随着美空军从以反恐为重点调整为应对具有潜在生存后果的近邻竞争,“一切照旧 ”的系统开发方法将不再适用:将无法继续在几十年前开发的概念上循序渐进。相反,需要新的技术,提供新的能力,以及运用这些能力的新的作战概念。目前在信息科学领域,特别是在自主系统(AS)开发及其相关基础技术--人工智能(AI)领域,存在着广泛而深入的技术推动力。随着新的人工智能算法和学习技术的开发和以新颖的方式加以应用,对认知和神经生理学的了解--大多数时候之所以 “聪明 ”的基础--也在以令人目眩的速度增长,而构建自主系统(如自动驾驶汽车和游戏机器人)的能力也不断成为头版新闻。此外,随着计算能力、内存、网络和数据可用性的摩尔定律增长,底层计算基础设施的爆炸性增长也加剧了这些进步。

在此的目标有两个:为美空军高层领导提供自主系统潜力的愿景,以及自主系统如何在各级作战中发挥变革性作用;为科技界提供一个总体框架和路线图,以推动技术发展,同时支持其向现有和即将获得的系统过渡。与其他人一样,也认为使用这些系统将带来可观的回报,原因很简单,这些自主系统的单项能力将提供更大的使用自由度和新的作战概念机会。但这只是一种传统观点。更深远的潜在回报将来自于以信息为中心的发展和自主系统的激增,这样,就可以抛弃传统的以平台为中心的思维方式,成为一个以服务为导向、无处不在的网络化和信息密集型的企业。

本文中,首先阐述在自主系统(AS)“行为”方面的需求:也就是说,无论底层技术手段如何,这些系统在熟练程度、信任度和灵活性等关键维度上的行为结果是什么?然后,将重点关注有可能将致力于解决这一问题的多个不同群体聚集在一起的架构方法,然后讨论可以将这些架构变为现实的使能技术。最后,提出了一些建议,这些建议不仅涉及技术问题,还涉及应该解决的问题集类型、解决这些问题所需的开发流程和组织结构,以及能够实现所提出愿景的知识平台的更广泛结构。

当今以平台为中心的美空军观

R1. 行为目标

这些基本上是概括性的设计要求,规定了AS 在熟练性、可信性和灵活性方面的行为方式

  • 建议 1a: 自动服务系统的设计应确保其在特定环境、任务和队友中的熟练操作。熟练性的理想属性包括情境代理、自适应认知能力、允许多代理出现以及从经验中学习的能力。

  • 建议 1b: 人工智能的设计应确保由人类同行操作或与人类同行合作时的信任。理想的信任原则包括:认知一致和/或决策透明、态势感知、可实现自然的人-系统互动的设计以及有效的人-系统团队合作和培训能力。

  • 建议 1c:人工智能系统的设计应以实现熟练程度和信任为目标,并能推动不同任务、同伴和认知方法之间的行为灵活性。人工智能系统所需的灵活性原则包括能够根据整体任务的要求和面临的情况改变其任务或目标。它应该能够扮演下属、同级或上级的角色,并与人类或组织内的其他自主系统一起改变这种角色。它还应能够改变执行任务的方式,既能在短期内应对不断变化的情况,也能在长期内积累经验和学习。

R2. 架构和技术

这包括支持跨学科研究与开发的统一框架和架构,以及支持架构内预期功能所需的技术投资

  • 建议 2a: 开发一个或多个通用的 AS 架构,以涵盖目前在不同社区使用的多个框架。架构至少应提供 “端到端 ”功能,即为 AS 提供感知能力,以捕捉其环境的关键方面;认知能力,以进行评估、计划和决策,从而实现预期目标;以及运动能力,以在需要时对其环境采取行动。体系结构应具有功能结构,以实现可扩展性和可重用性,不对组件功能的符号处理或次符号处理做出承诺,包含记忆和学习功能,并根据需要支持人机交互。无论采用哪种形式,架构都应可根据分配的任务、参与的同伴关系和使用的认知方法进行扩展。衡量一个架构是否有用的一个关键标准是,它是否有能力弥合处理自主性问题的不同群体之间在概念和功能上的差距。

  • 建议 2b: 继续开发在组件层面提供所需功能的使能技术。这不仅包括支持基本的 “看/想/做 ”功能的技术,还包括支持有效的人机交互界面 (HCI)、学习/适应和知识库管理的技术,既包括通用技术,也包括特定领域的技术。技术开发的性质应从基础研究、探索性开发到早期原型设计不等,这取决于具体技术的成熟程度及其设想的应用。

  • 建议 2c: 开发并推广多层硬件和多层软件架构,以支持自动系统的开发、验证、运行和修改,其中每一层都为给定的高级和低级功能提供不同硬件实现/主机的物理结构,每一层都为类似功能提供不同的软件实现。要充分利用新兴技术趋势,特别是商业领域的新兴技术趋势,可能需要各种复杂的架构模式。

R3. 挑战性问题

这里既涉及与领域无关的问题(或功能性问题),如动态重新规划,也涉及与领域有关的问题(或面向任务的问题),如多域融合

  • 建议 3a:通过一套范围适当、规模适当、抽象化的面向功能的挑战问题集来推动自动系统的基本行为、架构和功能开发,使科学与技术(S&T)界的不同成员能够专注于自动系统行为的不同贡献者。根据最初提名的架构和功能集选择挑战问题集,其方式应涵盖架构所代表的全部功能(详尽性),并尽量减少解决任何两个挑战问题所需的功能重叠(排他性)。

  • 建议 3b:选择以任务为导向的挑战问题,其两个目标是:a) 解决当前或未来可能非常适合应用自动系统的操作差距;b) 挑战科技界在自动系统功能的科学和工程方面取得重大进展。确保挑战问题能够在前面选定的架构和功能的范围内得到解决,以确保独立于领域的工作和独立于领域的工作之间的一致性,避免 “一次性 ”应用工作最终对其他面向任务的问题集贡献甚微。既要考虑 “部分 ”以任务为重点的挑战问题,也要考虑 “端到端 ”的挑战问题。最后,不要将科技资源用于解决在其他部门也有类似问题的作战问题,除非空军特有的属性使问题非常独特,无法以类似方式解决。

R4. 开发流程

这包括支持创新、快速原型设计和迭代需求开发的流程--与传统的瀑布式流程(需求说明、里程碑满足和最终状态测试与评估(T&E))形成对比,以支持快速 AS 开发和投入使用。

  • 建议 4a: 建立教育和实习人员管道,选派人员到空军技术研究所参加自主性入门短期课程,重点是人工智能使能因素。然后,个人成员将被嵌入到以人工智能为重点的特别行动活动中:自主能力小组(ACT),学习如何将所学技能应用于满足美国空军的自主需求。在四年的时间里支持这项工作,使人工智能人员的数量比现在增加一个数量级。通过一系列特别激励计划确保留住人才。通过对关键的校外研究人员提供适当的长期支持来补充这支队伍。

  • 建议 4b:采用三阶段框架,反复选择挑战性问题,对潜在解决方案的影响进行建模,并进行解决方案开发、原型设计和评估。开展以兵棋推演为基础的初始阶段评估,目标是确定关键的挑战问题以及能够应对这些威胁或利用潜在机遇的基于自动系统的解决方案。通过定量模型和模拟(M&S)以及性能参数对这些概念进行形式化,对有前途的 AS 候选方案进行更深入的评估。最后,重点设计 M&S 研究中确定的有前途的 AS 候选方案的一个或多个工程原型。开发并实验评估一个 AS 原型,该 AS 原型可作为:a) 购置的设计原型;b) 其他所需 S&T 的设计驱动力。

  • 建议 4c: 通过空军首席数据官,获取存储美国空军空中、太空和网络数据的空间,以便人工智能专业人员使用这些数据创建自主解决方案,解决面临的挑战。在相关组织中设立数据管理员角色,以管理数据,并为数据生产者和消费者创建简化的访问和检索方法。

  • 建议 4d: 支持向基于云的计算发展,同时将量子计算作为一种通用计算模式加以利用,以满足嵌入式和高性能计算处理需求。

R5. 组织结构

这包括围绕项目(或成果)重点进行组织,而不是按照传统的技术专业领域进行组织

  • 建议 5:在美空军研究实验室(AFRL)内建立 ACT,采用 “扁平化 ”业务模式,将 6.1-6.4 领域的专家集中到一个以产品为中心的组织中,开发自主系统科学,同时为作战人员提供能力。与空军科学研究办公室和 AFRL 其他主要技术局合作,并与 AFRL 以外的美国空军组织协调,包括国防部自主利益共同体 (COI)、AFWERX 和其他可促进技术向作战人员过渡的办公室。在 “ACT ”中,根据类似 “臭鼬工厂 ”的一套 “指导规则”,纳入以产品为中心的业务流程,促进未来空军向以信息为中心的业务平台模式转变。

R6. 知识平台

这提供了一种整合 AS 行为原则、架构/技术、挑战问题、发展过程和组织结构的整体手段。

  • 建议 6:开发一个知识平台(KP),其核心是将信息技术(IT)平台方法与平台业务模式相结合。为多域作战空军设计的知识平台应垄断观察代理与知识创造代理以及作战效应代理之间的联系,这些代理可以是人或基于机器的代理(AS)。知识创造代理提供了创造能力所需的生态系统,而这些能力则用于创造作战效果。这个生态系统将通过以下方式实现:利用自主性的三个行为原则;实现这些行为的架构和技术;驱动挑战的问题;跨越人员、架构/应用、数据和计算基础设施的开发流程;以及最后,为推进技术、利用技术和提供能力而需要建立的组织结构。这种方法将提供一种手段,使美国空军从解决少数问题的传统工具方法过渡到适用于更多问题的知识平台方法。

总结

综上所述,对人工智能系统开发和应用的建议包括

  • 这些系统要想精通业务、得到人类同行的信任并灵活应对意外情况,就必须具备的行为方式

  • 需要统一的框架、架构和技术,以便不仅跨越孤立的科技界,而且跨越操作上的隔阂和领域

  • 挑战科技界所需的重点难点问题,包括基础性问题和操作性问题,同时提供远远超出传统的以平台为中心的现代化方法的操作优势

  • 处理人员、系统、数据和计算基础设施的新流程,这些流程将加速创新、快速原型设计、实验和实地应用

  • 新的组织结构,即自主能力团队,将技术专业人员整合到一个单一的组织中,专注于创新产品开发,并根据需要与其他组织和社区开展外联活动

  • 知识平台,用于全面整合 AS 行为原则、架构/技术、挑战问题、开发流程和组织结构

美国空军后勤部,特别是 “ACT”,不能简单地将其注意力局限于自主系统的研究领域,也不能简单地延续应用现代人工智能和自动系统技术的模式,在一次性演示中逐步提高任务能力。必须选择挑战性问题,以推进知识平台的能力,在变革性应用中以敏捷的方式提供表现出熟练、可信和灵活行为的人工智能系统。除了以项目为中心的工作外,ACT 还可以优先考虑和协调 AFRL 的整个自主性 S&T 组合--同步工作以最大限度地提高投资效果--及时将 AS 能力大规模地用于应对任务挑战,同时在各 S&T 局之间 “共享 ”新架构、技术和流程的 “财富”。最后,一旦取得成功,ACT 可以作为一个 “存在证明”,证明美国空军后勤部如何从其传统的以学科为中心的组织转变为一个更加跨学科和以项目为导向的组织,解决美国空军全企业范围内的变革性问题。

拥有一个独特的机会,将空军从一个以空中平台为中心的部门(空间和网络往往处于次要地位)转变为一个真正以多领域和知识为中心的组织。通过知识平台向作战人员提供自主系统,空中、太空和网络的每项任务都将得到改进,而且不仅是逐步改进,而是成倍地改进。将成为一个以服务为导向、无处不在的网络化和信息密集型企业。简而言之:一个灵活的、以信息为中心的企业,通过无障碍访问高效的外围设备,及时做出决策。

成为VIP会员查看完整内容
59

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《人工智能与作战艺术》美国陆军57页技术报告
专知会员服务
208+阅读 · 2022年9月11日
国家自然科学基金
18+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
31+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2013年12月31日
A Survey of Large Language Models
Arxiv
327+阅读 · 2023年3月31日
Arxiv
16+阅读 · 2023年3月17日
VIP会员
相关资讯
相关基金
国家自然科学基金
18+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
31+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员