنند، اطلاعات تکمیلی ارائه دهند، فرضیات را تغییر دهند و نتایج جدید دریافت کنند. سامانه نیز باید بتواند با ورود اطلاعات جدید، تحلیلهای قبلی را بهروزرسانی کرده و بینشهای تازه تولید کند.
الزامات فاز دوم
در مرحله دوم پروژه، تیمهای منتخب باید نرمافزار عملیاتی تولید کنند که حداقل یک الگوریتم یادگیری ماشین را با یک یا چند مدل زبانی بزرگ ادغام کند. طی شش ماه نخست، نمونه اولیه سامانه باید قابلیت تحلیل اولیه دادهها را نشان دهد. تا پایان سال نخست، سامانه باید توانایی تحلیل دادههای در مقیاس سازمانی را اثبات کرده و روی حداقل دو مجموعهداده متعلق به حوزههای متفاوت آزمایش شود. همچنین عملکرد سامانه باید با روشهای مبتنی بر یادگیری ماشین و مدلهای زبانی بهصورت مستقل مقایسه شود تا برتری کمی آن اثبات گردد.
کاربردهای نظامی و غیرنظامی
دارپا پیشبینی میکند فناوری توسعهیافته در FALCON کاربردهای گستردهای در هر دو بخش نظامی و غیرنظامی داشته باشد. در حوزه غیرنظامی، این فناوری میتواند برای تحلیل دادههای سازمانی، کسبوکار، علوم زیستی، پژوهشهای علمی، مهندسی، تولید و سلامت استفاده شود. در حوزه نظامی نیز تحلیل دادههای طراحی و تولید تجهیزات، دادههای لجستیکی، اطلاعات اقتصادی، اجتماعی، جغرافیایی و دادههای عملیاتی میدان نبرد از مهمترین کاربردهای مورد انتظار هستند.
فناوریهای مورد استفاده
کلیدواژههای رسمی برنامه شامل هوش مصنوعی نمادین-عصبی (Neuro-Symbolic AI)، تحلیل دادههای ساختاریافته در مقیاس بزرگ و نظریه تصمیمگیری است. این موضوع نشان میدهد دارپا تنها به استفاده از مدلهای زبانی بزرگ اکتفا نمیکند و به دنبال ترکیب چندین رویکرد هوش مصنوعی برای دستیابی به سامانههایی با دقت، قابلیت استدلال و اعتمادپذیری بالاتر است.
الزامات تجاریسازی
علاوه بر توسعه فناوری، شرکتکنندگان باید از همان ابتدای فاز دوم برنامه تجاریسازی و راهبرد ورود به بازار (Go-to-Market Strategy) را تدوین کنند. انتظار میرود فناوری نهایی علاوه بر پاسخگویی به نیازهای وزارت دفاع آمریکا، قابلیت استفاده در صنایع تجاری و علمی را نیز داشته باشد و نسبت به راهکارهای موجود برتری کمی و کیفی قابل اندازهگیری ارائه کند.
زمانبندی و فراخوان
برنامه FALCON در قالب فراخوان SBIR وزارت دفاع آمریکا منتشر شده است. این فراخوان در ۱ ژوئیه ۲۰۲۶ منتشر شده، از ۲۲ ژوئیه ۲۰۲۶ پذیرش پیشنهادها را آغاز میکند و مهلت نهایی ارسال پیشنهادها ۱۹ اوت ۲۰۲۶ است. این موضوع بهصورت Direct to Phase II اجرا میشود؛ بنابراین تنها تیمهایی که طی سه سال گذشته سابقه پژوهش معتبر در حوزه الگوریتمهای نوین یادگیری ماشین برای دادههای ساختاریافته را داشته باشند، واجد شرایط شرکت خواهند بود.
اهمیت راهبردی
برنامه FALCON نشاندهنده تغییر رویکرد دارپا از توسعه صرف مدلهای زبانی بزرگ به سمت سامانههای هوشمند ترکیبی است که بتوانند تحلیل آماری، استدلال، تعامل زبانی و توضیحپذیری را در یک چارچوب واحد ارائه دهند. در صورت موفقیت، این فناوری میتواند نسل جدیدی از سامانههای تصمیمیار را برای فرماندهی نظامی، تحلیل اطلاعات، مدیریت سازمانی و تحلیل دادههای عظیم ایجاد کند؛ سامانههایی که علاوه بر دقت بالا، قادر به ارائه تحلیلهای قابل اعتماد، قابل راستیآزمایی و تعاملی خواهند بود.