《军事机器学习和平台： 对谷歌机器学习平台TensorFlow的研究》

在军队越来越多地使用基于机器学习（ML）的技术的背景下，我们的文章呼吁对ML平台进行分析，以了解ML如何在军队中扩散以及产生什么影响。我们采用了新媒体研究中关于平台的物质技术视角，并将这一文献带到了批判性安全研究中，我们认为需要关注平台和它们所做的技术工作，以了解数字技术是如何出现和塑造安全实践的。通过对谷歌开源ML平台TensorFlow的详细研究，以及对美国国防部算法战争跨职能团队，即Project Maven的讨论，我们做出了两个更广泛的贡献。首先，我们确定了军队更广泛的 "平台化"，我们指的是（技术材料）ML平台的日益参与和渗透，它是使整个军队的分散和实验性算法开发的新做法得以实现的基础设施。其次，我们得出这种平台化是如何伴随着军队和企业领域的行为者之间的新的纠葛，特别是在这种情况下发挥关键作用的大科技公司，以及围绕这些平台组织的开源社区。

在军队越来越多地使用机器学习（ML）技术的背景下，我们的论文使用ML平台的分析视角来理解ML是如何在军队中扩散的，并产生了什么影响。我们采用了新媒体研究中发展起来的关于平台的物质/技术视角，将这一文献与批判性安全研究结合起来，并认为关注平台和它们所做的技术工作对于理解数字技术如何出现和塑造安全实践是必要的。我们借鉴了对谷歌开源ML平台TensorFlow的详细研究，以及对美国国防部多功能算法战争团队，即Project Maven的讨论，并做出了两个更广泛的贡献。我们首先确定了军队更广泛的 "平台化"，我们指的是ML "硬件技术 "平台的日益参与和渗透，作为军队中实验性和分散性算法开发的新实践的基础设施。然后，我们继续说明这种平台化是如何伴随着军队和企业行为者之间的新的纠葛，特别是GAFAMs，它们在这种情况下发挥着关键作用，而且围绕这些平台组织的开源社区也是如此。

在武装部队越来越多地使用自动学习技术（机器学习，ML）的背景下，在我们的文章中，我们描述了关于ML平台的一个分析视角，目的是理解ML在武装部队中的发展以及其影响。采用一种关于平台的物质和技术观点，就像在关于新的通信媒体的研究中所开发的那样，并在安全问题的研究中提及这一信息、 我们认为，有必要集中研究平台和技术工作，以了解数字技术的发展和安全实践的结构。通过对谷歌开放的ML平台TensorFlow的详细研究，以及美国国防部的交互式战斗机设备的辩论，美国国防部的Proyectamento de Defensa，即美国国防部。美国的Proyecto Maven，实现了两个更广泛的贡献。首先，我们确定了一个更广泛的武装部队 "平台"，其中我们指的是ML平台（技术/材料）的不断参与和渗透，作为一种基础设施，允许在武装部队中进行新的分散的算法开发和实验实践。第二，我们注意到这一平台正伴随着武装部队和公司统治者之间的新冲突，特别是那些在这一背景下发挥重要作用的大型科技公司，以及在这一平台上组织起来的无国籍社区。