美国国防部已经意识到迅速理解世界事件对于为美国国家安全工作提供信息至关重要。这些自然界或人类社会中值得注意的变化可以对事件本身产生重大影响，或者可能构成产生更广泛影响的因果链的一部分。许多事件不是简单的事件，而是复杂的现象，它们是由许多附属元素组成的网络——包括从参与者到时间线。然而，越来越多的非结构化多媒体信息阻碍了对这些事件及其基本潜在要素的揭示和理解。
DARPA信息创新办公室（I2O）项目经理Boyan Onyshkevych博士对此表示：“通过大量信息及其所依据的静态元素发现相关联系的过程需要时间信息和事件模式，这可能很难通过当前可用的工具和系统大规模捕获”。
使用图式来帮助绘制信息之间的相关性并不是一个新概念。早在1923年，就最初由认知科学家Jean Piaget定义，图式是指人类通过将它们组织成普遍出现的叙事结构来理解事件的知识单元。例如，到杂货店的行为过程通常涉及购买交易模式，其由一组动作（支付）、角色（买方\卖方）和时间约束（物品被扫描然后交换支付）来定义。
为了帮助揭示多媒体信息中发现的复杂事件并引起系统用户的注意，DARPA创建了知识导向的人工智能推理图式（Knowledge-directed Artificial Intelligence Reasoning Over Schemas ，KAIROS）项目。KAIROS旨在创建基于图式的AI功能，以便对复杂的现实世界事件进行语境和时间推理，从而生成对这些事件的可操作理解并预测它们将如何展开。该项目将开发一个半自动化系统，能够识别和绘制看似无关的事件或数据之间的相关性，有助于为周围的世界提供信息或创建广泛的叙述。
KAIROS项目的研究目标将分两个阶段进行。
第一阶段将侧重于通过基于语言推理和常识推理检测、分类和集中子事件来从大量数据中创建图式。接受此挑战的研究人员将应用泛化、组合和专业化流程来帮助生成描述简单和复杂事件的图式，将多个图式排序在一起以理解关键语境元素（如角色和时间线），并应用特定域知识来定制分析以针对特别需要。
上图概述了KAIROS项目的两个阶段：第一阶段将侧重于通过基于语言推理和常识推理检测、分类和集中子事件，从大量数据中创建图式库；第二阶段将这些图式应用于新信息，以发现和提取复杂事件以及它们之间的关系，以帮助构建和扩展知识库。
第二阶段将侧重于将第一阶段创建的图式库应用于多媒体、多语言信息，以发现和提取复杂事件。这个阶段需要识别事件和实体，以及它们之间的关系，以帮助构建和扩展知识库。
DARPA将于2019年1月9日上午10:00至下午2:30（美国东部时间）在Holiday Inn at Ballston举行提案者日，以提供有关KAIROS的更多信息并回答潜在的提案者问题。
防务菌
有礼有节&百无禁忌
来将通名&非诚勿扰
联系客服
