现在,浏览新闻、社交媒体或杂志时不可能不提到人工智能(AI)。但人工智能从何而来,为何突然变得如此普遍?我们将对该技术、其应用及其与国防的相关性进行总体介绍。

什么是人工智能?

人工智能是计算机领域的一个分支,主要研究能够执行通常或以前需要人类智能才能完成的任务的系统:学习、解决问题、决策、感知、创造力和社会参与。

人工智能和机器学习(ML)这两个术语经常被交替使用。虽然它们密切相关,但其核心区别在于,人工智能是基于机器能够模仿人类智能的一般想法,而机器学习则利用数据和观察到的模式,特别是为了教会机器如何执行任务并提供结果。

可以说,人工智能领域最早的研究工作是由英国数学家和计算机科学家阿兰-图灵在 20 世纪中期开展的。图灵机 "的概念描述了一台抽象的计算机器在其无限的内存中移动,根据以前的模式进行学习和预测。虽然这可能与当今市场上的软件有很大不同,但机器能够在没有明确编程的情况下学习、修改或改进的概念是所有人工智能的精髓。

人工智能的兴起

虽然人工智能的概念可能已经存在了近一个世纪,但人工智能和机器学习技术得到更广泛认可的应用却是在几十年前。当时,计算能力和存储是一种极其昂贵的商品,这意味着只有计算领域的专业人士和能够使用专业机器的人才能探索高能计算。随着 90 年代末和 21 世纪初设备和互联网连接的普及,以及处理和数据存储成本的降低,在普通专业甚至个人电脑环境中处理大数据集的能力变得更加现实。

再加上传感器技术的发展,实现了更好的数据收集和态势感知,在线可用数据的增加,以及云计算和边缘计算方法的兴起,人们对更多数据、更快处理的需求同时增加,并希望让机器承担许多人类活动的负担。

人工智能成为头条新闻

与所有趋势、技术和其他领域一样,需要一些备受瞩目的使用案例才能将这一过程变成一个家喻户晓的概念。

最早在这一领域取得突破的公司之一是谷歌的姊妹公司 DeepMind。在过去的十年中,他们开发出了能够击败职业玩家的算法,创建了能够预测蛋白质复杂三维形状的蛋白质折叠预测系统,甚至还建立了用于医疗应用的程序,如眼睛疾病诊断。

不过,迄今为止对全球影响最大的应用是 ChatGPT,这是 OpenAI 开发的一种复杂的聊天机器人式人工智能,可以让您提出复杂的问题,并根据其全球可用数据获得答案。在短短两个月内,该平台的活跃用户就超过了 1 亿,由于服务器难以满足全球需求,许多用户无法使用该系统。ChatGPT 和其他类似平台都是基于一种名为 "生成式人工智能"(Gen-AI)的人工智能。这种人工智能的唯一目的就是根据现有数据或信息的模式生成新内容。ChatGPT 使用文本和语言,而其他 Gen-AI 程序则可以创建不同的媒体,如艺术、音乐和摄影。

ChatGPT 无疑是这些工具中第一个进入大众消费领域的,未来数月和数年值得关注的还有谷歌的 Bard、微软必应(基于 OpenAI 技术)、ChatSonic 和中国百度社交媒体应用 Ernie。

现在,人工智能制作的内容通常以事实而非观点为中心,因此很容易分辨。在最近的 BBC Sounds 广播纪录片《A Documentary: By ChatGPT》中,主持人劳拉-莱温顿(Lara Lewington)使用 ChatGPT 帮助撰写和制作了一个关于该软件的节目。虽然它提供了有用的信息和脚本的起点,但很明显,信息的语气和呈现方式与主持人和媒体的一贯风格大相径庭,而且,如果仅使用人工智能来制作节目,对最终听众来说并不会很有吸引力。

人工智能在国防和安全行业的应用

虽然人工智能能够改善我们的日常生活--帮助规划旅行、撰写基本内容和提高技能--但人工智能的真正威力却体现在工业和商业应用中。大型语言模型,即使用深度学习技术处理海量数据集的算法,正在改变许多行业的运作方式。在一瞬间,就有可能处理之前的所有学习成果,并找出创新和前进的新方法。

2020 年 12 月,美国空军首次在模拟军事任务中使用人工智能作为副驾驶和 "任务式指挥"。算法完全控制传感器的使用和战术导航,而人类队友则驾驶飞机。在复杂的空中领域,计算机和系统因其高度安全和锁定的系统而难以更新和创新。

空军项目背后的团队将开发、安全和操作融为一体,采用更加敏捷的信息技术方法,更快、更持续地生成更高质量的代码。算法设计允许操作员选择人工智能会做什么、不会做什么,以及在哪些方面突破操作风险的界限。

那么,既然这次模拟任务取得了成功,为什么我们不能在国防领域更广泛地推广人工智能呢?美国空军负责采购、技术和后勤的助理部长兼本项目负责人威尔-罗珀(Will Roper)博士强调了几个关键问题: "今天的人工智能很容易被对手的战术所迷惑,而这恰恰是未来战争所要面对的"。

他还在《大众机械》(Popular Mechanics)杂志上撰文,强调了未来几年该行业需要努力学习的关键知识之一: "在我们完成第一代人工智能的同时,我们还必须研究算法隐身和反制措施,以击败人工智能。虽然人类飞行员很可能像雷达波束和干扰器频闪一样看不到它们,但在我们发明下一代人工智能时,他们需要对它们有类似的直觉,以及如何与第一代人工智能协同飞行和对抗第一代人工智能。算法战争已经开始"。

人工智能将对决策的知情、制定和执行方式产生深远影响。人工智能能以目前人类无法达到的速度处理大量数据,从而提高对作战环境的理解,减轻决策者的认知负担。这使得人工智能能够应用于国防和安全领域,从监视和侦察到网络安全、机器人技术和自主性、平台管理和维护、作战甚至武器系统。然而,该行业必须同时努力开发应对措施,以挫败对手并识别错误信息,例如深度伪造--一种利用现有数据模仿真人的合成媒体。

随着人工智能技术的日益普及,人们肯定会呼吁加强对人工智能安全和道德实践的管理。英国国防部已经制定了《国防人工智能战略》,并成立了多个工作组和政策文件。在美国,我们也看到了由行业主导的运动,呼吁加强对人工智能公司的监管和审计。明年,我们可能会在这一领域看到全球范围内最大的变化。

那么,未来人工智能是否会取代人类并领导国防工业?

总体而言,在过去二十年里,人工智能已成为一项日益重要和普遍的技术,应用范围从语音识别和推荐系统到自动驾驶汽车和医疗诊断。这些进步使人工智能比以往任何时候都更加强大、准确和易用,从而在许多行业实现了广泛的应用和用例。

正如 BBC ChatGPT 纪录片所总结的那样,人工智能很可能主要用于增强人类活动,而不是取代人类(至少目前如此)。如果使用得当,人工智能可以帮助减少人类花在琐碎工作上的时间,让我们能够成长并专注于更具战略性或创新性的道路。我们应该拥抱它的潜力,而不是害怕它或试图抵制它。

具体到国防工业,人工智能正迅速成为我们国防战略的核心部分。全球军事和情报机构都在拥抱这项新技术,并增强现有的工作力量。这些应用通常侧重于汇总和处理大量数据,以便更好地做出决策,缩短处理时间,更好地了解作战环境。

在这种环境下,除非是低风险、低信任度的应用,否则人工智能不太可能被完全控制。至少就目前而言,重要的是要让人类参与其中,并将人工智能作为我们更广泛运营团队的核心部分,而不是我们的领导者。

参考来源:QinetiQ

成为VIP会员查看完整内容
35

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。
人工智能与核武器:是通向未来还是走向灾难?
TPAMI 2022 | 最新综述:基于不同数据模态的行为识别
专知会员服务
52+阅读 · 2022年7月2日
梅宏院士:如何构造人工群体智能
专知会员服务
91+阅读 · 2022年5月2日
机器学习的 7 个关键军事应用
专知会员服务
299+阅读 · 2022年4月24日
专知会员服务
117+阅读 · 2021年7月19日
干货!神经网络原来是这样和数学挂钩的
图灵教育
13+阅读 · 2019年5月21日
一图看懂新一代人工智能知识体系大全
人工智能学家
14+阅读 · 2018年8月14日
机器学习模型的“可解释性”到底有多重要?
中国科学院自动化研究所
20+阅读 · 2018年3月1日
脉冲神经网络,下一代机器学习?
专知
12+阅读 · 2018年1月13日
机器学习必知的15大框架
云栖社区
16+阅读 · 2017年12月10日
吴恩达最新问答:深度学习泡沫何时会破?
德先生
19+阅读 · 2017年11月22日
【人工智能】人工智能5大商业模式
产业智能官
15+阅读 · 2017年10月16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
4+阅读 · 2015年12月31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
4+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
22+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
1+阅读 · 2014年12月31日
国家自然科学基金
30+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
404+阅读 · 2023年3月31日
Arxiv
67+阅读 · 2023年3月26日
Arxiv
145+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
人工智能与核武器:是通向未来还是走向灾难?
TPAMI 2022 | 最新综述:基于不同数据模态的行为识别
专知会员服务
52+阅读 · 2022年7月2日
梅宏院士:如何构造人工群体智能
专知会员服务
91+阅读 · 2022年5月2日
机器学习的 7 个关键军事应用
专知会员服务
299+阅读 · 2022年4月24日
专知会员服务
117+阅读 · 2021年7月19日
相关资讯
干货!神经网络原来是这样和数学挂钩的
图灵教育
13+阅读 · 2019年5月21日
一图看懂新一代人工智能知识体系大全
人工智能学家
14+阅读 · 2018年8月14日
机器学习模型的“可解释性”到底有多重要?
中国科学院自动化研究所
20+阅读 · 2018年3月1日
脉冲神经网络,下一代机器学习?
专知
12+阅读 · 2018年1月13日
机器学习必知的15大框架
云栖社区
16+阅读 · 2017年12月10日
吴恩达最新问答:深度学习泡沫何时会破?
德先生
19+阅读 · 2017年11月22日
【人工智能】人工智能5大商业模式
产业智能官
15+阅读 · 2017年10月16日
相关基金
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
4+阅读 · 2015年12月31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
4+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
22+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
1+阅读 · 2014年12月31日
国家自然科学基金
30+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