演算法戰:牽引美軍人工智慧軍事化應用
2017-11-23 10:29 來源: 解放軍報
關注新華網
微博
Qzone
評論
圖集

  美國《防務係統》網站近日披露,成立半年的美軍演算法戰跨職能小組已經開發出首批4套智能演算法。這些演算法目前正在接受測試,預計很快將投入實戰應用。演算法戰跨職能小組由今年7月卸任美國國防部常務副部長的羅伯特·沃克督建,是美國國防部為加快推進軍事智能化建設設立的一個跨部門機構。首批演算法的成功開發,不僅意味著該小組的工作已經走上正軌,更預示著美軍智能化建設將從軍種各自為戰的無序狀態向國防部“自上而下”有序引導的局面轉變,標誌著美軍智能化建設逐步進入“快進”模式。——編 者

  演算法戰概念,因何而生

  演算法戰概念由羅伯特·沃克在今年4月首次提出。羅伯特·沃克是美國“第三次抵消戰略”的“設計師”,以富有遠見和善于創新聞名,因此該概念一經提出便備受關注。

  事實上,演算法在軍事領域並非新事物。制導武器出現以來,演算法一直發揮著關鍵性賦能作用。從坦克裝甲車輛的主動防護係統到軍用飛機的自主控制係統,再到“愛國者”防空導彈的防空反導係統,演算法如今已成為大國主戰裝備的標配。嚴格地講,演算法本身的使用價值有限,只有與超算能力和大數據技術相結合才能産生魔力。事實上,演算法、數據和計算能力是當前主流人工智慧的三大要素,其中演算法是人工智慧的“大腦”。因此,演算法戰的實質是基于人工智慧的“智能+”戰爭。

  據了解,演算法戰跨職能小組當前的任務是使用電腦視覺演算法從巨量視頻資訊中自動識別和分類可疑物體並發出預警。實際上,以演算法為核心的人工智慧具有廣泛的軍事用途。與人腦相比,它至少具有四大優勢。

  更快的速度。在冷兵器和機械化戰爭時代,戰場制勝的法則通常是“大吃小”;在資訊時代,戰場制勝的法則是“快吃慢”。在超算能力的支撐下,人工智慧的反應速度是人類的成百上千倍。2016年,美國辛辛那提大學研發的“阿爾法”智能軟件,在模擬空戰中操控三代機擊敗了由退役空軍上校駕駛的四代機,主要原因是該軟件的反應速度比人類快250倍。

  更高的效率。人工智慧運算速度快,可晝夜不停地運作,學習和工作效率遠超人類,可大大節省時間和人力成本。摩根大通去年開發的一款智能金融合同解析軟件,可在幾秒鐘內完成律師和貸款人員需要36萬小時才能完成的工作。此外,與人類認知模式不同,人工智慧軟件掌握的知識可在不同係統間迅速復制轉移。

  更好的結果。在海量數據和超算能力支援下,人工智慧的診斷和預測結果更加準確。埃森哲咨詢公司的研究顯示,機器學習能夠更準確地預測庫存水準,可使交貨時間提高4.25倍,供應鏈效率提高2.6倍。倫敦帝國理工學院開發的醫療智能軟件,診斷肺動脈高壓的準確率為80%,比心臟病學家的平均水準高出20%。

  更好的耐力。人工智慧不受生理機能限制,可連續執行重復性、機械性任務。2016年9月,一架F-16戰機在訓練中達到8倍重力過載,導致飛行員失去知覺,幸虧機載“自動防撞地面係統”發現這一情況,在飛機撞擊地面前自動將飛機拉起,避免了悲劇的發生。

  俄羅斯總統普京曾説:“誰能成為人工智慧領域的領導者,誰就將成為世界的統治者。”然而,當前的人工智慧就像二戰前的坦克,各國都明白它很重要,卻不知道如何有效運用。2016年6月,美國國防科學委員會在《智能化夏季研究報告》中強調,智能化能夠帶來巨大的行動優勢,五角大樓必須強化對智能化的作戰牽引。演算法戰概念正是在這一背景下産生的,作用是牽引智能化技術從實驗室走向戰場,加快推進人工智慧的軍事化應用,拉大與對手的技術代差。

  智能化建設,雄心多大

  當前,美軍情報資訊收集能力與分析能力嚴重失衡,“數據資訊多、可用情報少”的問題凸顯。美國國家地理空間情報局局長羅伯特·卡蒂羅曾説,如果該局繼續依靠手工方式篩選數據,未來20年需要雇傭800萬名分析師!為此,演算法戰跨職能小組開發的首批智能演算法將首先用于國防情報領域,以便將海量數據及時轉化成可行動情報,從而更好地支援軍事決策。

  事實上,美軍智能化建設的雄心遠不止于此。根據美國國防部的規劃,演算法戰跨職能小組主要扮演“探路者”角色,負責演示驗證人工智慧的軍事效用,為後續大規模研發和應用奠定基礎。當前,人工智慧已經成為五角大樓的最優先投資領域。據沃克披露,在2017財年國防預算中,約有120億至150億美元用于人工智慧和自動武器的研發。目前,在負責人工智慧研發的5家美國聯邦機構中,3家帶有軍方背景。據悉,美國國防部還將設立一個“機器學習中心”,負責將智能演算法引入國家安全領域。

  縱觀美軍各軍種出臺的智能化發展戰略以及國防高級研究項目局等研發機構的人工智慧開發項目,未來5到10年內美軍智能化建設將聚焦于四大領域。

  戰場空間感知領域的智能化。重點是研發可識別網絡攻擊徵候並發出告警的智能化代理人、具備感知功能的機載(車載、艦載)智能化係統,以及能夠從繳獲媒體中捕捉時間敏感型情報的智能化工具,用于解決戰場感知面臨的數據量大、復雜度高等難題,使指揮官實時掌握戰場空間態勢。

  力量運用領域的智能化。美軍認為,智能化能夠提高力量運用的速度和精度,尤其適合在反介入/區域拒止環境中使用。例如,研發級聯式無人水下運載工具,執行進攻性布雷、海上掃雷、誘餌投送等任務;開發異構化小型無人機集群,執行態勢感知、通信幹擾、認知電子戰和目標打擊任務,支援小規模戰術部隊行動。

  防護領域的智能化。這方面主要涉及開發智能演算法,用于在復雜電磁環境中自主協調和控制不同係統使用的頻譜;研發無人水下運載工具,自主執行海上掃雷任務;開發自動化網絡響應係統,控制網絡武器的快速防禦和交戰。

  後勤保障領域的智能化。重點是裝備保障和物流配送兩方面。裝備保障方面,運用智能軟件和雲計算能力分析和預測裝備維修保養需求,輔以3D列印技術,使保障模式從當前的“拉動式保障”向“推送式保障”轉變。物流配送方面,發展預測性物流和自適應規劃技術,開發自適應物流決策支援係統,提高物流行動的彈性和效率。

  人機協同,“智能+”戰爭的最優解

  2010年以來,在先進演算法、超算能力和大數據技術的共同推動下,人工智慧迎來了第三次發展浪潮。特別是2016年3月“阿爾法狗”擊敗前世界圍棋冠軍李世石後,人們驚嘆人類智慧“最後的堡壘”已被攻破,人工智慧將主宰世界。

  誠然,人工智慧可以顯著增強人類的智力和感知力,但人工智慧並非萬能,不能也不應該取代人類決策。例如,人工智慧的表現受到演算法和數據的雙重制約,一旦存在“臟數據”或演算法遭到攻擊,結果可能適得其反。此外,在復雜多變的動態環境中,人工智慧的認知能力依然遜于人類,而且易遭敵電子哄騙和電磁網絡攻擊。

  事實上,人機互動並非零和關係。實踐證明,人機協同形成的“半人馬模式”,能夠産生1+1>2的效果,是打贏“智能+”戰爭的最佳選擇。例如,使用智能軟件判斷淋巴結細胞是否含癌細胞的錯誤率是7.5%,人類病理學家的判斷錯誤率是3.5%,而人機協同的錯誤率只有0.5%。正因為如此,美軍把人機協同視為“第三次抵消戰略”的技術支柱。

  當前,美軍各軍種正競相發展人機協同技術和作戰概念。例如,陸軍正加緊研發偵察機器人、貨運機器人、排爆機器人等戰術智能化裝備,以此引導或伴隨士兵行動。空軍正重點推進“忠誠僚機”項目,通過運用智能化技術,讓數架無人機配合F-35戰機執行任務,自主伴飛的無人機扮演“千裏眼”、“武器庫”等角色,F-35戰機飛行員使用數字助手控制無人機群。海軍陸戰隊在新版作戰構想中提出,要加快完善“有人-無人”協同概念,在未來登陸作戰中讓智能作戰係統充當前鋒和誘餌,陸戰隊員扮演“獵人”,實現智能作戰係統與有人平臺和陸戰隊員的高效協同。

  在可預見的未來,人依然是整條作戰鏈的“開關”,擁有最終開火權。與此同時,隨著人工智慧和人機融合技術的不斷進步,人類戰士主要扮演監督者角色,密切觀察智能作戰係統自主開展行動,必要時進入作戰鏈進行幹預。

  當然,美軍智能化建設並非一帆風順,目前正面臨技術、信任、法律、道德等一係列問題,但必須看到,美軍在智能化建設方面已經搶佔了先機,過去幾年一直在進行技術和理論準備,一旦統一認識後集中發力,美軍智能化建設將全面提速,整體作戰能力將大幅躍升。(作者:陳航輝;單位:陸軍指揮學院)

+1
【糾錯】 責任編輯: 何險峰
相關新聞
新聞 評論
010020030800000000000000011154811297478561