美国陆军希望人工智能能为士兵带来信息优势

美国陆军近年来提出了 "信息优势 "的概念，即士兵有能力比对手更快地做出决策和采取行动。陆军现在认为，人工智能是实现这一战略的关键。

人工智能的普及程度和能力都有了爆炸式的增长，ChatGPT 等大型语言模型和其他人工智能系统也越来越容易为大众所使用。在工业界和美国防部，许多人都在探索将该技术用于军事应用的可能性，陆军也不例外。

陆军赛博司令部司令玛丽亚-巴雷特（Maria Barrett）中将说，人工智能具有 "真正、真正推动变革的最大潜力......但它也给我们带来了非常、非常现实的挑战，以及整个信息维度的挑战"。

负责政策的国防部副部长办公室副首席信息作战顾问、陆军少将马修-伊斯利（Matthew Easley）说，军方正在经历 "从传统的信息作战，即我们如何将不同的信息效果结合起来，为我们的行动创造我们想要的协同效应 "到新的信息优势概念的转变。

伊斯利在 6 月份美国陆军协会的一次活动中说，这一概念的目标是确保陆军在信息环境中掌握 "主动权"，"能够看清自己、了解自己并更快地采取行动"。他说，信息优势包括五大功能：辅助决策；保护士兵和军队信息；教育和告知国内受众；告知和影响国外受众；以及开展信息战。

他补充说："所有这五个领域都可以利用人工智能和机器学习取得一定效果"。

伊斯利在 2019 年帮助建立了陆军人工智能兵力工作组。但他说，在他任职期间，该小组在全军范围内采用人工智能时遇到了两个挑战：迁移到混合云环境和移动设备。

陆军将 "继续拥有大量的传统数据中心，但随着我们需要激增，我们需要在全球范围内移动--云环境使我们更容易开展全球业务，"他说。根据陆军预算文件，陆军正在为2024财年申请4.69亿美元，用于向云过渡和数据环境投资。

巴雷特在 AUSA 会议上说： "没有数据存储库，就无法实现人工智能和机器学习"。陆军赛博司令部对其大数据平台进行了大量投资，将 "进入我们平台的数据流数量翻了一番，解析器翻了一番，我们现在存储的数据存储量也翻了一番，"她说。她说："我们将继续沿着这条轨迹前进，这意味着我们已经准备好开始利用 "人工智能能力"。

她说，对于指挥部来说，人工智能主要用于网络防御，但在 "信息层面 "也有应用。"引入各种不同的信息源......并真正了解特定环境的信息基线，这意味着什么？所有这些都对我们大有帮助，而且我认为这只会不断扩大"。

伊斯利说，移动设备的普及大大增加了潜在的馈送量，但也会扩大对手的潜在目标。这些设备 "有很多功能，也有很多漏洞。我们必须考虑并使用人工智能......既能保护我们自己，又能管理我们拥有的大量数据"。

陆军参谋长詹姆斯-麦康维尔（James McConville）将军在6月的一次媒体吹风会上说，在潜在冲突中，人工智能可以帮助士兵整理所有数据，并将正确的信息 "送到箭筒中"。

根据陆军预算文件，陆军正在为2024财年的人工智能和机器学习申请2.83亿美元，其中包括用于增强自主实验的研发资金，以及为集成视觉增强系统、可选载人战车（最近被重新命名为XM30机械化步兵战车）、远程战车、TITAN地面站和 "具有边缘处理功能的更智能传感器 "等系统的人工智能/机器学习项目活动提供资金。

"陆军部长克里斯蒂娜-沃穆斯（Christine Wormuth）在简报会上说："我们当然在寻找如何利用人工智能使我们的能力（包括新能力和正在开发的能力）更加有效。她说，陆军尤其在 "融合项目"（Project Convergence）演习中使用了人工智能目标定位程序。

融合项目是陆军对国防部联合全域指挥与控制概念的贡献，该概念旨在通过网络将传感器和射手联系起来。陆军发布的一份新闻稿称，在2022年底的上一次演习中，参演人员使用了陆军的 "火风暴 "系统--"一种人工智能驱动的网络，将传感器与射手配对"，向参加实验的澳大利亚兵力发送情报。

麦康维尔说，军方还将人工智能用于预测性后勤工作。他说："我们正在使用人工智能来帮助我们预测所需的零部件，这对庞大的军队来说意义重大"。

除了简单的维护之外，预测性后勤还涉及陆军的不同供应类别，如燃料和弹药，"以及我们如何看待消耗，如何预测在哪里可以将正确的供应品送到需要的地方"，负责维持的陆军副助理部长蒂莫西-戈德特（Timothy Goddette）说。

戈德特在国防工业协会战术轮式车辆会议上说："我们的目标是提前计划这些物资需要运往何处或何时需要进行维护，而不是作出反应。

他说："如果计划的维护是正确的，但条件是错误的--如果你处于低[操作]节奏，我们如何改变计划的维护？如果你处于炎热、寒冷或腐蚀性环境中，你该如何改变维护计划？这可能正是我们需要思考的地方。"

他补充说，在数字化世界中，陆军必须 "学会如何使用数据和以不同的方式使用数据"。"我承认，我们还没有完全弄懂[预测性后勤]。我们确实需要大家的帮助来思考这个问题。

McConville 和 Wormuth 说，人工智能未来的其他应用还包括人才管理和招聘。"Wormuth 说："人工智能可能有办法帮助我们以人类不擅长的方式识别优质线索或潜在客户。

不过，McConville 强调，在使用人工智能时，"人在回路中 "非常重要。

他说："实际做所有工作的可能不是人，但我们会看到人工智能帮助我们更好地完成工作。"但与此同时，我们也希望有人能说'发射这个武器系统'，或者至少能考虑到这一点。"

巴雷特赞同麦康维尔的说法："每个人都会把［人工智能］当成一台机器。但是......你猜怎么着：每个玩过 ChatGPT 的人--是的，是人在喂养那台机器。"

伊斯利说，随着陆军引入人工智能系统，士兵们可以做四件事来帮助技术正常成熟：收集和注释数据；使用这些数据训练人工智能模型；使用这些模型来检验它们是否有效；以及帮助改进模型。

他说，军方在收集数据方面做得 "很好"，"但军队中仍有很多数据我们没有完全捕捉到......我们可以利用这些数据来训练我们自己的大型语言模型。"要使这些模型对我们的领域有效，我们必须在我们的数据上进行训练。因此，我们必须研究：我们的人力资源数据是什么？我们的人力资源数据是什么？我们的医疗数据是什么？我们的业务数据是什么？我们的情报数据是什么？我们如何在受控环境下利用这些数据来建立更好的模型？

他说，这些模型必须根据军队的数据进行快速训练和再训练，以便不断改进。他以自己手机上的餐厅推荐算法为例，"它之所以这么好，是因为它有10年的时间，我只告诉它我喜欢世界上哪些餐厅"。

伊斯利说，虽然他们将来可能会收到人工智能的推荐，但武器系统将始终由人类来管理，但 "其他系统，如果不是那么关键的话......[机器]可以做出决定"。不过，他补充说，人类将对人工智能进行培训，使其在执行陆军任务时可以信赖。"他说："你不会质疑你的地图算法告诉你在城市中往哪里走--你知道该算法比你掌握更好的信息。但是，"我们如何获得数据背后的真实性，让我们能够相信模型的内容、模型是如何训练的，以及我们是如何使用它的？我认为这都是......人类的努力"。

参考来源：NDIA网站；作者：Josh Luckenbaugh