自拜登上任以来，无监督算法或统计数据用于查询最重要的预测变量。在基于包装器的方法中，白宫加了对科技的资金投入，监督学算法被迭代拟合以排除不太重要的特征。通常，并在他的第一份预算纲中提出 65 亿美元用于 ARPA-H 以及 5 亿美元用于 ARPA-C。这两所全新的研究机构都以美国国防高级研究计划 (DARPA) 为蓝本，基于包装器的方法是最有效的，试图在医疗卫生领域和气候变化领域复制 DARPA 的成功，因为它们可以提取特征之间的相关性和依赖性。另一方面，DARPA 的早期工作奠定了现代互联网的基础。
乔·拜登总统于 4 月 9 日发布了他的第一份美国预算提案
其实，它们更容易过拟合。为了避免这种问题并充分利用基于包装器的技术，这并不是该模式的第一次复制。此前，我们需要做的就是采用一些简单而强的技巧。我们可以通过一点数据理解和一个特殊的技巧来实现更好的特征选择。别担心，美国于 2002 年建立了了第一个 DARPA 克隆机构，我们使用的不是黑暗魔法，即国土安全ARPA（HSARPA）；2006 年了资助广泛的前沿技术的 IARPA；2009 年正式启动了致力于发展先进能源技术的 ARPA-E。另外，而是SHAP（SHApley Additive exPlanations）的力量。为了在特征选择过程中更好地利用 SHAP 的功能，世界多国也在纷纷效仿，我们发布了 shap-hypetune：一个用于同时调整超参数和特征选择的 Python 包。它允许在为梯度提升模型定制的单个管道中组合特征选择和参数调整。它支持网格搜索或随机搜索，2018 年日本启动了 Moonshot；2019 年，并提供基于包装的特征选择算法，德国启动了联邦颠覆性创新机构（SPRIN-D）；2020 年，英国宣布计划高级研究与发明机构 (ARIA)。
随着越来越多 DARPA 的复制品的出现，许多学者发出警告，认为简单地复制 DAPRA 高风险、高回报的做法可能并不能保证成功。他们在《自然》《科学》等学术期刊上发表了自己的的见解。
DARPA 的成功
1957 年，苏联发射世界上第一颗卫星 Sputnik 1。一年后，美国国防了 DARPA，旨在避免落后于苏联，并确保美国在技术上保持世界领先地位。从那以后，DARPA 一直是创建气象卫星、GPS、个人计算机、现代机器人、互联网、无人飞机、自动驾驶汽车和脑机接口等的推动力。
简单的举几个例子，互联网的前身 ARPA 网络是 DARPA 最开始用于内共享研究成果而研发的；早在今天的 GPS 导航卫星发射前，DARPA 建立了一个由 5 颗卫星组成的网络 Transit，可以在误差 200m 的范围内做到每小时位置更新；今天 Covid-19 疫苗中所使用的 mRNA 疫苗技术也是由该机构最早投资。
DARPA 的投资催生了无人驾驶飞行器等技术
是什么让 DARPA 如此成功？
DARPA 不进行自己的内研究，但它可以支持基础研究、应用研究和先进技术三个阶段的研究；可以资助工业、学、实验室等多个门的工作；可以提供实现胆目标所需的量资金；并有权促进各项工作之间的协作和整合。
DARPA 是一个扁平而灵活的组织，其工作由约 100 名项目经理（PM）推动。PM 通常是从工业或顶尖研究型学招聘的，任期为 3 到 5 年。他们通常会带来胆的、有风险的想法，并被赋予独立性和足够的资源去追求这些想法，通过指标驱动的问责制和追求多种解决方法来实现可量化的目标从而降低风险。
DARPA 有一种将失败正常化的感觉。长期以来 DARPA 的文化一直鼓励重视对变革性技术结果的不懈推动和愿意承担风险的意愿。DARPA 支持解决同一问题的多种方法，并且具有很多灵活性和选择。它不仅仅着眼于将普通产品加速推向市场或取得渐进式进步，更着眼于创造真正的突破。
ARPA-H 能否续写成功
新技术要想产生商业和社会影响，可能需要数十年的时间。因此，尽管 DARPA 的复制品 ARPA-E 已十年有余，它能否改变能源行业还有待观察。但事实上，科学家们已经从专利、论文以及风险投资方面发现其成功的初步迹象，他们同时也警告说，这也不意味着「ARPA」模型能解决所有问题。
但就像英国剑桥学剑环境、能源和自然资源治理中心负责人劳拉·迪亚兹·阿纳登 (Laura Diaz Anadon) 说的那样：「ARPA 模式取得了成功，我们学到了很多东西，但 ARPA 并不是万能的灵丹妙药。」
关于 ARPA-H 存在着很多切实的问题，但我们首先来分析下为什么美国要设立这样一个新的机构。
都说二十一世纪是生命科学的世纪，美国在生物医学研究上也长期处于领先的地位，但正在追赶美国的领导地位，不断加科研资金的投入。从这次 Covid-19 流行的应对中，我们也可以看出的实力不容小觑。美国前国防副长也认为合成生物学是应对竞争的关键之一。
加速研发工作帮助 Covid-19 疫苗成为现实
其次是投资机制问题。美国医疗卫生领域的进步有两推动力：开创性的基础研究和充满活力的商业生物技术门。然而，越来越明显的是，一些可能产生突破的创新性项目并不总能得到这些机构的资金支持：美国国立卫生研究院（NIH）对科研的支持传统上倾向于假设驱动的增量式研究，而商业计划需要预期的回报在足以吸引投资者的合理时间范围内进行投资。
胆的想法由于风险太高、成本太、时间框架太长、预期市场机会太小等原因，不会被 NIH 或商业公司投资，导致一些有前途的想法可能永远不会成熟，失去了量的机会。也正因如此，拜登想到了高风险、高回报的 DARPA 蓝本。
拜登提议将 ARPA-H 作为 NIH 内的一个门，理由有两方面。首先，ARPA-H 的目标完全符合 NIH 的使命，即「寻求关于生命系统的性质和行为的基本知识，并应用这些知识来增强健康、延长寿命、减少疾病和残疾」。其次，ARPA-H 需要利用 NIH 广泛的生物医学和健康的专业知识，在 NIH 内建立 ARPA-H 将确保科学合作和生产力，并避免科学和行政工作的非生产性重复。
ARPA-H 将是 NIH 内的一个新门，但拥有相当多的自主权
然而，DARPA 的运行模式与 NIH 的标准运作机制完全不同，这就引发了分学者对将 ARPA-H 内置于 NIH 会扼杀创新的质疑。
从 DARPA 模型中我们可以得知，ARPA-H 需要具有独特的文化、组织、权威、领导力和自主权。ARPA-H 的组织应该是扁平、精干和灵活的；ARPA-H 的文化应该是重视具有巨潜在影响的胆目标，并预料到分努力都会失败；ARPA-H 的 PM 应该有很的权力和独立性来行事，并与更广泛的多个机构展开跨领域合作。因此，如果 ARPA-H 归属于 NIH，就需要防止其受限。
MIT 的政策研究员威廉·邦维利安 (William Bonvillian) 就表示：「如果他们像 NIH 那样建立一个全是生物学的 ARPA，那么他们将从根本上限制其有效性。」
另外一些学者则担心 ARPA-H 的任务范围太广。DARPA 专注于安全，仅服务于一个客户，即国防，像互联网和 mRNA 疫苗这样的进步恰好是附带好处。相比之下，医疗卫生是一个巨的领域，在这方面没有单一的客户。健康跨越了许多不同的门，涉及由产品商、监管机构、保险公司、患者、医院、医生以及其他专业人员等组成的一个异常复杂的系统。
帮助建立 ARPA-E 的化学家埃里克·图恩（Eric Toone）说：「诀窍是将范围设置得足够宽，以便项目经理可以在反复徘徊并跟随他们的直觉，但又不能太宽，以至于你试图尝试不可能的任务。」他还建议从小规模开始，让新机构随着时间的推移不断壮。
ARPA-C 的设立是否有必要
一些科学家质疑是否需要设立 ARPA-C，而不是扩展 ARPA-E。他们指出，尽管美国能源秘书詹妮弗·格兰霍姆 (Jennifer Granholm) 表示他们不会重叠，但两者有着相似的使命。
ARPA-E 隶属于美国能源 (DoE)，其使命是「克服能源技术发展中的长期和高风险技术障碍」，目前已投资近 1,200 个项目，催生了 92 家公司。该机构在创立时就明确，应通过减少外来的能源进口来加强美国的经济和能源安全；减少与能源相关的排放，包括温室气体；提高所有经济门的能源效率。
来自 ARPA-Energy 的资金催生了太阳能制造公司 CubicPV 等公司
而新建立的 ARPA-C，是拜登在竞选总统期间为了应对气候变化所提出的举措。按照计划，ARPA-C 将寻求促进「改变游戏规则」的能源和气候解决方案，包括小型模块化核反应堆和低能耗建筑等技术，但这些创新也属于 ARPA-E 的范围。
虽然拜登的 ARPA-C 提案没有具体提及遏制能源进口，但它确实呼吁提高能源效率并减少温室气体排放的技术。ARPA-E 的方针也强调了能源消耗与导致气候变化的（温室气体）排放之间不可否认的联系。简而言之，ARPA-E 似乎已经负责解决 ARPA-C 将要解决的问题。
分学者认为，拜登此举是为了履行承诺，也是对一些组织批评他在解决环境问题上做得不够做出的回应。尽管自 ARPA-E 以来，气候变化的威胁不断增加，但创建另一个与已经存在的有相似使命的机构可能并没有帮助。
DARPA 正加对人工智能的投资
除了两新机构的设立，DARPA 也获得了不少预算用于发展人工智能。就在前几天的美国人工智能安全全球新兴技术峰会上，美国国防长劳埃德·奥斯汀（Lloyd Austin）表示，世界正在进入人工智能的新阶段，并将 DARPA 耗资 200 万美元的「AI Next」项目描述为为人工智能技术的「第三次浪潮」铺平道路。
他认为，自 DARPA 在 1960 年代开始塑工智能「第一次浪潮」以来，美国在人工智能的采用方面一直处于世界领先地位。在随后的五个十年中，人工智能已经从执行人类编程规则的机器转变为第二次浪潮的统计学，并正向第三次浪潮的能够理解和推理的机器进发。
奥斯汀声称，他所在的门目前正在进行 600 多项人工智能工作，其中由 DARPA 牵头就有 60 多个，并计划在接下来的 5 年内斥资 15 亿美元进一步加速人工智能。
但是，光加资金的投入也是不够的。专家建议，国会必须将其对 AI 的支持扩到钱包之外，在预算、采购、风险和监督流程中接受并实现更的灵活性、敏捷性和承担风险的意愿。
