【万字长文】《美国空军和人工智能:从过去的技术实施中吸取经验教训,向前迈进 》

2022 年 8 月 8 日 专知
近年来,人工智能(AI)作为一个热门词汇重新出现在世界各地。人工智能的潜在好处横跨整个社会,从金融到医疗,从农业到交通。人工智能实施的最有潜力的领域之一是军事。对于那些能够采用人工智能的部队来说,有令人难以置信的优势,而对于那些不能适应的部队来说,则有巨大的风险。本文研究了一些历史实例,其可为美国空军(USAF)如何最好地采用人工智能提供参考本文探讨了二战期间雷达发展的历史根源和 F-117A 隐身技术的出现,并研究了美国防部过去如何采用商用现成技术和软件。然后,本文研究了这些过去的技术和人工智能之间的对称性领域,以确定有效的技术采用方法。最后,本文提出了几个功能建议,以确保未来有效和高效地采用人工智能。
关键词:国家安全,人工智能,空军,美国空军
人工智能(AI)是美国(US)国家安全未来的一项关键新兴技术。在一个技术突破迅速扩大的时代,最近的一项研究表明,人工智能可能是影响最深远的。美国政策制定者认识到人工智能的重要性,并在过去两年中发布了关于保持美国在人工智能领域领导地位的总统行政命令13859,在2019年国防授权法案中使用了关于人工智能的具体表述,并发布了2018年美国国防部人工智能战略。在最近一份人工智能政策建议文件的前言中,美国前国防部副部长罗伯特-沃克指出:"中国、俄罗斯、欧盟成员国、日本和韩国都在增加人工智能的研究、开发和培训。尤其是中国,将人工智能的进步视为在经济和军事力量方面超越美国的一个关键手段。中国已经表示,它打算在2030年成为世界人工智能的领导者,并正在为实现这一目标进行重大投资。"关于如何为潜在的人工智能革命做最好的准备,已经有许多建议写给美国政府。本文在现有建议的基础上,利用不同历史实例的分析,将以前许多政府范围内的建议直接集中针对美国空军(USAF)
首先,必须尝试定义人工智能的含义。今天围绕着人工智能的炒作使讨论变得模糊不清,以至于有意义的对话在开始之前就可能失去。在人工智能能力最强的一面,许多人立即开始思考好莱坞描绘的科幻小说,如《终结者》中的天网,《黑客帝国》中的机器,或《战争游戏》中马修-布罗德里克几乎引发第三次世界大战。相反,在人工智能能力最弱的一面,似乎每个人都想利用炒作,如一位同事最近分享的关于她的 "人工智能猫砂箱 "的广告。"当把一个奴役全人类的计算机智能与一个智能垃圾箱进行比较时,我们讨论的似乎不是同一件事,但由于每个人都声称是人工智能,我们如何知道其中的区别并进行知情讨论?
美国《国家人工智能研发战略计划:2019年更新》对人工智能的解释是:"人工智能使计算机和其他自动化系统能够执行历史上需要人类认知和我们通常认为的人类决策能力的任务。"《2019年国防授权法案》使用以下几点作为定义:
(1) 任何人工系统,在不同的和不可预测的情况下,在没有大量人类监督的情况下执行任务,或者在接触数据集时,能够从经验中学习并提高性能。
(2) 在计算机软件、物理硬件或其他背景下开发的人工系统,解决需要类似人类的感知、认知、计划、学习、沟通或身体行动的任务。
(3) 一个被设计成像人一样思考或行动的人工系统,包括认知架构和神经网络。
(4) 一套技术,包括机器学习,被设计用来接近认知任务。
(5) 一个被设计为理性行动的人工系统,包括一个智能软件代理或具身的机器人,利用感知、计划、推理、学习、交流、决策和行动来实现目标。
这个定义是一个有用的起点;然而,我们必须做出进一步的区分。首先是通用人工智能和狭义人工智能之间的区别,有时分别被称为强人工智能和弱人工智能。通用人工智能描述的是在人类能力的广度上超过人类智能的计算机智能,包括复杂的决策和一定程度的批判性思维。虽然一般人工智能往往是描述人工智能时想到的形象,但大多数专家同意,如果它甚至有可能的话,它仍然是几十年后的事情。目前所有的人工智能效果都属于狭义人工智能的范畴,程序被设计用来解决一个具体问题。这包括从导航,到图像识别,语言翻译,游戏和自动驾驶汽车等一切。
在狭义人工智能的保护伞下,有多种方法和技术,其名称经常与人工智能互换使用,使问题更加模糊。这些技术包括从深度神经网络和机器学习(ML),到大数据和自动驾驶等一切。换句话说,为了利用狭义人工智能,你可能会建立一个利用多个神经网络来完成图像识别的算法。即使是狭义人工智能的概念,也具有难以置信的挑战性,因为它似乎在不断变化。每当科学突破一个新的人工智能障碍时,以前无法实现的东西就会显得很平常,因此不再值得冠以"人工智能"的名号。因此,以一种非常真实的方式,人工智能的公认定义在不断变化,这就提出了一个更加困难的任务,即澄清这一概念。本文的重点是狭义人工智能的当前和未来应用,包括属于该概念的所有工具和技术
虽然在定义什么是人工智能方面存在很大的混乱,但专家或政治家们一致认为,人工智能有可能是革命性的。中国在2017年发布了一份战略文件,比美国任何官方的人工智能战略都要早,其目标是在2030年达到全球人工智能的领先地位。同年,弗拉基米尔-普京宣布了俄罗斯的人工智能目标,他说:"谁成为这个领域的领导者,谁就能统治世界。"两年后,美国紧随其后,特朗普总统在一份关于美国在人工智能领域立场的行政命令中说:"美国在人工智能领域的持续领导地位对于维护美国的经济和国家安全以及以符合我们国家的价值观、政策和优先事项的方式塑造人工智能的全球演变至关重要。"人工智能无疑是未来国家安全的一项关键技术。
很容易理解为什么人工智能被提出来作为全世界军队的一个机会。军队的成功一直是关于信息和决策的,而不是关于士兵和技术的。约翰-博伊德上校著名的 "OODA环"在过去的一代中一直是军事战术理论的核心。他总结了军事领导人长期以来的经验,即如果你能比你的敌人更快地观察、定位、决定和行动,你就能打败他们。今天的空军被数据淹没了,有数百万小时的遥控飞机视频需要分析。现在,人工智能使美国空军能够通过一个名为Project Maven的计算机视觉程序来处理信息。人工智能发展的下一步很可能实现从人到机器的决策,将决策速度提高到无助的人无法管理的水平。即使对非军事人员来说,其优势也是显而易见的:如果一支部队的信息处理和决策速度比另一支部队快几个数量级,那么就没有办法与之抗衡。大规模冲突中的决策只是人工智能可能成为威胁的领域之一。
下表显示,如果美国空军在采用和使用人工智能方面不保持竞争优势,那么人工智能可能有多少领域会产生潜在的重大影响。同行竞争者的竞争和虚拟/网络冲突领域的威胁最大。面对一个具有同等能力的对手,或者在网络领域配备了更先进人工智能技术的对手,将迅速改变已经形成的平衡。混合战争和超大城市的冲突并不构成那么大的威胁,因为更多的冲突将保持在传统意义上。更多技术的趋势意味着这些地区将走向高威胁,因为城市和家庭变得更加相互联系和依赖技术。失败的国家和国家的不稳定目前并不构成威胁,因为它们不依赖于人工智能或相关技术。随着世界技术的发展,即使是失败的国家,如果高度发达并配备了人工智能技术,也可能带来高威胁。
表1. 超前采用人工智能而产生的威胁
关于如何为美国的人工智能革命作出最佳姿态,已经有多项研究。本文将试图为美国空军(USAF)做同样的研究。本文将为空军提供建议,以赢得并保持在未来人工智能方面的主导地位。为了实现这一目标,本文研究了过去的技术是如何整合的,重点是与人工智能增长采用相平行的点,以便为未来如何采用人工智能制定建议。首先,本文将研究隐身技术的发展和采用,然后是雷达技术,最后是空军对商业现成技术的采用,即COTS技术,特别是对微芯片和软件的关注
完整中英文版请上专知查看!
https://www.zhuanzhi.ai/vip/eeaab6e959ea3bd5882cce3e1645a5e5


专知便捷查看

便捷下载,请关注专知人工智能公众号(点击上方蓝色专知关注)

  • 后台回复“AIAF” 就可以获取【万字长文】《美国空军和人工智能:从过去的技术实施中吸取经验教训,向前迈进 》》专知下载链接

                       
专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取100000+AI主题知识资料
登录查看更多
14

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
【AI】英国国防部《国防人工智能战略》摘要
专知会员服务
92+阅读 · 2022年6月22日
美国战争研究所《俄罗斯军队在叙利亚的经验教训》
专知会员服务
48+阅读 · 2022年5月24日
756页美国国家安全AI战略报告
专知会员服务
159+阅读 · 2021年3月25日
美国人工智能国家安全委员会发布最终报告, 130页pdf
专知会员服务
127+阅读 · 2021年3月2日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
12+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年11月22日
Arxiv
0+阅读 · 2022年11月20日
已删除
Arxiv
31+阅读 · 2020年3月23日
Arxiv
25+阅读 · 2018年8月19日
VIP会员
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
12+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员