由五艘无人水面航行器组成的小组在海上发现了一支敌方舰艇特遣队，但无法将信息反馈给操作员——这是一个对抗性环境，而且该地区的卫星通信受到干扰。在无人系统协同作战背景下，决定其中一个航行器需要离开该区域，以发回信息。
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，决定五艘航行器中谁应该离开。被选中的无人系统会离开该区域，自己找出发送信息的最佳条件，以及最安全、最有效的发送方式。能够为无人系统提供这些和其他先进自主能力的人工智能很快就会问世。但现在有一个问题。如此复杂的人工智能需要的计算机太大，需要的电力也太多，无法安装在无人系统上。
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--类似于大脑的工作方式--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，在数据较少的情况下得出结论--这类似于我们通过填补空白，即使只有部分视角也能识别目标。
目前，无人系统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 “大脑启发式”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。这使得联合部队在海洋区域及其他地区为无人水面、水下和空中系统提供高级自主性在技术上是可行的。
跨越狭义人工智能
在狭义人工智能方面，无人系统还不够智能，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事物是否重要到足以提醒操作员--目前，无人系统都是在预定时间检查。他们并不总是知道在追踪接触者时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。它们的态势感知能力有限。
理论上，无人系统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。在对抗性环境中，无人系统无法依靠卫星通信。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。
模拟大脑
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。这些方法所做的只是让人工智能有可能在无人系统必须依赖的小型、低功耗边缘计算机上运行。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，但在无人系统的边缘计算机上，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。这使得即使是复杂的人工智能的工作量也可以在无人系统计算机上进行管理。
训练AI使用推理
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来在信息有限的情况下感知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动，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。这些情况已经见得多了，因此不需要任何额外的信息来调整驾驶。我们仅凭一些线索就能做出推断和预测，这就是为什么我们（通常）可以安全地自动驾驶，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”。如果无人系统的传感器发现异常，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--这使得它可以在小型边缘无人系统计算机上运行。而且，人工智能的准确性将不亚于在驱逐舰上运行大型、功能强大的计算机的人工智能。
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。如果印太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：Booz Allen
原文
相关内容
微信扫码咨询专知VIP会员