作为应对情报界中一些最为复杂挑战的一部分，IARPA启动了一系列利用或改进人工智能及机器学习技术的研究项目和竞赛，其中包括：

阿拉丁视频（Aladdin Video）是一个视频中机器学习技术的创新项目，它整合了视频和音频提取、知识表示和搜索技术，旨在创建快速、精确、健壮且可扩展的视频搜索功能。该项目不仅提升了视频搜索的效率，还增强了其准确性。

“更好检索”（BETTER）致力于开发基于AI/ML的方法，以提取更加精细的语义信息，特别是在事件描述方面，如“谁在何时何地做了什么”，并且这些方法适用于多种语言和领域。这有助于提升文本信息的检索效率和质量。

“网络攻击自动非常规传感器环境”（CAUSE）项目运用AI/ML模型，开发出一种新型的自动化方法，能够提前检测和预测基于事件的网络攻击。通过提供具有操作细节的网络攻击预警，可以显著提高网络安全水平，使防御措施更加精准有效。

“创建可操作逼真的3D环境”（CORE3D）项目利用机器学习和深度学习技术，开发了一种方法，可以从遥感数据中自动生成高质量的3D模型。这种方法不仅提高了3D建模的精度，还大幅提升了建模效率。

“深度联合视频分析”（DIVA）项目则专注于利用机器学习技术，在多摄像头流媒体视频中实现强大的自动运动检测。这有助于提升监控系统的智能化水平，使其能够更有效地识别异常活动。

“寻找工程相关指标”（FELIX）项目利用AI技术，识别并区分自然生物与经过基因工程改造的生物。这一研究对于生物安全和生物技术领域具有重要意义。

“功能世界挑战赛”（Functional Map of the World Challenge）旨在开发一种算法，能够在短时间内对卫星图像中的63种建筑物和区域类别进行精确分类。所有顶尖团队均采用了深度学习技术。

“功能威胁的基因组和计算评估”（Fun GCAT）项目则开发了基于AI/ML的方法，用于通过对遗传序列数据的学习和分类，来识别和评估潜在的遗传威胁。

“水星挑战”（Mercury Challenge）要求参赛者利用AI/ML技术，预测中东和北非地区可能出现的政治事件，如非暴力抗议和军事行动。这有助于提升对该地区未来局势的预判能力。

“皮质网络”（MICrONS）项目旨在通过逆向工程大脑算法，彻底改变机器学习领域。该项目旨在促进数据科学与神经科学之间的交流与合作。

“机器翻译”（MATERIAL）项目致力于开发机器学习方法，使系统能够从与英语查询相关的语音和文本中识别外语信息，并以有意义的方式呈现这些信息。该项目特别关注在资源有限且缺乏外语专家的情况下开发算法。

“反射率建模”（MORGOTH'S CROWN）挑战赛提出了一种新方法，用于预测表面特征（如基质、负载和沉积特性）对痕量化学物质红外光谱的影响。这一发现对于化学分析领域具有重要价值。

“多模式个体感知”（MOSAIC）项目从各类个体、环境和社会感知数据流中提取有意义的信息，并运用机器学习和人工智能模型来估计和预测个体的心理、认知和生理状态，以及整体的工作表现。

“多视角平面3D映射”（MSV）挑战赛要求团队开发能够生成物理世界高分辨率3D点云的算法。通过提供卫星图像的基线重建算法，该项目为计算机视觉领域的研究开辟了新途径。

“开放分类”（OpenCLIR）挑战赛旨在低训练数据条件下开发机器学习方法，用于检索与英语查询相关的斯瓦希里语文本文档。这有助于提升跨语言信息检索的能力。

“快速分析纳米电子”（RAVEN）项目利用AI/ML技术加速了最先进的集成电路图像处理速度和准确性，这对于纳米电子学的发展具有重要意义。

“增强适应性推理和问题解决”（SHARP）项目运用行为测试和基于脑部的技术（如MRI和EEG）的机器学习模型，来预测智力得分、反应能力和智力的神经生理和认知关联。这有助于提升对人类认知过程的理解。

“虚拟用户环境”（VirtUE）项目利用自适应学习算法，开发分析工具和技术，以识别和响应计算机用户行为中的异常情况，从而预防零日攻击。