自 1950 年代以来,人工智能以一种非凡的方式发展,它不仅改变了行业,也改变了我们的日常生活。世界各地的武装部队正在以多种方式整合人工智能的使用,由于该领域尚未受到监管,因此正在探索和开发各种基于人工智能的自主系统。众所周知,基于人工智能的自主系统的首次使用是由DARPA(美国)开发的动态和分析重新规划工具(DART),用于安排供应链和个人移动,以解决其军队的后勤效率问题。从那时起,它已经走了很长一段路,在最近的冲突和战争中,以破坏性的方式观察到基于人工智能的自主系统的大规模使用。自主无人机在超出任何反措施范围的高度等待,以便对系统选择的目标进行有效的精确打击。这可能是最简单但最有效的例子之一,可以详细说明现代作战基础设施如何过渡到集成自主系统。除了具有高有效性和效率的优势外,这些系统还为士兵提供了3D(沉闷,肮脏和危险)任务的安全,并优化了高昂的作战成本。

人工智能使用计算机系统模拟自然智能,在该系统中,它感知和感知数据,分析数据,从数据集中学习,然后将其用于所需的决策,而无需人类参与。对于人类来说,图像是根据存储在人脑中脑回沟细胞结构中的图像来感知和理解的,而在 AI 模型中,具有具有权重的神经网络算法的计算机处理器在数学上学习和感知相同的图片。

人工智能是机器学习 (ML)、深度学习 (DL) 和自然语言处理 (NLP) 等多个领域的庞大通用集合,它们是根据可用数据集的大小解决各种问题的工具。人工智能的目标是创建一个可以智能和独立运行的系统。任何 AI 模型的这一目标都涉及培养解决问题的能力、允许持续学习、鼓励智能、促进创造力以及实现人与 AI 的协同作用。人工智能可以根据它应该执行的任务类型,分别在不熟悉的领域或特定的已知需求中大致分为广义或狭义。人工智能模型基于传感器输入的数据,根据算法处理数据以解释、预测或采取行动。然后,系统可以分析或提供反馈以适应或自我学习。所有这些都属于 ML、DL、NLP、语音识别、专家系统、优化、机器人技术、计算机视觉形成自主系统。

基于人工智能的系统的军事用例很多,涵盖了上述所有技术,以了解军事行动的确切动态。这些系统是作战系统、战略决策算法、数据处理单元、兵棋推演中的战斗模拟、目标识别、威胁监测、蜂群、游荡弹药、高效的后勤方法、因果关系护理和疏散。 基于人工智能的武装部队自主系统由一组多个复杂的子系统组成,其中可能包括传感器/感知系统、通信设备、基于机器学习和训练数据的决策算法的执行器,这些执行器不需要任何人工干预即可执行所需的任务。这些系统可以根据其功能和操作分为各种类别,如无人机/无人机/机器人平台/蜂群或其他作战系统。

自主系统旨在通过收集信息并在没有任何人工干预的情况下长时间工作,在不断变化的环境中实现一系列目标。他们可以自己思考。虽然它们有一个人工智能核心,包括传感器、通信系统、执行器、基于机器或深度学习的决策算法,但它们也需要是冗余的,与按照道德和法律框架制定的网络安全措施相结合,应该有足够的人机界面。

根据战略用途的类型和特定地理位置的战术需求,这些自主系统以各种形式设计。最常见的是地面车辆(履带式、轮式或腿式)和无人机,它们也可以作为集群运行。 海洋自主系统旨在根据情况需要在水下或水面上移动。该系统将武器或传感器安装在地面或空中平台上,专为战斗、ISR、后勤、目标/火控、搜索和救援等特定作战场景而设计。自主通信网络旨在最有效地利用已部署的资源,以实现连续的信息流。以类似的方式,成群的无人机或地面车辆在网状网络上工作,其算法旨在避免碰撞,同时在定义的空间中作为一个组保持凝聚力。一群类似于鸟类的无人机在成群结队、上学和觅食方面工作,而不会因冗余而影响操作必要性。

自主系统是有利的,因为它们可以降低士兵的生命风险,因此可以处理各种对人类来说肮脏、沉闷或危险的任务,如解除爆炸物、敌对条件下的 ISR、战斗、CI/CT 操作、巡逻、快速反应、搜索和救援、恶劣地形中的后勤、长期操作、事故预防和医疗应用。

这些自主系统的开发、集成、部署和维护是有成本的,但从长远来看,通过负责任的规划和决策,它们在整体成本效益方面具有优势。自主系统降低成本的方式和手段是减少人员费用,减少损失风险,优化资源及其分配,降低维护成本,提高任务效率,减少燃料消耗,操作灵活性,可扩展性和规模经济。

这个基于人工智能的自主系统领域正在随着新技术的发展而增长,以增强军事能力。这些系统充当了力量倍增器,确保了速度和精度,操作的连续性,并具有更好的数据处理和分析能力。这些不断发展的自主系统与军事战略相结合,将导致战争的新面貌,使它们成为任何现代作战部队不可或缺的资产,确保提高效率,降低生命风险并节省成本,但是,负责任地部署这些系统存在道德,法律和政策相关的问题,以避免任何意外和不希望的情况,因为对手也将开发导致冲突的此类系统。降低与自主系统相关的任何风险至关重要,包括负责任的决策、保持监督和故障安全检查。

参考来源:Narendra Tripathi中校

成为VIP会员查看完整内容
46

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。
2024年国防领域的主要技术趋势
专知会员服务
49+阅读 · 2月5日
人工智能在军事领域的应用和启示
专知会员服务
82+阅读 · 1月13日
变革航空航天与国防:人工智能革命
专知会员服务
55+阅读 · 1月9日
超视距国防通信系统:最新进展与未来挑战
专知会员服务
44+阅读 · 2023年12月17日
释放战略潜能: 电子战中的人工智能
专知会员服务
93+阅读 · 2023年10月5日
美国陆军希望人工智能能为士兵带来信息优势
专知会员服务
49+阅读 · 2023年9月21日
《在国防中实现负责任的人工智能》2023最新报告
专知会员服务
44+阅读 · 2023年2月22日
机器学习的 7 个关键军事应用
专知会员服务
300+阅读 · 2022年4月24日
「基于通信的多智能体强化学习」 进展综述
人工智能应用实践与趋势
人工智能学家
13+阅读 · 2019年9月20日
有关军事人机混合智能的再再思考
人工智能学家
17+阅读 · 2019年6月23日
深度学习人体姿态估计算法综述
AI前线
23+阅读 · 2019年5月19日
反无人机技术的方法与难点
无人机
20+阅读 · 2019年4月30日
斯坦福AI实验室机器学习编程新范式:弱监督
机器之心
12+阅读 · 2019年3月22日
机器学习常见模式LogSumExp解密
论智
21+阅读 · 2018年10月30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
4+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
6+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
2+阅读 · 2014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
16+阅读 · 2012年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
147+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关VIP内容
2024年国防领域的主要技术趋势
专知会员服务
49+阅读 · 2月5日
人工智能在军事领域的应用和启示
专知会员服务
82+阅读 · 1月13日
变革航空航天与国防:人工智能革命
专知会员服务
55+阅读 · 1月9日
超视距国防通信系统:最新进展与未来挑战
专知会员服务
44+阅读 · 2023年12月17日
释放战略潜能: 电子战中的人工智能
专知会员服务
93+阅读 · 2023年10月5日
美国陆军希望人工智能能为士兵带来信息优势
专知会员服务
49+阅读 · 2023年9月21日
《在国防中实现负责任的人工智能》2023最新报告
专知会员服务
44+阅读 · 2023年2月22日
机器学习的 7 个关键军事应用
专知会员服务
300+阅读 · 2022年4月24日
相关资讯
「基于通信的多智能体强化学习」 进展综述
人工智能应用实践与趋势
人工智能学家
13+阅读 · 2019年9月20日
有关军事人机混合智能的再再思考
人工智能学家
17+阅读 · 2019年6月23日
深度学习人体姿态估计算法综述
AI前线
23+阅读 · 2019年5月19日
反无人机技术的方法与难点
无人机
20+阅读 · 2019年4月30日
斯坦福AI实验室机器学习编程新范式:弱监督
机器之心
12+阅读 · 2019年3月22日
机器学习常见模式LogSumExp解密
论智
21+阅读 · 2018年10月30日
相关基金
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
4+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
6+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
2+阅读 · 2014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
16+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员