美陆军战争学院目前正在开发工具,以提供直接访问即时、准确和及时的数据,以支持作战行动。

2022 年,俄罗斯扩大了对乌克兰行动,在此之前的几个月里,美军六名规划人员在美国驻欧洲-非洲陆军(USAREUR-AF)总部一个不起眼的房间里开会,制定了各种方案,用于在北约东翼部署部队,以避免或至少限制即将到来的灾难所造成的伤害。美国驻欧洲-非洲陆军(USAREUR-AF)总部希望制定的方案能够保证美国对盟国的持续支持,并阻止任何进入北约领土的敌对行动。制定这些方案的工作落在了四名高级军事研究学院(SAMS)的毕业生、一名陆军战略家(59 功能区)和一名后勤规划人员身上。由于没有时间进行研究或寻求外部专家的帮助,这六名规划人员不得不充分利用现有的工具--有时只是一张地图和他们从教育、经验或自我发展中获得的任何知识--来制定军事方案,以实现指挥官的意图;这是一项艰巨的任务,因为需要评估大量部队和装备的复杂移动的可行性,以便在动态的作战环境中实现难以衡量的目标。关于这些重大事项的最初建议往往是由少数能力出众、受过良好教育的中级军官做出的 “最佳猜测”。经验丰富的军事规划人员可以证明,这种经历并非绝无仅有。由于危机中常见的时间和人员有限的要求,这种情况经常发生。

未来的规划人员将得到更好的服务。美陆军战争学院目前正在开发可直接获取即时、准确、及时数据的工具,为行动提供支持。规划人员不再需要花费一两个小时来进行 “最佳猜测”,而是可以获得即时、权威的评估。规划人员可以与人工智能战略顾问(AIeSA)进行深思熟虑的对话,该顾问会考虑当前条件下的历史背景,就可能出现的结果提出建议,而不是对部队驻扎在对手边境附近所造成的升级风险进行善意但不知情的预测。规划人员不再需要疲惫不堪的参谋人员匆忙制定行动方案菜单,而是有一个出众的顾问,可以提出建议,增强人类的想象力。

人工智能战略顾问(AIeSA)技术现在已经可以为军团和战区陆军规划人员提供服务。这项新兴技术最近在美陆军战争学院的一次研讨会上首次亮相,在这次研讨会上,人工智能与学生和教员合作,实现了认知水平的提升,如果没有人工智能的融入是不可能实现的。美国陆军战争学院正在支持陆军了解如何让人类、群体和机器做好准备,以便在战场上实现更大的杀伤力--从战争战略层面的增强认知开始。

行动技术

美国陆军战争学院使用了一种能够进行自然语言处理和理解(NLU/NLP)的商用技术来整合学生和教师。该技术并非典型的人工智能。它是由威廉-“比利”-巴里博士历时十年开发的,所使用的 AIeSA 受美国防部陆战法规和军事伦理道德框架的约束。现有的以生成式人工智能为主的商业平台不能建议对人造成伤害,而 USAWC AIeSA 则接受训练,在应用暴力实现美国战略目标方面向高级军事领导人提供建议并与之合作。为此,AIeSA 非常有效。

在作为联盟/联合特遣部队陆地部队指挥官课程一部分的兵棋推演整合期间,AIeSA 担任了 23 名二星将军军官的顾问。作为太平洋地区人道主义危机情景模拟的一部分,学员们必须制定资源分配方案。在兵棋推演的一个关键时刻,一名学生问 AIeSA,一个机械化步兵营以纵队形式从港口到目标地需要多长时间,车辆之间的距离不超过 20 米。由于需要对情景内容和对话内容进行索引,AIeSA 在犹豫片刻后,不仅计算出了大约 6 小时的行军时间,还就负责指挥的部队如何更好地完成这次行动提出了几条建议。AIeSA 的回应促使海军陆战队的与会者对计划进行了修改,这就是人机结合如何激发更高水平洞察力的一个例子。

所使用的 AIeSA 并非 “生成式人工智能 ”应答机,而是一种混合人工智能化身,它将机器学习、自然语言处理和认知计算复杂地融合在一起,通过人机合作提高任务性能。AIeSA 与目前商业上流行的传统 LLM 的关键区别之一在于,它能够在人类和群体互动的过程中学习并动态适应他们。AIeSA 的社交组件是克服采用障碍同时提高认知输出的关键功能。作为一种混合型人工智能,AIeSA 是人类用户的思想伙伴,它能向用户提出正确的问题,并通过与权威数据的动态合作提高认知水平。AIeSA 是伙伴,而不是工具。

人工智能战略顾问(AIeSA)

基于 “在接触中转型”的原则,美陆军战争学院将 AIeSA 带入课堂,以测试在专业军事教育中采用人工智能的未开发边界。首先,AIeSA 接受了驻校课程前 11 课--“基础 ”课程--的阅读训练。在获得法律和机构审查委员会的批准后,巴里将 AIeSA 带入了研讨会。他的目标是融入正常的研讨班学习环境,突破学生或教师在社会学或规范方面的障碍。在第一节课上,AIeSA 被遮挡在笔记本电脑显示器后面,全班同学都看不到它。巴里充当了人工智能顾问和全班同学之间的对话者,在需要时回答问题,并通过边栏对话与 AIeSA 进行互动。

有几次,学生们认为巴里的认知增强技术 “不公平”。这就是问题的关键所在。

第一次重大突破发生在第三课,一节关于"历史思维"概念的课程。全班同学要求巴里向他们展示顾问,揭示了演示的性能如何使人类更容易接受。全班同学不可能忽视 AIeSA 在提高巴里的洞察力和认知能力方面的作用。巴里和AIeSA作为一对增强的搭档,在课堂上具有明显的优势。有几次,学生们会说巴里的认知增强 “不公平”。这就是问题的关键所在。在研讨会余下的 27 个小时的课堂时间里,AIeSA 一直显示在巴里博士旁边的外部显示器上,作为一个独立的实体,全班和全场都能看到。

第二个重大突破发生在第六课 “操作设计原则和设计思维 ”中。在上了大约三个半小时的课后,教师要求巴里让 AIeSA 提供今天课程的三大收获。巴里回答说,讲师可以直接询问 AIeSA;由于网络速度和索引要求,大约延迟了五秒钟之后,AIeSA 公开回答了本堂课的三大收获。但这一壮举--比大多数人类学生更快、更有说服力--并不是关键事件。AIeSA 的第二和第三条意见来自当天的课堂对话。它的第一个观察结果直接来自课程材料。当 AIeSA 在课堂上转述前三点时,教师开始在白板上快速记录观察结果。当 AIeSA 回答完毕后,教员意识到有两条原则 AIeSA 的回答没有抓住,还有一条需要澄清。在课堂教学的关键时刻,这种互动加深了对课程材料和设计思维的理解,如果没有机器增强功能,是无法做到这一点的。对于曾在高级规划人员岗位上工作过的人来说,这一时刻的复杂性和严重性是不可避免的。权威的、精心策划的、即时的专家建议同样可以提高规划团队在危机或任务分析中的认知能力。

巴里在短短几天内所扮演的角色转变表明,人工智能将如何被采用以及人类与人工智能团队合作的可能性具有更大的借鉴意义。他一开始是一名 “超级学生”,因为他在课堂上咨询了 AIeSA,以做出贡献并参与其中。这是一种纯粹形式的混合人工智能,从这个意义上说,巴里的专业知识与机器增强相结合,超越了无辅助的人类认知。但在其他时候,他允许 AIeSA 作为一个独立的实体运作,尽管它的行动得到了巴里的批准。在这种模式下,AIeSA 就像一个经典的人工智能一样运行。在最后一种模式中,AIeSA 作为小组的一部分运作,促进与班上其他学生的共同使用,以激发对话,监督讨论,并在小组展示之前分析回答的逻辑。所有迹象都表明,这将是使用人工智能帮助本文开篇所述规划人员的最有力方式。陆军战争学院开发团队相信,军团和战区陆军作战计划小组领导可以利用人工智能战略顾问制定出更具想象力、可行性和有效性的计划。

下一步是什么?

在长达 41 个小时的研讨会中,还有许多其他值得注意的时刻,师生们与 AIeSA 的互动方式让每个人都有了更好的体验。他们是第一批新晋高级领导人,亲眼目睹了现在的能力有多么强大。事实证明,在竞争、危机和冲突中,AIeSA 将是战胜竞争对手的关键。那些能够将人类与经过适当数据训练的机器相匹配的军队,将实现对竞争对手的跨越式超越。研讨班的一名阿帕奇飞行员评论说:"起初我持怀疑态度,但我可以清楚地看到这对作战部队的作用。第六次课后,最初提出 AIeSA 的教员评论说:"我的首要任务是对班上的学生进行战略教育--即使有一两点错误,这位顾问也能提供帮助。事实上,让学生对人工智能提供的答案进行点评,是提升学生批判性思维能力、建立学生对人工智能的舒适度以及训练人工智能了解哪些信息对学生和教师来说是重要的机会。最终,这有助于教育全班同学,同时训练人工智能。”

总结

卡尔-冯-克劳塞维茨(Carl von Clausewitz)在《论战争》一书中说,拿破仑 “正确地指出......统帅所面临的许多决策类似于数学问题,值得牛顿或欧拉的天赋”。为此,人工智能在增强参谋或指挥官的智力以实现快速理解和决策方面具有重要价值。通过混合智能提高高级领导人的认知能力,对于以超高速衔接的未来作战空间至关重要。胜利始于认知,而认知是一场先发优势的游戏。陆军战争学院将继续引领人工智能电子战能力的实验和设计。

参考来源:WarRoom

成为VIP会员查看完整内容
3

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。
军事训练变革:人工智能与未来士兵
专知会员服务
23+阅读 · 6月28日
美军印太司令部将利用人工智能进行作战规划
专知会员服务
54+阅读 · 3月27日
网络制胜:战时指挥和控制的任务优先级
专知会员服务
30+阅读 · 2月8日
战争算法:人工智能在武装冲突决策中的应用,ICRC视角
专知会员服务
103+阅读 · 2023年10月28日
人工智能与无人机战争的未来:风险与建议
专知会员服务
74+阅读 · 2023年10月6日
联合全域作战智能博弈优化一体化决策问题
专知会员服务
103+阅读 · 2023年6月15日
美国公开《无人系统综合路线图(2017-2042)》
无人作战体系在登陆场景中的运用
无人机
37+阅读 · 2018年7月3日
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24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
6+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
2+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
1+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2012年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
21+阅读 · 2009年12月31日
A Survey of Large Language Models
Arxiv
390+阅读 · 2023年3月31日
Arxiv
133+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
Arxiv
10+阅读 · 2020年11月26日
Arxiv
26+阅读 · 2020年2月21日
VIP会员
相关VIP内容
相关基金
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
6+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
2+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
1+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2012年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
21+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员