数据被公开一个月公司才后知后觉

AI在军队中的另一项重要作用在于，实现更好的人才管理。目前，陆军AI特遣队(AITF)就在主动使用AI技术，寻求成功作战所必需的能力与属性，并结合这些需求物色潜在的军事人才。

在作战能力发展司令部下辖的陆军研究实验室(ARL)中，AI已经成为一大主要研究领域。ARL可以算是陆军内部的研发中心，管理着多项AI相关计划。以名为“机动与机动性人工智能(AIMM)”的基本研究计划为例，其目标在于引导陆军思考如何为下一代战斗车辆(NGCV)在无需人为介入的前提下获得良好的越野能力。这些下一代智能车辆，能够根据特殊情况、环境条件做出推理，进而做出最佳行动决策，同时向士兵发出情况通报，以提高对战场的态势感知水平。ARL还拥有其他多项重要研究计划，并着力运用AI方法在其中推动创新，相信这一切都将给未来的陆军带来更强的作战能力。

将来，美国陆军将使用AI技术处理来自多个传感器的输入数据，借此准确描绘战场威胁，同时加快由陆军未来司令部领导的Convergence(融合)项目中的目标制定与目标决策过程。

问：采用人工智能/机器学习技术，陆军面临哪些挑战?

John Fossaceca：「商业AI」依赖于庞大的计算资源与海量数据，其中云计算资源能够及时向终端返回处理结果。但另一方面，「战地AI」则受限于边缘设备——计算机处理器相对轻量化，且在战场对抗环境下通信带宽可能较有限。

在陆军的实际应用中，我们通常得不到充足的训练数据，现有的数据往往已经损坏或者噪声过多。运营环境也趋于动态变化，有时会因道路、建筑物以及基础设施受损而变得混乱不堪。另外，我们需要面对来自多个来源的异类数据，某些数据甚至具有欺骗性或者已经受到对手的操纵。

目前的AI技术往往非常脆弱，甚至在理想的运营条件下也有可能发生崩溃。其推理能力也非常有限，特别是在实时推理方面表现不佳。部分已经部署的系统虽然不断强调其AI能力，但实际功能往往受限于硬编码规则，而缺乏从传感器及其他系统收集输入内容，并做出推断与推理的能力——更遑论提供增强型态势评估了。

相当一部分AI方法都依赖于“监督学习”(例如深度学习)，这类技术会构建起庞大的模型，通常需要在超大规模计算基础设施之上，以“批处理”形式学习成上千万甚至上亿个参数。很明显，陆军需要的是能够摆脱这类束缚、真正拥有在线实时推理能力的解决方案。

最终我们发现，现有系统并不能真正自动运行，其仍需要人为介入、干预乃至手动控制。早在2018年，我们就开始尝试通过反馈进行学习，由人类观察者向智能代理提供正面或负面信号。通过这种方式，我们证明可以大幅缩短学习时间。我们将这项研究扩展并总结为“示范学习”，稍后我们会进一步讨论这个议题。

随着研究的深入，我们意识到需要一种与「智能代理」的自然交互方式。除了自然的对话与接触之外，由于AI缺少对世界的认知常识与“朴素推理”能力，很多问题随之浮出水面。我们则通过AIMM中的第二项工作——上下文感知决策制定——努力攻克这些挑战。

问：陆军如何为人工智能/机器学习项目提供数据支持?

John Fossaceca：陆军乃至整个国防部，都在开展大规模数据收集与标记工作，借此为AI算法准备可用的数据资源。例如，Maven项目中就使用到大量来自无人机的视频素材。有时候，我们也会根据保密级别，通过众包技术进行数据标记。其他举措还包括ARL的内部工作，例如从各个位置收集内部数据，并与研究合作伙伴一道整理并标记各类地形数据。ARL在马里兰州设有机器人研究合作园区(R2C2)，在园区内收集数据并进行各类自主实验。

除了Maven项目之外，国防部还在运用先进工具进行情报分析。其中大部分项目致力于使用深度学习方法检测图像中的特定对象，而实现的前提，自然是对大量数据进行清洗、整理与标记。此外，项目还要求研究人员使用存储、算法工具包、计算资源、测试以及部署工具共同构建起AI管道。为此，项目团队往往需要开发出数据格式标准，以保证实验与测试场景之间保持一致，并为用户提供熟悉的环境。数据存储库本身也需要进行分类以供用户访问，同时保证其中的数据随附可用描述。为了在多个数据库之间实现信息访问标准化，军方做出一系列努力，旨在降低情报界使用AI成果的门槛。

问：陆军如何利用自动驾驶汽车实现机动性目标?

John Fossaceca：在陆军的机器人与自主系统(RAS)战略中，副总参谋长Daniel B. Allyn将军明确提到，“RAS的整合，将帮助未来作为联合部队重要组成部分的美国陆军，获得克敌制胜、控制地形、保护民众以及巩固利益的能力。RAS还将帮助未来的陆军部队得以与其他多个领域的战斗行动保持统一，将力量从陆地投射至海洋、太空以及网络等多个空间，共同维护联合部队的行动与作战灵活性。”

根据RAS战略的描述，“有效整合RAS，将提高美军维持高强度作战的能力，并使敌方无法做出有效反应。陆军必须加紧建立自己的RAS能力，这是一场与敌方比拼速度的RAS军备竞赛。一旦落后，敌方将采用一系列新策略破坏美国的军事优势，并借此获悉的美国军事体系劣势。”

为了实现RAS战略的愿景，自动驾驶车辆必须能够保障“机动自由”，同时降低士兵的伤亡风险。这就要求人类与机器之间实现自主协作。车辆将成为战场上的队友，而不再只是一种武器装备。这些“人机集成小队将帮助军方在情况不明的条件下探寻、适应、战斗并最终取胜。”

AI技术无疑是这些智能自主系统的关键驱动力之一。美国陆军还必须直面客观事实，即其对手也将使用自主系统。在自主水平不断升级的背景下，机器人自主系统将不再依赖于通信链路——因为干扰及传输容量的限制，通信链路在战场条件下几乎得不到任何保障。



 

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!