近期，美国防高级研究计划局（DARPA）召开“大规模高速知识管理（KMASS）”末次首席研究员会议。相关团队在多个领域演示了KMASS系统，以推动该系统在国防部和美国政府的应用。
如今，许多人在日常生活中都会通过聊天机器人寻求各类问题的帮助。但当前基于大语言模型（LLM）开发的“查询式”人工智能工具，仅能对用户提出的问题做出回应。这类工具虽能从数据库中提取用户查询的信息，却无法在未经询问的情况下，主动推送具有洞察力且贴合场景的知识，以协助用户完成任务。
美国防高级研究计划局的“大规模高速知识管理（KMASS）”项目于2022年启动。该项目研发了多款新型工具，能够自动获取知识源。无论用户是否主动请求，都能在恰当的时机主动向用户推送工作流知识，同时避开无关信息或用户已掌握的信息。这种个性化知识共享理念体现了KMASS项目的核心原则，被称为JustINs，即适时（just in time）、适量（just enough）、专属（just for me）。
美军面临的一大挑战是，由于定期更换工作地点，在人员交接过程中很难实现有效的知识传递。KMASS项目旨在防止重要知识流失或被归档至无人知晓的地方。过去数年中，项目研究团队与商业公司已研发出核心技术来解决这一难题，即以“信息要点”（nugget）粒度组织、保存与管理背景知识；在常规工作流程中无缝实时捕捉新知识（无需用户额外记录）；以易于理解的形式，及时推送贴合场景、实用且恰当的知识。
DARPA人工智能专家兼KMASS项目经理马修·马奇指出，现有大语言模型需要用户提出精准的问题，而KMASS能在执行任务时主动推送所需信息，即使使用者根本不知该如何提问。该项目通过突破知识输入输出瓶颈，将情境化信息要点直接送达用户，省去传统检索中的多重步骤。
与面向新手的大语言模型不同，KMASS专为军事和技术专家设计，提供通用模型无法实现的领域特定、本地情境化实时知识。更重要的是，系统还具备捕获新知识的能力。
目前，三个KMASS研究团队、两个相关小型企业创新研究团队及一个独立验证确认团队已完成系统演示。未来将加速该技术在国防部和美国政府范围内的推广应用。
声明：本文来自防务快讯，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
