近年来,人工智能(AI)取得了战胜人类对手的显著胜利,包括国际象棋中的 AlphaZero、围棋中的 AlphaGo 和《星际争霸 II》中的 AlphaStar。美国空军和国防高级研究计划局(DARPA)创建了 AlphaDogfight,测试人工智能与人类飞行员的对抗。在一场速度极快的精确吃鸡游戏中,人工智能从正面向飞行员发起进攻,“通过人类飞行员无法匹敌的积极而精确的操作,以 5-0 的比分获胜”。这些进步凸显了人工智能在复杂场景中挑战和超越人类技能的能力不断增强,彰显了其重塑竞争和战略环境的潜力。

随着自主系统对飞机的控制越来越多,决策也越来越自动化,人类参与程度也越来越低。美国空军测试了一种可驾驶 X-62A 或 VISTA 战术飞机的人工智能系统。开发人工智能系统的这一重要里程碑表明,未来的自主或半自主军事行动大有可为。

随着人工智能工具的发展,两用技术正变得越来越重要,带来了新的风险和机遇。这些技术可用于为军事行动提供信息的民用领域,反之亦然。例如,人工智能用于在社交媒体上针对广告进行营销的先例和做法,可以为军事战略沟通和心理作战提供支持。新药会被开发出来,但新的化学武器也会被开发出来,因此需要对相关风险和机遇进行持续研究。两用技术仍然是人工智能应用的一把双刃剑。

国防创新和军工企业之间强有力的合作关系意义重大。国防工业中新兴的人工智能公司为盟国之间的创新提供了新的举措。通过强调国防工业巨头和新兴创新者广泛网络内的合作,可以找到关键案例。人工智能正在迅速改变军事技术和战术,而该技术的双重用途性质对军事环境中应用人工智能的发展提出了挑战。

自主武器系统代表着军事技术的重大进步,它的运行不需要人类的直接干预。有益的军事应用包括军队特有的情况,如智能决策支持系统和辅助目标识别,这可以减轻操作员的心理负担,从而更快地做出决策。这种方法的优势包括反应时间快、能够在高风险环境中运行以及降低对人类的风险。

图:2023 年 2 月 13 日,在加利福尼亚州爱德华兹空军基地,洛克希德-马丁公司的可变飞行模拟测试飞机 X-62A(VISTA)由人工智能代理驾驶,这是一架独一无二的训练飞机(尽管安全飞行员一直在飞机上)。这架飞机飞行了 17 个多小时,是人工智能首次参与战术飞机的飞行。(摄影:凯尔-布拉西尔,美国空军)

生成式智能和协调蜂群

与智能体相关的新兴技术提供了双重用途。斯坦福大学和谷歌公司的研究人员展示了 “模拟可信人类行为的计算软件智能体”,就像一个由 25 个智能体组成的小镇。观察到该群体之间的合作,从而产生了 “交换信息、形成新关系和协调联合活动 ”的社会行为。

该架构允许生成式智能体 “记忆、检索、反思、与其他智能体互动,并通过动态演变的环境进行规划”。大型语言模型用于 “补充这些能力,以支持更长期的智能体一致性、管理动态演化记忆的能力以及递归产生更高层次的反思”。

具有复原力的政体本质上需要适应性强的内部机制,以适应变化并迅速应对突发情况。将语言模型应用于现实世界的场景往往会导致不可预见的突发后果。生成式人工智能和大型语言模型的广泛使用增加了一层安全挑战,政体必须积极主动地制定对策,以应对与之相关的新风险。恶意滥用语言模型对未来的选举进程构成了巨大挑战。

与利用深度伪造视频和音频的外国影响力行动相关的风险越来越具有针对性和案例特殊性。进一步的研究必须解决国家支持的信息行动扩散的问题,利用生成的虚假信息来促进 “广泛的误解,煽动社会分裂,并对经济和政治系统产生负面影响”。自动化还被应用于群体行为,包括无人机向群中的其他人发送信息,为军事行动提供了巨大价值。对蜂群智能的研究已经涉及军事应用的自主智能体,目前美国正在进行测试。

无人机对常规武器构成了重大挑战。在红海,一架价值 2000 美元的无人机击落了一枚价值 200 万美元的导弹。在乌克兰,400 美元的无人机被用来摧毁价值 200 万美元的坦克。这一鲜明对比凸显了传统军事资产的成本与现代无人机技术的经济性和有效性之间日益扩大的差距。

图:使用成群的人工智能自主无人机具有对指定目标造成广泛、大规模破坏的巨大潜力。目标部队在抵御针对多个目标的大规模、广泛协调的首次打击时将面临巨大的技术困难。同时使用大量无人机可能会在数小时甚至数分钟内,使防御部队的物质能力以及防御方的指挥控制和民事治理能力不堪一击。

国防创新联盟网络

各国都在追求人工智能方面的技术优势,以便在军事能力、经济生产力和技术创新等各个领域获得竞争优势。近年来,北约盟国一直非常关注国防创新和相关挑战。2021 年 10 月,北约首次发布了人工智能战略。2024 年 7 月,在华盛顿峰会上发布了经修订的人工智能战略。

北约的北大西洋防务创新加速器(DIANA)与政府、行业和学术界合作,支持美国和欧洲新兴技术的发展。该计划为创新者提供接触专业网络的机会,以帮助开发定制的加速器计划。除人工智能外,北约还关注其他众多新兴颠覆性技术,其中包括自主系统、量子技术、生物技术和人类增强技术、高超音速系统、太空、新型材料和制造、能源和推进以及下一代通信网络。

DIANA 于 2023 年夏季开始运行,并启动了第一轮挑战,以促进针对特定关键安全需求的创新,从而实现技术进步。2023 年,北约启动了第一轮挑战,支持开发军民两用技术,以解决能源弹性、传感和监视以及安全信息共享等问题。

2024 年,DIANA 发起了五项新挑战,包括能源和电力、数据和信息安全、传感和监视、人类健康和性能以及关键基础设施和后勤。DIANA 致力于在日益复杂的全球环境中促进最先进的解决方案,增强北约的战略能力。31 DIANA 致力于在日益复杂的全球环境中促进前沿解决方案并增强北约的战略能力。这些举措与应对人工智能快速发展的军事应用所必需的强大国防创新和战略合作的关键需求相一致。

参考来源:美陆军

成为VIP会员查看完整内容
6

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
基于大型语言模型的软件工程智能体综述
专知会员服务
28+阅读 · 9月6日
人工智能与美国空军的未来
专知会员服务
35+阅读 · 7月22日
边缘人工智能:分类法、系统综述及未来方向
专知会员服务
50+阅读 · 7月8日
大型语言模型(LLMs)革新金融:应用与洞察概览
国防中的LLM:五角大楼的机遇与挑战
专知会员服务
39+阅读 · 3月5日
创新战争:利用生成式人工智能的力量
专知会员服务
52+阅读 · 2月14日
基于大型语言模型的多智能体:进展与挑战综述
专知会员服务
107+阅读 · 2月6日
综述| 当图神经网络遇上强化学习
图与推荐
29+阅读 · 2022年7月1日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
机器学习算法集锦:从贝叶斯到深度学习及各自优缺点
人工智能学家
11+阅读 · 2019年2月15日
基于Tacotron模型的语音合成实践
深度学习每日摘要
15+阅读 · 2018年12月25日
深度学习与计算机视觉任务应用综述
深度学习与NLP
49+阅读 · 2018年12月18日
MATLAB计算机视觉与深度学习实战
炼数成金订阅号
19+阅读 · 2017年8月4日
国家自然科学基金
29+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
21+阅读 · 2009年12月31日
A Survey of Large Language Models
Arxiv
378+阅读 · 2023年3月31日
Arxiv
19+阅读 · 2023年3月17日
Arxiv
16+阅读 · 2022年5月17日
Arxiv
10+阅读 · 2020年11月26日
VIP会员
相关VIP内容
基于大型语言模型的软件工程智能体综述
专知会员服务
28+阅读 · 9月6日
人工智能与美国空军的未来
专知会员服务
35+阅读 · 7月22日
边缘人工智能:分类法、系统综述及未来方向
专知会员服务
50+阅读 · 7月8日
大型语言模型(LLMs)革新金融:应用与洞察概览
国防中的LLM:五角大楼的机遇与挑战
专知会员服务
39+阅读 · 3月5日
创新战争:利用生成式人工智能的力量
专知会员服务
52+阅读 · 2月14日
基于大型语言模型的多智能体:进展与挑战综述
专知会员服务
107+阅读 · 2月6日
相关资讯
综述| 当图神经网络遇上强化学习
图与推荐
29+阅读 · 2022年7月1日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
机器学习算法集锦:从贝叶斯到深度学习及各自优缺点
人工智能学家
11+阅读 · 2019年2月15日
基于Tacotron模型的语音合成实践
深度学习每日摘要
15+阅读 · 2018年12月25日
深度学习与计算机视觉任务应用综述
深度学习与NLP
49+阅读 · 2018年12月18日
MATLAB计算机视觉与深度学习实战
炼数成金订阅号
19+阅读 · 2017年8月4日
相关基金
国家自然科学基金
29+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
21+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员