由五艘无人水面航行器（UV）组成的小组在海域发现了一支敌方舰艇特遣队，但无法将信息反馈给作战员——这是一个有争议的环境，而且该地区的卫星通信受到干扰。UV 协同工作，决定其中一个需要离开该区域，以便发回信息。
他们根据谁拥有最好的信息和在不被发现的情况下发送信息的最佳机会，决定五个中谁应该离开。被选中的 UV 会离开该区域，并自己找出发送信息的最佳条件，以及最安全、最有效的发送信息方式。
人工智能将很快为UV提供这些和其他先进的自主能力。但现在有一个问题。如此复杂的人工智能所需的计算机太大，需要的电力也太多，无法安装在 UV 上。
人工智能需要的是一种减轻其工作量的方法，这样机载计算机就可以更小、耗电更少。现在有两种新方法可以做到这一点，它们可以让计算机和人工智能本身模仿大脑的运行方式。
一种方法是新出现的计算机设计，它允许计算机在同一位置处理和存储信息--类似于大脑的处理和存储方式--而不是在两个不同的位置。第二种新方法是，人工智能通过推理，用较少的数据得出结论--这就好比我们通过填补空白，即使只看到一个物体的局部，也能识别出它。
目前，UV 上的小型低功耗计算机只能支持 "狭义人工智能"--适用于一些基本活动，如监视和侦察。但有了这两种 "大脑启发 "方法，即使是高度复杂的人工智能也能在小型计算机上运行。这使得联合部队在印度洋-太平洋地区及其他地区为无人水面、水下和空中飞行器提供高级自主性在技术上是可行的。
超越狭义人工智能
在狭义人工智能方面，无人航行器还不够智能，无法在许多重要方面自主行动。例如，它们无法独立判断自己发现的东西是否重要到足以提醒操作员--目前，无人航行器都是在预定时间进行行动。在跟踪目标点时，它们并不总是知道如何有效地使用燃料，或者如何在不被发现的情况下进行 ISR。它们通常无法自主区分战斗人员和非战斗人员，也不知道如何应用交战规则。它们只有有限的态势感知能力。
理论上，无人航行器可以通过连接云端来利用复杂的人工智能，但这并不是一个可行的方案。在有争议的环境中，UV 无法依靠卫星通信。即使在和平时期，电力和带宽的限制也会限制与云的来回通信。因此，人工智能必须能够在机上运行。
模仿大脑
这两种受大脑启发的方法并不会让人工智能变得更聪明——人工智能已经具备了在许多方面实现高级自主的能力。这两种方法只是让人工智能有可能在小型、低功耗的边缘计算机上运行，而这些计算机是 UV 必须依赖的。
其中一种方法实际上改变了计算机的工作方式。如今的计算机拥有独立的处理内核和内存内核。这意味着每次计算时，处理器都要进入内存，取出所需的数据，然后再拿回来处理。这种连续的来回切换带来了繁重的工作量，尤其是对于每秒进行数十亿次计算的人工智能而言。在大型、功能强大的计算机（如传统舰船上的计算机）上，这种来回奔波可能不是问题，但在 UV 边缘计算机上，这种来回奔波很快就会不堪重负。
我们的大脑以不同的方式运行。我们能够在处理信息的同一位置保存大部分记忆，这使得我们最复杂的思维也能几乎瞬间完成——这无疑是进化的优势。模仿大脑的设计，人工智能研究人员正在开发将处理和记忆放在同一位置的计算机。这样，即使是复杂的人工智能，其工作量也能在 UV 计算机上应付自如。
训练人工智能使用干扰
减少工作量的另一种方法是减少使用数据。人工智能研究人员正在通过模仿大脑如何利用推理在有限的信息中理解世界来实现这一目标。例如，当我们开车时，我们可以通过一些微妙的提示来预测其他驾驶员的行为，如汽车在变道前加速，或汽车在接近十字路口时向左侧靠拢，然后再向右转弯。这些情况我们已经见得多了，因此不需要任何额外的信息来调整我们的驾驶。我们从一些线索中进行推断和预测的能力，正是我们能够（通常）安全地自动驾驶，而不去想其他事情的原因之一。
通过训练人工智能从少量线索中进行推断，研究人员大大减少了人工智能所需的数据量和功率。例如，可以向人工智能提供敌方船只在特定区域的 "生活模式"。如果 UV 的传感器发现异常，比如一艘船位于意想不到的位置，或者行为异常，这些都可能成为人工智能推断船只意图的线索。人工智能不必拼凑船只的每一个细节，也不必梳理它可能采取的每一个行动。只挑出相关的线索，人工智能只需进行一小部分可能的计算就能得出结论，这在小型边缘 UV 计算机上是可行的。而且，人工智能的准确性将与在驱逐舰上运行大型、功能强大的计算机的人工智能一样高。
训练人工智能使用推理既是一门艺术，也是一门科学。要想选择正确的线索并充分理解其含义，需要极其深厚的领域和任务知识。与此同时，人工智能专家还需要知道如何应用这些知识来实现自动驾驶。
如果印度洋-太平洋地区和其他地区的无人驾驶飞行器要获得联合部队所需的自主水平，就需要重新考虑人工智能支持的边缘计算。人脑可以提供灵感。
参考来源：U.S. Naval Institute
相关内容
微信扫码咨询专知VIP会员