DARPA 认为，计算机应该做的不仅是计算，还有像人一样学习。

美国国防部高级研究计划局（DARPA）的想法常常让人感到疯狂。最近这次也不例外，它要创建一台可以像人一样自学习和自适应的计算机。

然而，这个想法并非不着边际。实际上手机、计算机和小配件早已具有了智能特征，比如苹果的 Siri、微软的 Cortana 和亚马逊的 Alexa。

但是，只有在信息被预编进系统的前提下，上述设备才能进行学习并得出结论。现有的机器学习技术并不允许计算机在黑箱之外思考，也就是说，计算机不能根据外在情况和环境进行动态思考。

这次 DARPA 新项目的目标是创建一台可以像生物体一样思考并能像人一样持续学习的计算机，通过把之前未预料的问题考虑在内和动态的适应能力，计算机可以更好地做决策。

这样的计算机就像儿童一般起初学习很慢，但随着系统越发成熟，atv，经验越来越多，学习模型也变得越发灵活。如果这个想法行得通，计算机将能够像人一样根据具体情景推断更多的答案。

「DARPA 将这一想法恰当地命名为终身学习机器（L2M）计划，它有着雄心勃勃的目标：在这一领域内为在线学习的新人工智能系统创造新技术，从而可使其周遭事物中学习，而无需由于新条件而被迫下线以重新编程或训练。」根据一份周四公布的详细介绍该计划的文件所言。

DARPA L2M 计划的经理 Hava Siegelmann 说：「打造一台依据经验做出决策的自适应计算机一直是一个长期目标。」

具有神经科学背景的 Siegelmann 说：「这是由于自博学的艾伦·图灵在上世纪 30 年代开发了最早的计算机器以来，开奖，计算机就运行在事先编写好的、当其被执行时而毫无应变能力的程序上直到今天。」

对于 DARPA 来说，这样一个系统有很多优势，尤其是在更安全的自动驾驶领域。它在网络安全、计算机游戏和健康记录自动化方面也同样有帮助。

赋予计算机生物智能需要开发新的计算机架构和机器学习技术。现在的计算机没有自适应能力，并且在试图解决问题时不能把每一次可能的计算考虑在内。

这就是为什么大家对量子计算机（其计算能力将显著超越今天的计算机）很兴奋。但是在试图发现答案时，计算机依然不能像生物体一样学会适应不同的情况。

DARPA 的另一个目标是创建新的计算机架构，一个也许可以打破依赖于冯·诺依曼架构的现有模型的设计。冯·诺依曼架构已被多次挑战，但今天的计算机依然在使用着它。

L2M 计划也同样涉及到构建新的机器学习模型。基于 TensorFlow、Theano 和 Caffe 的现有模型可以适应于高性能的计算机、GPU 甚至拇指电脑。像谷歌这样的公司已经发明了更小的机器学习模型，并带有针对安卓穿戴设备 2.0 的搜索引擎。

虽然很多项目常无果而终，但 DARPA 也成功发明了因特网、GPS、计算机鼠标、新型的脑启发计算机、智能传感器、新芯片材料，推动了技术进步。