人工智能和机器学习旨在加快军事行动的节奏：美军最新项目案例

图：在澳大利亚举行的一次演习中，一名美国海军陆战队技术人员在班组攻击范围内使用人工智能驾驶无人机系统。

人工智能（AI）和机器学习的技术开发是美国国防部（DOD）最优先的研发项目之一，目的是为指挥、控制和态势感知、机器自主和机器人、弹药制导和瞄准、图像识别、电子战（EW）和通信、人机协同、技术评估，甚至天气预报和空间观测等应用提供使能技术。

在过去的一年里，看到了美国许多人工智能和机器学习技术倡议和开发合同，以巩固人工智能在过去几十年中取得的进展。虽然这些技术仍远不能与人类智能相提并论，但它们在以下方面取得了进步：快速高效地处理海量数据；使无人飞行器能够在地面、海洋和空中自主运行；理解来自不同来源的传感器数据，并将这些数据综合为可操作的智能；快速识别情报图像中的目标；自动执行频谱战任务；以及帮助人类和计算机协同工作。

人工神经网络、强大的通用图形处理器（GPGPU）、现场可编程门阵列（FPGA）、先进的软件工程工具，以及不同传感器、数据处理器和通信节点的智能联网，都是实现人工智能和机器学习愿景的关键技术。

指挥与控制中的人工智能

美国空军研究人员于今年三月启动了人工智能和下一代分布式指挥与控制项目，将人工智能（AI）应用于对抗性环境中的分布式指挥与控制。

这个项目的八个技术领域分别是：指挥与控制人工智能，实现适合任务的人工智能；联合的、可组合的自主性和人工智能工具箱；先进的兵棋推演智能体；C4I的交互式学习；指挥与控制复杂性主导生成人工智能C4I；软件定义的分布式指挥与控制；战术人工智能。

美空军研究人员正试图将人工智能应用于指挥与控制，并通过从单体指挥与控制节点向分布式指挥与控制的转换，考虑在任务规划中使用敌方人工智能。该项目的重点是根据具体问题快速调整人工智能模型，并确定角色、职责和支持基础设施。它还寻求开发战斗管理工具，将分布式专家团队汇聚在一起，训练和部署适合任务的人工智能。

图：美国空军试验型 X-62 VISTA 飞机采用机器学习和专用软件测试自主空战飞行。空军照片

人工智能和下一代分布式指挥与控制项目将在未来四年内花费约9900万美元，预计将授予数份合同。该项目正在接受白皮书，截止日期为 2027 年 3 月。

去年9月，美空军启动了地理空间情报处理与开发（GeoPEX）项目，该项目拟在未来两年内投入近1亿美元，将人工智能和机器学习应用于来自图像、图像情报或地理空间数据和信息的地理空间情报（GEOINT）。

GeoPEX 试图开发有利技术，为军事任务规划和决策提供来自图像、图像情报或地理空间数据和信息的 GEOINT。该项目涵盖图像的各个方面，包括从电磁波谱的紫外线到微波部分的数据，以及从图像中获得的信息；地理空间数据；地理参照社交媒体；以及光谱、空间、时间、辐射、相位历史、极坐标数据。

该项目还寻求开发先进地理空间传感器数据的分析技术。目标是利用传统和非传统来源的所有可用地理空间数据，创建具有成本效益的可操作情报。

数据可能来自多个不同来源的 GEOINT 数据，这些数据相互关联，为任务决策提供可操作的情报。数据源和技术可能包括基于知识的处理、全色图像、合成孔径雷达、双向雷达处理、长波红外传感器、多光谱和超光谱、视频、高空持久红外、三维点云、人工智能（AI）和机器学习。

机器自主和机器人技术

人工智能和机器学习在机器自主和机器人技术的最新技术发展中发挥着核心作用。去年秋天，位于新泽西州巴斯汀里奇的 Peraton 实验室公司赢得了美国国防部高级研究计划局 (DARPA) 的学习内省控制 (LINC) 项目合同。LINC 项目旨在使人工智能系统能够很好地应对这些系统从未见过的条件和事件。

LINC 的目标是开发基于人工智能和机器学习的技术，使计算机能够检查自身的决策过程，从而使有人和无人地面车辆、舰船、无人机群和机器人等军事系统能够应对在设计这些系统时无法预测的事件。LINC 技术将实时更新控制法则，同时为操作员提供指导和态势感知，无论操作员是人类还是自主控制器。

当今的控制系统力求模拟设计时预期的运行环境。然而，这些系统在遇到意外情况和事件时可能会失灵。相反，LINC 将开发机器学习和自省技术，这些技术能够从军事平台的行为中找出意外情况（如损坏或改装）的特征，然后更新控制法则，以保持稳定性和控制力。

装有 LINC 的平台会不断将机载传感器测量到的平台行为与学习到的系统模型进行比较，确定系统行为如何可能导致危险或不稳定，并在需要时实施更新的控制法则。这可以改善目前处理平台损坏的方法，因为这种方法将恢复和控制的重任交给了操作员，无论操作员是人类还是自主控制器。

LINC 将帮助操作员保持对在战斗中受损或在战场上根据新要求进行改装的军用平台的控制。支持 LINC 的控制系统将通过观察行为、学习行为变化和修改系统响应方式来建立平台模型，以保持不间断运行。

LINC 专注于两个技术领域：利用机载传感器和执行器学习控制；向操作员传达态势感知和指导。通过使用机载传感器和执行器学习控制，将执行跨传感器数据推理，以确定系统运行变化的特征，快速筛选可能的解决方案，以便在动态变化的情况下重建控制，并通过不断重新计算运行限制来确定无损可控区域。向操作员传达态势感知和指导，包括通过开发提供指导和操作提示的技术，以简明、可用的形式告知操作员系统行为的变化，从而传达有关新控制环境及其安全限制的详细信息。LINC 是一项为期四年、分三个阶段进行的计划。最初的工作涉及 iRobot PackBot 和一个远程 24 核处理器。

远程处理器拥有英伟达 Jetson TX2 通用图形处理单元（GPGPU）、双核英伟达丹佛中央处理器、四核 ARM Cortex-A57 MPCore 处理器；256 个 CUDA 软件内核、8 千兆字节的 128 位 LPDDR4 内存和 32 千兆字节的 eMMC 5.1 数据存储。该计划的一个关键目标是建立一个基于开放标准、多源、即插即用的架构，实现互操作性和集成性，包括能够轻松快速地添加、移除、替换和修改软件和硬件组件。

人工智能伦理

当人们担心这些技术可能会发展得比人类智能更好时，整个机器人和机器自动化话题就会变得充满争议。有些人认为，人工智能最终可能会让人类和机器在生存之战中互相对抗。

美国军事研究人员对这个问题非常敏感。DARPA 于今年 2 月启动了 “具有军事行动价值的自主标准和理想（ASIMOV）”项目，以探索在未来军事行动中使用人工智能（AI）和机器自主的伦理和技术挑战。ASIMOV 旨在制定基准，以衡量未来军事机器自主的道德使用情况，以及自主系统在军事行动中的准备情况。

机器自主和人工智能（AI）技术的快速发展需要有方法来衡量和评估自主系统在技术和道德方面的表现。ASIMOV 将开发和展示自主基准，但不开发自主系统或自主系统算法。ASIMOV 计划旨在创建伦理自主语言，使测试界能够评估特定军事场景的伦理难度以及自主系统在这些场景中的伦理表现能力。

图：在去年冬天的一次实验中，配备了专用软件和人工智能的无人机展示了旨在加强两栖作战的系统。

ASIMOV 将自主基准--而非自主系统或自主系统的算法--将包括一个伦理、法律和社会影响小组，为执行者提供建议，并在整个计划中提供指导。ASIMOV 将使用 2022 年 6 月发布的 “负责任的人工智能（RAI）战略与实施（S&I）途径 ”作为制定负责任的军事人工智能技术基准的指南。该文件列出了美军负责任人工智能的五项道德原则：负责任、公平、可追溯、可靠和可治理。

对人工智能的信任

在创建人类与人工智能计算机团队时，人工智能也是一个棘手的问题。核心问题是：人类能否真正信任机器智能，以及人类如何确保人工智能做出最佳决策？

美国国防部高级研究计划局（DARPA）于今年 1 月启动了 “人类-人工智能团队探索模型”（EMHAT）项目，以帮助回答其中的一些问题。该项目旨在开发人类与人工智能团队的建模和仿真，以评估了解此类团队的能力和局限性。EMHAT 试图创建一个人类与人工智能建模和仿真框架，提供数据帮助评估现实环境中的人机团队。该项目将利用专家反馈、人工智能组装的知识库和生成式人工智能来表示一组不同的人类队友模拟，类似于数字双胞胎。

研究人员解释说，团队对于完成超出个人能力的任务至关重要。人类团队合作的洞察力来自于对团队动态的观察，以确定导致成败的过程和行为。然而，在应用人类团队分析或开发评估人机团队的新方法方面，取得的进展相对较少；机器历来不被视为平等的成员。

EMHAT 的研究人员将利用数字双胞胎来模拟人类与人工智能系统在完成人机任务过程中的互动，并使人工智能适应模拟人类行为。虽然美国国防部（DoD）已经预测了人机团队合作的重要性，但在理解和评估人类-人工智能团队的预期行为方面仍存在巨大差距。该项目旨在确定人类和机器作为队友在何时、何地、为何以及如何高效地协同工作。

就在去年六月，美国国防部高级研究计划局（DARPA）启动了人工智能量化（AIQ）项目，旨在寻找方法保证人工智能（AI）在未来航空航天和国防应用中的性能和准确性，不再依赖于临时猜测。

AIQ 试图找到评估和了解人工智能能力的方法，以实现对性能的数学保证。要成功使用军事人工智能，就必须确保自主和半自主技术的安全和负责任的运行。然而，保证人工智能能力和局限性的方法目前还不存在。这正是 AIQ 计划的用武之地。AIQ 将开发评估和了解人工智能能力的技术，以保证其性能和准确性。

该计划将测试一个假设，即数学方法与测量和建模技术的进步相结合，将能保证人工智能能力的量化。该计划将涉及三个相互关联的能力层面：具体问题层面、问题类别层面和自然类别层面。最先进的评估方法都是临时性的，处理的是最简单的能力，而且没有严格的理论基础。

AIQ 汇集了两个技术领域：为理解和保证能力提供严格的基础；寻找评估人工智能模型的方法。这项旨在保证人工智能性能的计划分为两个为期 18 个月的阶段--一个阶段侧重于具体问题；另一个阶段侧重于类和架构的组合。

弹药控制、制导和目标定位

军事人工智能和机器学习的主要目标之一是使智能弹药能够在很少或根本不需要人工干预的情况下导航、机动、探测目标和实施攻击。美国空军研究实验室已向工业界寻求能够实现这一目标的使能技术。

美空军今年 1 月启动的 “2024 年空中主导权广泛机构公告”计划旨在开发建模与仿真、飞机集成、目标跟踪、导弹制导与控制以及用于无人机群的人工智能（AI）。该项目旨在揭示 13 个空空弹药研究领域的最新技术水平：建模、模拟和分析；飞机集成技术；发现固定目标跟踪和数据链技术；交战管理系统技术；高速引信；导弹电子设备；导弹制导和控制技术；先进弹头技术；先进导弹推进技术；控制执行系统；导弹运载和释放技术；导弹测试和评估技术；人工智能和机器自主。

美国陆军也对人工智能辅助目标识别和探测感兴趣。位于密歇根州沃伦的陆军坦克-汽车与军备司令部（TACOM）于去年 12 月发出了 “辅助目标检测与识别（AiTDR）”项目的信息征集令，该项目旨在开发机器学习算法，以缩短检测、识别和攻击敌方目标所需的时间。AiTDR 试图利用机器学习算法缩短从传感器到射手的交战时间。该 RFI 试图了解辅助目标识别技术的现状，以探测训练有素和未经训练的新目标。

陆军研究人员说，传统的机器学习技术侧重于辅助目标识别。这需要一个庞大的训练图像数据库，其中包含在背景地形、目标姿态、光照和部分遮挡等条件下拍摄的目标图像。这就限制了在未经训练的新条件下检测新目标或训练目标的能力。AiTDR 项目的重点是探测一般类别的目标，而不是识别特定目标，因为训练不足的算法有可能导致漏检目标。通过在不晚于 2026 年之前为载人飞行器开发出可靠、直观和自适应的自动目标探测技术，实现这一目标将有助于加快交战时间并优化乘员性能。

图：去年秋天，在美国洛杉矶巴克斯代尔空军基地，一名空军技术人员观察人工智能机器狗 Atom，队友通过遥控训练操作它。空军照片

通信和电子战中的人工智能

电子战（EW）和通信为人工智能和机器学习提供了重要机会。更重要的是，人工智能有可能加快电子战和通信的速度，使美军和盟军能够比敌军更快地开展行动。

去年秋天，位于加利福尼亚州门洛帕克的 SRI 国际公司和位于洛杉矶的南加州大学（USC）赢得了 DARPA 的宽带传感器系统处理器重配置（PROWESS）项目合同，该项目旨在开发高吞吐量流数据处理器，可在 50 纳秒内完成重配置，用于雷达、通信和 EW 领域的先进射频应用。

SRI International 和南加州大学的研究人员正在开发可重新配置的处理器，为自主射频和微波系统提供对复杂和不确定电磁环境的态势感知。PROWESS 的目标是实现射频自主，即无线电利用人工智能感知频谱并适应环境。射频自主可帮助抵御无线电干扰的影响，并提高频谱容量，以容纳越来越多的收发器。

虽然当今自主无线电的首选处理器是现场可编程门阵列（FPGA），但信号环境的变化可以达到纳秒级，远远快于 FPGA 的重新编程速度。因此，我们需要新型接收器处理器。PROWESS 的目标是开发高吞吐量、流数据处理器，实时重新配置以检测和描述射频信号。通过能在 50 纳秒内进行自我重新配置的处理器，PROWESS 将能在不确定的环境中实时合成处理流水线。PROWESS 将帮助未来的无线电接收器根据测量的频谱条件和认知射频决策逻辑的需要优化性能。

DARPA 的研究人员表示，高吞吐量流数据处理器可以在预编程解决方案很可能失败的不确定环境中实现接收机处理流水线的实时合成。PROWESS 预计将把新兴的高密度可重新配置处理阵列与嵌入式实时调度器结合起来，以揭示新的架构权衡，从而实现快速程序切换和高计算密度。

DARPA的研究人员表示，PROWESS项目旨在创建可重构处理器，通过增强频谱感知来提高射频自主性，从而使射频系统能够根据实际频谱条件进行优化，并对干扰做出实时反应。这类计算机架构有可能为频谱传感和相关应用带来巨大优势，尤其是当系统必须在动态和有时混乱的环境中运行时。PROWESS 预计将重点开发运行时可重新配置的处理硬件和支持软件。

就在去年 6 月，位于马里兰州哥伦比亚的 Geon Technologies LLC 赢得了美国空军研究实验室价值 990 万美元的订单，为指挥和控制开发小型、轻量级的实时 5G 通信信号处理。Geon 专家将开发用于指挥和控制的实时信号处理，以及尺寸、重量和功率受限的系统，以充分利用下一代 5G 通信波形和技术。

Geon 将重点开发 5G 扫描仪，以绘制 5G 射频环境地图，并开发 5G 通信的网络安全技术。Geon 专注于军事和情报应用领域的射频通信。公司的专长围绕软件定义无线电应用、现场可编程门阵列（FPGA）和数字信号处理（DSP）芯片、信号处理和地理定位技术。

去年秋天，位于北卡罗来纳州罗利市的 Vadum 公司赢得了位于印第安纳州克兰市的美国海军水面作战中心克兰分部的一份反应式电子攻击措施（REAM）项目合同，该项目旨在开发探测和分类技术，利用人工智能和机器学习识别新的或波形敏捷雷达威胁，从而自动应对电子战攻击。

波形灵敏雷达能够改变脉冲信号的时间、频率、空间、极化和调制，以提高其灵敏度，或使潜在对手对其设计和使用感到困惑。该公司正在研究针对新威胁和未知威胁提供预警保护的软件算法，以及描述未知雷达威胁特征的能力，以及支持更多平台的可扩展模块化能力。