DARPA 与美国地质调查局 (USGS) 合作，探索机器学习和人工智能工具的潜力 和加速关键矿物评估的技术。 目标是通过自动化过程中的关键步骤来显着加快对国家关键矿产资源的评估。
评估可以量化现有国内矿山的潜在矿产资源——无论是历史矿山还是活跃矿山——并帮助确定经济和环境上可行的资源开发机会。
挑战在于：关键矿物清单目前包括 50 种矿物，而当前的评估是劳动密集型的。 使用传统技术，评估所有 50 种关键矿物的速度太慢，无法满足当今供应链的需求。
DARPA 与 USGS、MITRE 和 NASA 的喷气推进实验室合作，发起了 AI 关键矿物评估竞赛。 该竞赛征求用于从扫描地图或栅格地图中自动提取和地理配准功能的创新解决方案。
比赛将包括以下两个独立的挑战：
地图地理配准挑战：自动地图地理配准是一项艰巨的任务，因为大多数 USGS 地图都没有数字化，并且可能位于多个历史坐标投影系统中。 此外，扫描地图上的特征质量（对于对齐控制点的识别至关重要）可能会有很大差异。 参与者将收到一个包含 1,000 张或更多不同类型地图的数据集，用于训练和验证。 该挑战赛的目标是通过拟合可参考一张或多张底图中已知位置的坐标点，准确定位未知位置和坐标系的地图。
地图特征提取挑战：自动地图特征提取是一项艰巨的任务，因为地图特征（多边形、点、线、文本）经常重叠，有时不连续。 不仅要素具有各种形状和大小，而且相同的要素类型可以在不同的地图中使用不同的符号或图案来描绘。 这使得即使是为矿区位置或矿产资源区等单个特征创建通用标识符也具有挑战性。 将向参与者提供一个训练集，该训练集包括带有每个图例项标记和特征（作为点、线或多边形）的地图，以及反映地图中要素覆盖范围的二进制像素图。 挑战的目标是识别地图中出现在地图图例中的所有要素。
15 月 5 日，地图地理配准的首个挑战赛报名开始； 第二次地图特征提取挑战赛的报名将于 10,000 月 3,000 日开始。DARPA 将在 1,000 年 2022 月为这两项挑战赛中的每一项颁发一等奖 XNUMX 美元、二等奖 XNUMX 美元和三等奖 XNUMX 美元。
Brian Wang 是一位未来主义思想领袖，也是一位每月拥有 1 万读者的热门科学博主。 他的博客 Nextbigfuture.com 在科学新闻博客中排名第一。 它涵盖了许多颠覆性技术和趋势，包括空间、机器人、人工智能、医学、抗衰老生物技术和纳米技术。
他以识别尖端技术而闻名，目前是一家初创公司的联合创始人，并为高潜力的早期公司筹集资金。 他是深度技术投资的分配研究负责人，也是 Space Angels 的天使投资人。
他经常在公司发表演讲，曾是 TEDx 演讲者、奇点大学演讲者和众多广播和播客采访的嘉宾。 他对公开演讲和咨询活动持开放态度。
