学习使用Python最新热门框架构建复杂的AI应用程序。这本实践指南将带你从基础聊天机器人开发到能够对数据进行推理的高级助手。 逐步项目展示了如何使用LangChain、Streamlit和Chainlit创建AI驱动的应用程序 掌握提示工程基础,以从大型语言模型中引出准确的回答 构建能够使用计算器、维基百科、天气数据和自定义工具的对话代理 集成外部API,以实时数据连接你的模型 实现检索增强生成(RAG)进行上下文感知的问题回答 使用Streamlit和Chainlit将你的代理部署为Web应用程序,以便轻松交互 集成技术:探索如何与OpenAI的大型语言模型(LLMs)和其他AI工具无缝连接。高级概念变简单:掌握提示模板、简单链、顺序链和代理的复杂性。互动学习:参与实践练习,如“与文档对话”和向聊天应用程序添加记忆。无论你是希望提升你的Python技能还是启动一个新的AI项目,这本书都为你提供了解锁LangChain全部能力所需的知识。有趣的示例包括烹饪助手和讲故事机器人。适合熟悉Python的开发者。

成为VIP会员查看完整内容
86

专注于使用分析和基于模拟的方法进行贝叶斯推理和计算,《时间序列:建模、计算与推断》第二版整合了时间序列建模的主流方法与时间序列分析方法和应用的重大近期发展。它包括了一个研究生水平的贝叶斯时间序列建模、分析和预测账户,广泛的引用了单变量和多变量时间序列分析的最新方法,并接触了多变量时间序列建模和预测的研究前沿。它呈现了几类模型和相关推理方法的概述、用于模型拟合和评估的统计计算、以及预测。它探索了时域和频域方法之间的联系,并使用贝叶斯公式和计算开发了各种模型和分析,包括基于马尔可夫链蒙特卡洛(MCMC)和顺序蒙特卡洛(SMC)方法的计算。它通过来自各种领域的示例和案例研究来说明模型和方法,包括信号处理、生物医学、环境科学和金融。与核心模型和方法一起,该书代表了在具有挑战性的时间序列问题中进行分析和预测的最新方法。它还展示了近年来时间序列分析在新的应用领域的增长,并接触了最新和相关的建模发展和研究挑战。第二版中的新内容:在核心模型理论和方法方面进行了扩展。 多个新的示例和练习。 动态因子模型的详细发展。 更新了与最近和当前研究前沿的讨论和联系。

成为VIP会员查看完整内容
80

今天的现代军队显然正处于转型期。往往对具体问题以及军事专业应如何走出困境存在分歧。这种不一致造成了对历史上技术最先进、训练最有素、受教育程度最高的专业军事力量为何如此令人失望的争论。本书试图为严肃的军事专业人士勾勒出这样一个框架:尽管有先进的技术和复杂的专业发展与培训,但我们的军队在即时或局部战术背景之外的安全应用中却越来越脆弱。

本书对当前流行的军事理论、方法和模式以及总体制度化框架进行了积极的批判,具有挑衅性。作者毫不回避对这种无处不在的思维方式的审视,这种思维方式几乎支配着所有军事组织的形式、职能和有目的的作战行动,正如今天在条令、教育和训练中定义的那样,以及它们在现实世界中的运用。这项工作并不是又一次试图逐步改进现有的传统概念,在稍作修改后为其辩护,或者以 "这就是他们的真正意思,这就是解决今天失败问题的新路线图 "为名,寻求以某种新的变体来改革机构批准的内容。作者试图颠覆、挑战,并在必要时摧毁一些受人珍视的作战人员信念,这些信念在今天已无关紧要,而且在最初实施时的作用也值得怀疑。本书可能会推翻许多苹果园--有些会让读者喜出望外,有些则可能会让读者反思自己的不安反应是否会暴露自己的偏见。

在过去的十年中,作者一直从事系统设计、战略、作战规划和组织变革方面的理论研究、实验、促进和写作,经常会遇到两种关于这些强大而具有破坏性的机构转型主题的要求。首先,许多人反对这些有争议的观点,间接地以反智的方式坚持认为,"解释这些事情所需的高水平理论对整个组织来说太难了。你必须将其简化--使用 "简单、愚蠢"(Keep it Simple, Stupid)或 "KISS"(Keep it Simple, Stupid)原则。否则,你的想法就不值得考虑!" 无论是在战争学院、领导力活动、会议和研讨会上,还是在学术评论中,抑或是在网络和社交媒体上,都会遇到这种反应。

第二种最常见的抵制形式是 "不能把婴儿和洗澡水一起倒掉"。很多已经制度化的东西已经有了很好的记录,根本没有证据表明这些新概念会比我们维持已经付诸实践的东西更好"。显然,"婴儿 "是指作战者所珍视的、认为好的和重要的东西,而 "洗澡水 "则是指该机构将容忍对其进行辩论,并可能根据等级制度的决定予以淘汰的东西。

以婴儿为中心的东西是意识形态的(人们不敢质疑),而任何洗澡水的沥干通常都需要一些量化的、明确的和客观的证明,以允许任何改变。作者想在这里谈谈这两方面的问题,并邀请愿意超越自我、机构保护立场的读者继续阅读。

系统设计师贾姆希德-加拉杰达吉(Jamshid Gharajedaghi)对第一种体制性套路提出了最优雅的反驳,即军方(以及国防以外的许多团体)固守 "一切从简 "的原则,以避免 "花哨 "的概念和其他高深理论。套用他的回答,一个共同的组织理解并不是一个发展或变革过程的开始:它是最后一步。如果每当一个组织试图进行批判性的自我反思、实施变革性的概念、尝试困难的理论和新的学习时,首先要在该机构或领域的最广大人群中达成共识,那么就不会允许任何 "花哨 "的东西进入大楼。加拉杰达吉说:"我向你们保证,我们将迅速跌入最低级的平庸。生活将在设定和寻求可实现的目标中进行,而这些目标很少能摆脱熟悉的局限"。因此,军事条令必须是军事事务组织变革长征的最后一站,而绝不是第一站(尽管有许多例子可悲地反驳了这一信条)。KISS 提供了明天的制度相关性--但却总是以牺牲作战人员的创新或随机应变为代价。

以色列军事作战设计师西蒙-纳韦(Shimon Naveh)在接受采访时直言不讳地指出:"战争很难打,但我们还是要去打。如果这确实很关键、很重要,那就不能选择。我们应该去做...你需要的只是一些智力上的耐力和精力。如果你对你的职业是认真的,那么你就会去完成它。" 纳韦不傻,虽然他对这种紧张关系的描述像一把大锤,但战争是一项最严肃的事业。如果军事职业确实是一项现代职业,我们就必须思考在这项庞大的事业中,应如何培养和鼓励实验、批判性思维、创新和变革。并非所有事情都应归结为标准化的条令,也并非每个想法都需要转化为尽可能小的分母。在下一场战争中,新的优势永远不会在今天显现出来,依赖于照方抓药的操作人员也永远不会发现改变游戏规则的新机遇。

在过去十年的系统设计教学和理论研究中,作者接触过数以万计的军事专业人员。那些看起来最不能也最不愿意考虑新战争理论的人并非不聪明。相反,他们已经将一些理论(如克劳塞维茨、斯维钦、孙子)、模型(如博伊德的 OODA 循环[观察、定向、决策、行动]、重心分析、SWOT 分析--识别组织的优势、劣势、机会和威胁)和方法(如联合规划流程、军事决策流程)内化到了意识形态的程度,并与他们的作战人员身份联系在一起。这种深刻的联系成为体制变革的最大障碍。正如 Gharajedaghi 所澄清的那样,问题并不在于你所在机构的广泛基础缺乏对新思想的理解。相反,问题在于他们之上的专家们没有共同的理解。对组织而言,学习新事物本质上要比让专家们重新学习他们已经同化甚至仪式化了的东西容易得多,这已经远远超出了任何理论、模型或方法对一个行业的作用。

这种情况导致了第二种体制上的抵制点(这也暗示了战争中的反智主义):婴儿在洗澡水里,激进的转型有可能失去我们所珍视的一切。我们将这一比喻中的婴儿视为我们的军事职业;如果没有特定的概念、信仰和行为,我们作为一支军事力量就可能被抹杀,或沦为无法完成任何任务的非职能实体。这种观点再次勉强阐明了机构不惜一切代价自我保护的黑手。本书解释了一种单一的、完全消耗性的战争模式是如何支配军事力量的,它阻止任何操作者在其强加的限制之外思考或行动,否则就有可能被疏远、边缘化,或者更糟糕的是,被宣布为异端和流放。我们无意识地试图保留婴儿,如果有的话,我们应该在不打扰婴儿的情况下,随着时间的推移逐步换掉洗澡水。然而,抵制新模式的做法是错误的,这也是现代军队今天陷入困境的部分原因。

有时,我们最初把婴儿放在脏洗澡水里而没有意识到这一点,或者在当时,其他选择甚至没有那么有用。将比喻进行到底,机构变革需要健康的辩论。改变一个组织很难;试图从根本上改变一个组织则是革命性的,往往会造成极大的破坏。因此,机构是否更愿意在未来战争发生之前,在存在巨大风险和不确定性的情况下,立即承受寻求转型的剧痛?也就是说,婴儿从一个浴盆(设计)中被拽出来,进入一个完全不同的浴盆。或者说,如果该机构在未来战争中逐渐失败,使用大多数成员以机构稳定和统一的名义同意的基本不变的结构(洗澡水的糟糕选择),忍受缓慢的痛苦和破坏,因为与我们知道的魔鬼打交道总比与我们不知道的魔鬼打交道要好?

本书从第一部分开始,阐述了现代军队在复杂战争中的思维和行动方式存在的问题。我们用洗澡水给婴儿洗澡,这让婴儿(和父母)感到恶心。然而,这种制度是如此执着于做事的方式,以至于它的势头使我们越来越难以考虑涉及改变水质的替代方案。本书指出了社会范式是如何在群体中形成的,以及现代军队是如何在战争中使用特定范式进行思考和行动的。

接下来,在第 2 部分中,我将利用系统设计来概述如何扰乱、挑战和改变军队的思维和行动方式,从而探索出一系列不同的选择和更为全面的战争框架第 3 部分介绍了对大多数读者来说可能很陌生的概念。例如,多重未来、系统思维和涌现等概念将有助于建立考虑有目的的军事思想和行动的新方法。有些概念可以用来修改当前的决策方法,有些概念则可以用来打破现有的框架,从而让设计者创造出另一种选择。然而,这些新的战争设计不会扩展旧的战争框架的任何承诺,即更大的确定性、预测性或控制性,或从不确定性的未来逆向设计出一条从今天开始的清晰而线性的导航路径的能力。复杂就是......复杂。我们为何会相信简化的线性因果逻辑可以为我们规划复杂战争的路径,这个谜团也将在本节中揭开。

最后,在第 4 部分中,提出在现代军队所坚持的传统战争框架内,系统设计可能开始正规化的方法。要摆脱战争中一些僵化、过时的概念,实际上需要一代人或更长时间。从头到脚,从我们最高级别的教育到最基本的条令原则,个人都已经习惯了这种体制。这个比喻的失败之处在于,我们的现代军队甚至无法区分婴儿和洗澡水的终点在哪里。我们不善于反思,不断重复使用特定的工具,却没有能力超越我们的框架,在社会管理的限制之外进行广泛的反思和改革。尽管如此,并非所有事情都是不祥之兆--许多现代军事概念对于我们需要推进的工作都很有价值。

成为VIP会员查看完整内容
80

这本书详尽地介绍了矩阵计算及其相伴的理论,并辅以作者的有益见解,为矩阵计算这一科学计算的关键组成部分提供了清晰而彻底的入门。

成为VIP会员查看完整内容
61

现代战争不断发展,技术进步影响着战争的进行。网络空间和人工智能(AI)等关键技术正在提供新的作战工具,而核武器等传统工具也在卷土重来。这些变化为战争带来了更大的杀伤力和破坏力,并模糊了冲突的界限,直接战争被混合战争或灰色地带战术(威胁扩散,代理行为体主导)等新形式所取代。

多种分析框架对战争的这种转变进行了研究,探讨其对战术和战略的影响。例如,"战争世代 "文献描述了五代战争。第一代战争涉及人与人之间的战斗,主要依靠体力、技能和数量。第二代战争通过火力,使具有不对称武力或力量水平的战斗人员能够将自己的意志强加给传统上更强大的对手。第三代战争优先考虑的是渗透敌阵后的机动。第四代战争模糊了国家与非国家行为体、边境地区与腹地之间的界限,恐怖主义或代理战争占据主导地位。这种战争形式的目标定位是目标领导层的决策过程。第五代战争的目标是通过扭曲对手民众的世界观和威胁感,甚至在不了解目标定位的情况下控制他们。

随着网络、虚拟现实和增强现实(VR/AR)、人工智能和 3D 打印等关键技术的发展,这些不断变化的战场也发生了转变。这些技术使战场成为一个复杂、相互关联的生态系统,物理和虚拟领域相互融合。这些技术使战斗人员无需诉诸动能手段就能参与战斗,而动能手段是前几个世纪战斗的标志。与此同时,它们也引发了关于其伦理影响、法律框架和潜在意外后果的讨论。例如,使用致命的自主武器系统一直是一个有争议的话题,越来越多来自不同领域的声音主张在全球范围内禁止使用这种系统,因为据称这种系统违反了国际人道法。同样,使用网络工具将国家关键基础设施作为目标定位,也引发了人们对潜在的大范围破坏和平民伤亡的担忧,这可能会对其他重要基础设施和服务产生连带影响。然而,一些国家正在研究这些技术,以便尽快将其武器化和部署。

全世界的国家安全机构和军事规划人员现在都面临着这一作战变革带来的新挑战。这使得政策选择更加复杂,应对措施更具挑战性。本卷中的文章试图解读关键技术,探讨其对未来战争的影响。这些文章探讨了网络战、归属挑战、无人机群、自主武器、人工智能及其对陆战、区块链和作战的影响等主题,同时还关注了这些技术进步对核武器和太空的影响。这些文章由领域专家和知名学者撰写,回答了四个关键问题: 我们在与谁/什么作战?我们在哪里作战?我们如何作战?我们何时在战斗?

扎卡里-卡伦伯恩(Zachary Kallenborn)在讨论无人机蜂群时认为,虽然预计无人机蜂群会在全球范围内扩散,但这不会立即发生。不同的国家将采取不同的方法来应对无人机群的扩散--有些国家注重数量,有些国家注重无人机的技术先进性,还有些国家则实施出口管制来阻止无人机的扩散。在探讨另一项关键技术时,Akshat Upadhyay 研究了 VR/AR 在战争中的作用。他强调,VR 和 AR 在战争中的作用越来越大,因为 VR 可以刺激出于安全原因无法在实验室或训练场上创造的条件,而 AR 则增加了一层额外的信息(音频、视觉、触觉),提高了战场所需的感官表现。

尼尚特-拉吉夫(Nishant Rajeev)从网络战的角度探讨了国家如何利用网络空间推进其战略目标。他认为,由于网络能力的独特性,国家在竞争动态中比在武装冲突或战时动态中更容易利用网络能力。接下来,Meghna Bal 和 Mohit Chawdhry 讨论了区块链技术在作战中的效用,研究了突出的早期使用案例,并认为虽然一些军队正在尝试使用该技术,但其在军事行动中的效用目前尚未得到证实。与此同时,施鲁蒂-夏尔马关注生物技术,强调了生物技术在开发和生产生物武器中的关键作用。鉴于生物智能体的潜在危险性,她认为有必要加强生物技术只用于无害途径的规范。

在其他关键技术中,阿莫哈-巴斯鲁尔(Amoha Basrur)研究了生成式人工智能,探讨了它对军队的实用性和潜在风险。与生物技术一样,她也主张安全、合乎道德地使用人工智能。维多利亚-萨姆森(Victoria Samson)在探讨太空和反太空技术的作用时,强调了太空对许多国家日益增加的重要性。这导致各国努力破坏其他国家利用太空的能力,导致反太空能力扩散到大国之外。

在探讨了关键技术的战略和战术视角之后,下一组文章提供了一般战略视角。

Arindrajit Basu 探讨了网络事件的归因问题,并指出印度尚未公开将具体的国际网络事件归因于具体的私人肇事者或国家。然而,随着此类网络事件的频率和强度的增加,印度不能不使用公开归因这一关键选项(如果认为有效)来应对网络不和平的不确定性,并促进其战略利益。接下来,布莱恩-G-周(Brian G. Chow)审视了美国的太空战能力,他认为,虽然美国已经加强了能力,但其整体太空复原力的强弱取决于其最薄弱的环节,尤其是当涉及到构成重大威胁的中国时。

Tanvi Kulkarni 探讨了核威慑的作用。她认为,两个因素--核规范的力度以及现代新兴技术的应用--最有可能影响核武器在未来冲突中发挥作用的方式和程度。除此之外,还有全球地缘政治的不确定性,以及人类生命和环境所面临的生存威胁的快速演变所带来的不确定性。

最后两篇文章探讨了人工智能的相关方面。迈克尔-德普(Michael Depp)认为,虽然人工智能技术在军事系统中取得了重大进展,但地面战争的自动化尤其困难。大部分进展都是在空军和海军系统中取得的。不过,这些进步将是有效利用人工智能在地面作战中取得成功的关键。最后,劳拉-布鲁恩认为,随着越来越多的军队开始依赖人工智能,它可能会给战争迷雾增加新的层次。因此,在未来可能更加依赖人工智能的战争中,深入了解风险对于确保合法合规和人的责任至关重要。从某种意义上说,这是将所有关键技术应用于战争的预防性故事。

总之,这本由 13 篇文章组成的论文集从多个细微之处揭示了关键技术对作战的影响。

成为VIP会员查看完整内容
44

这本书讨论了物联网(IoT)的基础技术、架构、应用领域以及未来研究方向。它还讨论了如何根据应用需求创建自己的IoT系统,并提供了IoT领域最新趋势和开放研究问题的更广阔视角。本书涵盖了无线网络、高级信号处理、IoT和普适计算等多个研究领域。《物联网:理论到实践》讨论了IoT的基础知识和基本原理,以及实时应用和相关挑战与开放研究问题。书中包括了几个关于IoT在日常生活中应用的案例研究。作者回顾了各种高级计算技术——如云计算、雾计算、边缘计算和大数据分析——这些技术在未来基于IoT的服务中将发挥关键作用。书中详细介绍了区块链技术、窄带物联网(NB-IoT)、无线身体区域网络(WBAN)、LoRa(一种长距离低功耗平台)和工业物联网(IIoT)在5G世界中的作用。本书面向大学/学院学生,以及业余电子爱好者和希望在IoT领域保持最新的行业专业人士。

成为VIP会员查看完整内容
38

变革性人工智能提供了人工智能领域最新趋势、挑战、应用和机遇的全面概述。本书覆盖了AI研究的最新进展,包括机器学习、自然语言处理、计算机视觉和机器人技术,并探讨了这些技术如何转变各个行业和领域,如医疗保健、金融、教育和娱乐。

书中还讨论了AI广泛采用所带来的挑战,包括伦理问题、偏见以及对工作和社会的影响。它提供了如何缓解这些挑战的见解,以及如何设计负责任、透明和可信的AI系统。

本书对AI未来提供了前瞻性的观点,探索了可能塑造AI创新下一个十年的新兴趋势和应用。它还为企业和个人提供了如何利用AI的力量创造新产品、服务和机遇的实用指导。 总体而言,本书是任何希望在快速发展的人工智能领域保持领先地位,并理解这一变革性技术在未来几年对我们生活影响的人必读的书籍。 关于作者: 阿赫迈德·巴纳法教授在研究、运营和管理方面拥有丰富的经验,专注于物联网、区块链、网络安全和AI。他是旧金山市和县颁发的荣誉证书、马萨诸塞大学洛厄尔分校颁发的哈斯克尔杰出教学奖以及圣何塞州立大学作者与艺术家奖的获得者。2018年,他被领英评为第一科技声音、科技预言家和影响者,他的研究成果曾被福布斯、IEEE和麻省理工学院技术评论等刊物报道,且接受了ABC、CBS、NBC、CNN、BBC、NPR、NHK、FOX和华盛顿邮报的采访。他是麻省理工学院技术评论全球小组的成员。他的书《使用区块链和人工智能(AI)保护和智能物联网(IoT)》获得了三个奖项:圣何塞州立大学作者与艺术家奖、所有时间最佳技术书籍之一奖、所有时间最佳AI模型书籍之一奖。他的第二本书《区块链技术与应用》获得了圣何塞州立大学作者与艺术家奖、最佳新私有区块链书籍之一奖,并已在斯坦福大学和美国其他著名学校使用。另一本书《量子计算》将于2023年出版。他在莱海大学学习电气工程,在哈佛大学学习网络安全,在麻省理工学院学习数字化转型。

成为VIP会员查看完整内容
38

大型语言模型(LLMs)不仅在塑造人工智能(AI)的发展轨迹,它们还揭示了新一代的安全挑战。这本实用书籍将直接带你进入这些威胁的核心。作者Steve Wilson,Exabeam的首席产品官,专门关注LLMs,避开了泛化的AI安全,深入探讨了这些模型固有的独特特征和脆弱性。 书中集合了创建LLMs OWASP十大安全隐患列表时积累的集体智慧——这是由400多位行业专家完成的壮举——这本指南提供了实用的指导和策略,帮助开发者和安全团队应对LLM应用的现实情况。无论你是在构建一个新应用,还是在现有应用中添加AI功能,这本书都是你掌握AI下一个前沿的安全景观的首选资源。 你将学到: * 为什么LLMs呈现独特的安全挑战 * 如何导航与使用LLM技术相关的多种风险条件 * 与LLMs相关的威胁景观以及必须维护的关键信任边界 * 如何识别与LLMs相关的顶级风险和脆弱性 * 部署防御措施以防止对顶级脆弱性的攻击的方法 * 如何积极管理系统上的关键信任边界,确保安全执行和风险最小化

成为VIP会员查看完整内容
40

在近几十年中,强化学习(RL)已经成为解决复杂控制任务的有效方法。在通常使用的马尔可夫决策过程(MDP)框架中,环境被假定为一个固定的实体,无法从外部进行修改。然而,在许多实际场景中,环境可以在一定范围内被修改。这本书《在强化学习中利用环境可配置性》旨在形式化和研究环境配置的多样化方面。在传统的MDP中,智能体感知环境的状态并执行动作。作为结果,环境转换到新的状态并生成奖励信号。智能体的目标包括学习一个策略,即最大化长期奖励的动作处方。尽管环境配置在实际应用中经常出现,但该主题在文献中的探讨非常少。书中的贡献是理论的、算法的和实验的,可以大致分为三个部分。第一部分介绍了可配置马尔可夫决策过程(Conf-MDPs)的新颖形式化,以模拟环境提供的配置机会。书的第二部分专注于合作的Conf-MDP设置,并研究了寻找一个同时优化长期奖励的智能体策略和环境配置的问题。第三部分解决了Conf-MDP框架的两个特定应用:策略空间识别和控制频率适应。这本书将对所有将RL作为工作部分的人感兴趣。

成为VIP会员查看完整内容
30

本书介绍的所有著名飞机都在不同程度上在实战中铸就了自己的声誉:最近的是美国空军最重要的制空战斗机F-22 "猛禽 "战斗机,它于2014年首次在叙利亚上空作战。猛禽 "代表了所谓的 "第五代 "有人驾驶战斗机,延续了始于第一次世界大战的辉煌战线,当时第一架专门设计的固定翼战斗机投入实战。

在 20 世纪上半叶,两次世界大战推动了有人驾驶战斗机的发展,在此期间,飞行员从在敞开的驾驶舱内用手持式小型武器相互射击,发展到使用威力越来越大、越来越先进的武器装备攻击空中敌机和地面目标,直至包括最初的原始火箭和导弹。以下介绍的战斗机代表了不同的设计理念,力求最有效地融合一系列有时相互冲突的要求:性能、机动性、强度、操控性和火力。F-35 闪电 II 是唯一一种尚未在作战环境中服役的飞机,制造商和客户空军的目标是提供这些需求的终极组合。只有时间才能告诉我们,这一提供 "终极 "全能战斗机的最新尝试有多成功。

图:第二次世界大战见证了军用飞机时代的到来,它们开始在全球各地执行越来越多的任务。最典型的是 B-25 "米切尔 "轰炸机,它是作为中型轰炸机研制的,但在执行海上巡逻和照相侦察等多种任务时同样高效。

在第二次世界大战期间,战略轰炸机和战术轰炸机之间的界限变得越来越模糊,战略轰炸机主要用于对包括城市在内的主要固定目标进行远程轰炸,而战术轰炸机通常用于打击前线附近的目标定位或攻击敌方航运。与此同时,战斗机的潜力不断扩大,使得一种既可执行防御任务也可执行进攻任务的新型战斗轰炸机得以问世。虽然战斗轰炸机得到了进一步发展,产生了多用途战斗机(冷战中期出现了第一批真正的多用途战斗机),但在 21 世纪,专用远程轰炸机仍有一席之地,如 B-2 "精神 "和古老的 B-52 "同温层堡垒"。

图:法国 "阵风 "战机是最新一代多功能战机的典型代表。然而,这种先进平台的购置和运营成本使其超出了除最富裕的空军以外的所有国家的承受能力。

然而,除少数例外情况外,当今的前线战机通常都具有灵活的作用和用途。像欧洲战斗机 "台风 "这样的多国项目将防空和进攻能力整合在一个机身上。早期的双功能或多用途战斗机在执行任务时可能只能执行一种功能,而 "台风 "战斗机和达索 "阵风 "战斗机等先进战斗机可以在一次出动中转换不同的任务:因此,它们各自的制造商将其描述为 "摇摆角色 "或 "全能角色"。

为单一角色量身定制军用飞机的时代几乎已经一去不复返了。二战时期,P-61 "黑寡妇 "等专用夜间战斗机或伊尔-2 "什图尔莫维克 "等重装甲近距离支援飞机仍有用武之地。如今,A-10 "雷电 "II "坦克克星 "已经非常罕见,其长远前景一直受到威胁。

支援任务

有人驾驶飞机被军方采用的第一项任务就是侦察,这项艰巨的任务见证了一系列创新型专业设计的不断发展。从多用途的德-哈维兰 "蚊子 "到令人叹为观止的 SR-71,对航程、无懈可击性和隐身性的要求造就了一些经典的侦察机。但最近,情报收集工作越来越多地由侦察卫星和无人驾驶飞行器或无人机承担。

如今,即使是军用运输机也常常被要求具备多功能性,除了运送人员或货物外,还能承担其他任务。最迟自第二次世界大战以来,运输机对军队的价值从未受到质疑。然而,与战斗机和轰炸机相比,运输机缺乏魅力和吸引力,往往被忽视。本书只介绍了两个例子,长寿的C-47 "空中列车 "和创纪录的C-5 "银河",但它们各自对历次军事和人道主义战役的贡献怎么强调都不为过。

图:1940 年 7 月,英国皇家空军回收小组检查在不列颠之战中被击落的德国空军容克斯 Ju 88 飞机的机身。

成为VIP会员查看完整内容
26
登陆后查看更多精品内容
VIP会员
本周荟萃主题
区块链
区块链(Blockchain)是由节点参与的分布式数据库系统,它的特点是不可更改,不可伪造,也可以将其理解为账簿系统(ledger)。它是比特币的一个重要概念,完整比特币区块链的副本,记录了其代币(token)的每一笔交易。通过这些信息,我们可以找到每一个地址,在历史上任何一点所拥有的价值。
深度学习
机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。
机器学习
“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。”

——中文维基百科
强化学习
强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。
推荐系统
推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
卷积神经网络
在深度学习中,卷积神经网络(CNN或ConvNet)是一类深度神经网络,最常用于分析视觉图像。基于它们的共享权重架构和平移不变性特征,它们也被称为位移不变或空间不变的人工神经网络(SIANN)。它们在图像和视频识别,推荐系统,图像分类,医学图像分析,自然语言处理,和财务时间序列中都有应用。
计算机网络
计算机网络( Computer Networks )指将地理位置不同的多台计算机及其外部设备,通过通信线路连接起来,在网络操作系统及网络通信协议的管理和协调下,实现资源共享和信息传递的计算机系统。
命名实体识别
命名实体识别(NER)(也称为实体标识,实体组块和实体提取)是信息抽取的子任务,旨在将非结构化文本中提到的命名实体定位和分类为预定义类别,例如人员姓名、地名、机构名、专有名词等。
机器翻译
机器翻译,又称为自动翻译,是利用计算机将一种自然语言(源语言)转换为另一种自然语言(目标语言)的过程。它是计算语言学的一个分支,是人工智能的终极目标之一,具有重要的科学研究价值。
计算机视觉
计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。
微信扫码咨询专知VIP会员