戰(zhàn)爭與認知計算平臺：美軍加大投入搶占人工智能“制高點”

張策

當今世界正在興起人工智能、機器學習和自然語言處理等熱潮。2017年2月，被認為是世界上最大的認知計算平臺——IBM超級計算機系統(tǒng)沃森參加美國智力游戲《危險邊緣》，擊敗了兩位最優(yōu)秀的選手詹寧斯和魯特奪得冠軍，成為各大媒體頭條新聞。谷歌公司的AlphaGo在圍棋比賽中也擊敗了柯潔和李世石等圍棋界頂尖選手。各大公司都在積極尋求多種解決方案加強人工智能最新技術的應用，并將其融入到產品線：亞馬遜使用優(yōu)化算法為企業(yè)提供更好的產品建議； Facebook正在尋求建立讓更多的社交媒體用戶之間形成聯(lián)系，并已付諸實施；與此同時，IBM正在將沃森系統(tǒng)作為分析師，為使用它的公司帶來顯著的生產效率和經濟效益。

在軍事工業(yè)方面，美國國防部也在積極推動利用人工智能技術輔助解決軍事問題。計算機視覺系統(tǒng)能夠幫助圖像分析師更快地識別潛在目標；后勤保障人員可以通過機器學習系統(tǒng)來管理斯特賴克作戰(zhàn)車輛的維護需求；情報機構利用深度學習系統(tǒng)建立分析模型，發(fā)現(xiàn)敵方威脅活動中隱含的聯(lián)系。但是美軍并不滿足于當前這些成果，認為這些努力還沒有達到美軍提出的“卓越部隊任務式指揮中心”建設所構想的人工智能應用目標，美軍希望將人工智能技術形成一個綜合系統(tǒng)，真正成為作戰(zhàn)和指揮人員的左膀右臂，幫助其了解作戰(zhàn)環(huán)境，在整個作戰(zhàn)流程中起到支撐作用。

要實現(xiàn)這一目標，美軍認為必須要進一步開拓視野，在通用人工智能系統(tǒng)的旗幟下整合多種不同的應用工具，形成同步運行、統(tǒng)一處理的綜合運用效能。

警示故事

幾十年來，很多電影都涉及了人工智能問題，提供了若干人工智能應用的典型范例，如1968年拍攝的《2001太空漫游》中的HAL 9000，1983年拍攝的《戰(zhàn)爭游戲》中的約書亞，以及《終結者》系列中的Skynet。雖然應用題材來自于科幻小說，但這些流行影片中描述的故事都向人們發(fā)出了人工智能系統(tǒng)誤入歧途的警告，為現(xiàn)實世界中人工智能系統(tǒng)的創(chuàng)作劃定了界限。

由美國國防部常務副部長羅伯特·沃克領導完成并發(fā)布的第三次“抵消戰(zhàn)略”極大地促進了人工智能在軍事上的應用，國防部正在進行多項協(xié)調工作促進人工智能項目研發(fā)。2017年4月，沃克任命了算法作戰(zhàn)跨職能小組，旨在加強人工智能及機器學習等技術領域向作戰(zhàn)融合，促進人工智能應用系統(tǒng)在軍事領域的開發(fā)和列裝。沃克表示，雖然我們試探性地研究了人工智能、大數(shù)據(jù)及深度學習的潛力，但我們需要在整個國防部范圍內更快、更多地開展工作，以充分利用這些關鍵領域當前及未來技術進步所帶來的優(yōu)勢。當前人工智能應用系統(tǒng)通常僅局限于解決相對較小的問題，并且只針對特定的、狹隘的目標，各系統(tǒng)互不兼容，很容易形成相對獨立的“煙囪”。

而美國陸軍希望構建的是一個更宏大的人工智能應用體系。按照陸軍作戰(zhàn)概念對人工智能系統(tǒng)的描述，它將是能夠展開部署的具有學習能力的自動化或半自動化系統(tǒng)。機器人與自動化系統(tǒng)戰(zhàn)略描述了目標指示和預警、信息對抗和網絡防御以及其他方面的應用。對人工智能產生質疑的一個關鍵假設是，它們都已經受過相關培訓，對作戰(zhàn)環(huán)境非常了解，可以防護網絡或提出建議。然而迄今為止，沒有采取任何措施幫助新生的人工智能系統(tǒng)了解作戰(zhàn)人員做了什么，尤其重要的是他們怎么做的。

為了使人工智能變得有用和有效，它必須能夠區(qū)別各種情況下某些信息的含義。例如，如果你要求尋找“ISIS”，它不知道是尋找恐怖組織“伊斯蘭國”，還是美國伊西斯制藥公司或是古埃及女神伊西斯。然而，如果在世界歷史課上有人問這個問題，最有可能的答案是古埃及女神伊西斯。世界歷史課增加了查詢信息必要的上下文關系，以便人工智能提供最佳、最可能的答案。這種做法與亞馬遜如何推薦不同作者的書籍相似，必須在特定主題或類型下查詢。他們采用的算法結合了用戶的查詢歷史，從而將搜索結果與類似的用戶或相關產品相匹配。人工智能系統(tǒng)通過掌握用戶過去查詢的信息從而判斷出當前你所需要查詢的信息，因此軍事人員對“ISIS”的搜索便必然指向恐怖組織。創(chuàng)建和管理這些人與產品關系的算法是需要特別保護的商業(yè)秘密。

實現(xiàn)途徑

通過技術研究，團隊合作和實驗檢測，任務式指揮作戰(zhàn)實驗室正在幫助陸軍積累基礎數(shù)據(jù)，從而可以創(chuàng)建支持決策所需的算法和數(shù)據(jù)結構。如果陸軍要實現(xiàn)學習型機器的愿望，針對未來未知作戰(zhàn)環(huán)境提供采取行動的信息或建議，則以下兩方面的工作都必須完成。

首先是對特定人工智能項目展開訓練，使其掌握作戰(zhàn)單位在執(zhí)行任務中如何通過各層級部隊展開相應范圍的軍事行動。例如，軍事決策過程就是一個很好的初級訓練，因為決策過程中有明確的輸入和產出。進一步的訓練，可以讓人工智能系統(tǒng)學習通過運用計算機視覺從任意一個車輛傳遞圖像報告，用于幫助作戰(zhàn)部門制定計劃，確定目標，指揮作戰(zhàn)行動，或用于幫助情報部門人員進行態(tài)勢感知和判斷情況。軍事人員如何管理信息和分發(fā)作業(yè)產品的邏輯方法，對于確定算法至關重要。這就像人工智能在商業(yè)上運用一樣，允許計算機為用戶提供有效的建議，如“尋找車輛X的人也搜索……”

構建未來通用人工智能系統(tǒng)的基礎包括4個基本項目：歷史、作戰(zhàn)條令、軍事理論和經驗教訓。雖然這一切可能聽起來很普通，但卻是其他所有形式軍用人工智能應用的基礎。

在構建軍事知識基礎之后，各類人工智能系統(tǒng)的學科方向領域專家就能夠為算法添加上下文聯(lián)系和相關知識。就像軍隊必須訓練作戰(zhàn)人員理解軍事術語一樣，也必須訓練機器了解每個語境中詞匯的相應含義。通過這方面的訓練使各種類型的人工智能系統(tǒng)不斷提升應用能力，從而開發(fā)出功能更強大的通用人工智能系統(tǒng)。這樣就給了眾包算法更多擴張發(fā)展的機會。所謂“眾包”是指一個公司或機構把過去由員工執(zhí)行的工作任務，以自由自愿的形式外包給非特定的，通常是大型的大眾網絡的做法。眾包算法可以為用戶貢獻最佳實踐應用或特定位置應用的相應數(shù)據(jù)。但是要真正實現(xiàn)對整個軍隊的應用價值，則需要進行全面性開發(fā)，讓人工智能系統(tǒng)在多個層級和跨戰(zhàn)斗職能下進行訓練。endprint