人工智能作为陆军的多域赋能器

人工智能（Artificial Intelligence，AI）--依靠数据实现机器广泛的自适应和智能行为的一系列通用技术--再次成为新闻焦点。在英国于 2023 年 11 月 1-2 日组织的为期两天的人工智能安全峰会结束时，29 个国家签署了《布莱切利公园宣言》，重点关注与前沿大型语言模型（LLMs）相关的风险，并敦促开发模型的公司自愿提供与上下文相适应的透明度和问责制。声明进一步呼吁签署国采用监管框架并开展国际合作，以确保以人为本、可信、负责和安全的方式设计、开发和部署人工智能。当然，无线电设备、雷达、声纳、鱼雷以及最后的 “世界毁灭者”--原子弹--都是这场史诗般的战争的产物，并影响着国际关系和安全直到今天。艾伦-图灵（Alan Turing），对某些人来说是人工智能的教父，正是基于同样的原因，他破解了德国的英格玛密码。顺便提一下，他还设计了图灵测试--一种区分人类智能和机器智能的方法。

在发表布莱切利公园宣言之前，今年美国总统发布了关于安全、可靠和可信人工智能的行政命令，并于 2023 年 2 月 15-16 日在海牙举行的军事领域负责任的人工智能（RE AIM 2023）峰会上发出了行动呼吁。随着欧盟的《人工智能法》可能于 2023 年 12 月通过，今年已被证明是将人工智能置于各种政策制定举措的前沿和中心的重要一年。然而，大多数与人工智能有关的政策和法案都严重偏向于降低故意滥用人工智能（如深度伪造和生成式人工智能）所带来的风险。然而，军事领域是人工智能在负责任地使用时有可能取得指数级成果的领域之一。印度国防部（MoD）认为，人工智能在致命性自主武器系统（LAWS）、无人侦察、模拟兵棋推演与训练、网络与航空安全以及情报与侦察这五个关键领域中大有用武之地。传感器融合、态势感知和快速决策也是人工智能的关键用途。不过，组织条令和结构也必须相应改变，才能有效利用人工智能。因此，本文旨在了解人工智能这一技术，举例说明人工智能在当前冲突中的应用，分析印度陆军在开放领域开展的项目，最后就如何在未来战争中优化人工智能提出一些广泛的建议。

当代战争中的使用案例

人工智能在现代战争中的应用并不十分广泛，这是因为该技术刚刚起步，而且在使用和滥用这些模型时还涉及信任、偏见和歧视等问题。尽管存在这些风险，但人工智能已被用于俄罗斯和乌克兰之间正在进行的冲突中，双方都试图以多种方式利用人工智能。前者创造了自己的产品，并且仍在努力将人工智能完全融入其作战概念和平台，而后者则更加成功，因为它得到了许多西方国家和公司的支持。乌克兰在信息作战、无人机作战和战场透明度与自主性这三大领域取得了重大进展，这些进展可能会在全世界引起反响，成为各国可能参与的战争类型的预兆。乌克兰冲突见证了作为地理空间情报一部分的人工智能的嵌入，它将卫星（军用和商用）图像、高光谱地图、公开来源信息、人类情报（HUMINT）和无人机镜头中的数据结合在一起，以创建一个实时的共同作战图像（COP），用于动态目标定位和中和选择。这是通过使用神经网络来实现的，神经网络可以摄取大量数据并找出模式。在这方面，他们得到了 Palantir 等公司的协助，后者利用这一冲突进一步完善了自己的产品线，创建了人工智能平台 (AIP)。该平台将地理空间数据与 LLMs 结合起来，为军事用户创建了一个基于聊天机器人的模型，根据用户简单的书面请求，就可以下令实施打击并检索信息。同样，乌克兰也利用面部识别技术（FRT）来识别俄罗斯士兵的尸体，然后将其用于信息战（IW）。乌克兰军方证实，Saker Scout 无人机目前正在对俄罗斯目标实施自主无人机攻击。据称，无人机可以识别 64 种不同类型的俄罗斯目标。无人机还充当第一人称视角（FPV）无人机的僚机，由人工智能为后续 FPV 无人机指出目标。根据乌克兰数字化转型部长米哈伊洛-费多罗夫（Mykhailo Fedorov）的说法，在 “无人机陆军 ”计划下，已经向乌克兰军队提供了约 2000 架支持人工智能的无人机。另一方面，俄罗斯已将低级人工智能应用于隐蔽弹药（LMs），攻击乌克兰的军事和民用基础设施。双方都利用人工智能发起了针对对方的虚假信息攻势。

人工智能在印度陆军中的应用

印度陆军已开始探索将人工智能作为各领域的推动力。然而，这方面的公开信息非常有限。因此，本文的分析完全基于四个主要来源：报纸报道、官方网站和资源、军事当局的讲话以及国防研究与发展组织（DRDO）在《国防科学杂志》上发表的部分同行评审文章。

就印度陆军在未来战争中的要求而言，目标探测、模式识别、NLP、蜂群（包括协作行为、避免碰撞和路径探测）以及无人系统在特定环境下高达 4 级的自主性可能是主要要求。由于地形、天气条件和持续作战部署的性质，目标探测是控制线（LC）和实际控制线（LAC）沿线的一项关键要求。基于计算机视觉和传感器融合的目标探测算法涉及通过无人机高光谱成像（HSI）、RGB（表示红、绿、蓝三种颜色波长，与人类视觉非常接近）或普通数码相机等传感器对环境进行探测，识别类似坦克、营房、设施等的物体，然后对其进行适当标记，以便将来采取行动。有时，当一种视觉模式无法完全识别场景时，就需要进行传感器融合，即合并来自多个传感器的数据，以减少特定导航任务中的不确定性。同样，在反恐（CT）场景中，基于人工智能的平台可用于探测可疑物体，如车载简易爆炸装置（VB-IED）或为巡逻而放置的简易爆炸装置。DRDO 的一篇论文探讨了传感器融合两股数据流的方法：恒星成像（HSI）传感器和光探测与测距（LiDAR）传感器各一股数据流，用于探测伪装物体并将其与背景区分开来。另一篇论文利用神经网络从机械化部队移动的角度分析特定地形。这是利用最适合图像和视频分析的卷积神经网络（CNN）完成的。“摩擦 "是利用无人机和卫星图像的组合提前获得的，然后将其输入 CNN，这样就可以很容易地破译接近途径。这些论文表明，更广泛的国防机构认为，使用人工智能可以为地方指挥官提供实际分析所需的工具，从而加快决策速度。事实上，根据新闻报道，印度陆军已经部署了近 140 个基于人工智能的监视系统，其中包括高分辨率摄像机、传感器、无人机和雷达。这些系统的输入流被输入到算法中，以创建强大的共同行动图像（COP）。

模式识别是对印度陆军至关重要的另一个领域。除了常规战争的威胁，印度几乎每天都要面对虚假信息和网络攻击的袭击。对基于人工智能的网络工具进行自动威胁检测、防御和攻击的需求与日俱增。同样，筛选社交媒体内容进行情感分析、感知和反击虚假信息攻击也需要人工智能来追踪模式。在常规方面，印度陆军北部司令部正在运行陆军态势感知模块（SAMA），该模块将炮兵作战指挥与控制系统（ACCCS）、战场监视系统（BSS）、电子态势感知系统（e-sitreps）和其他系统的输入整合到一个组织实体平台上。这是创建数据储存库的第一步。下一个合乎逻辑的步骤应该是在未来创建特定上下文的输入数据流，用于基于 LLM 的混合聊天机器人模式，类似于 Palantir 的 AIP。

由于需要实时翻译和解释拉加地区的普通话以及印度西部边境恐怖组织使用的旁遮普语、乌尔都语、达里语和其他语言的本地化方言，NLP 是印度陆军的一项持续需求。同样，蜂群技术在防空、饱和攻击、自主瞄准和通信中继等方面也有多种用途，目前正在部署过程中。在亚美尼亚和阿塞拜疆之间的冲突以及俄罗斯和乌克兰之间正在进行的冲突中，人工智能无人机和巡航弹药（LMs）取得了成功，使人们认识到了这些武器的威力和可扩展性。事实上，印度陆军在 2023 年 2 月的印度航空展上与总部位于班加罗尔的初创公司 NewSpace Research 签订了合同，可以说是世界上首批投入使用无人机群的军队之一。

印度国防部（MoD）和军种总部的政策和指示极大地推动了人工智能产品在印度陆军中的应用。陆军设计局（ADB）已提名位于莫霍（Mhow）的军事电信与工程学院（MCTE）作为印度陆军的人工智能卓越中心（CoE）。该卓越中心已开展了多个内部项目，据称已推动了 140 个基于人工智能的监视平台的部署进程。DRDO 还有两个专门的实验室，用于基于人工智能的国防平台研究：人工智能与机器人中心（CAIR）和 DRDO 青年科学家实验室（DYSL），这两个实验室都设在班加罗尔。三军还通过 “卓越防务创新”（iDEX）挑战赛扶持了人工智能领域的各种防务初创企业--这项活动的成果是在 2022 年 7 月 11 日由国防生产部（DDP）举办的 AIDef 研讨会上展示了 75 种基于人工智能的产品。

人工智能作为一种通用技术，既是参与者，也是推动者。现在，随着基于变压器的 LLM 的发布，特别是其多模态版本的发布，许多人都在谈论这些平台的能力以及可以在这些平台上构建的产品。人工智能还能整合、综合和融合多种数据流，前提是（特别是在军事用途方面）这些数据流必须标准化、经过清理并贴上标签。在涉及人工智能系统与人类互动的地方使用这些系统，也可能会产生偏见和歧视问题。这些问题必须牢记在心。人工智能的使用在未来只会越来越多，随着对手在这一领域取得长足进步，印度也需要同样认真地从国家安全和国防的角度来看待人工智能的影响。

参考来源：anantacentre