《人工智能/机器学习》AI是一个千载难逢的商业和国防游戏规则改变者，斯坦福26页报告

数以千亿计的公共和私人资本正在投资于人工智能和机器学习公司。2021 年申请的专利数量是 2015 年的 30 多倍，因为全世界的公司和国家都已意识到，人工智能和机器学习将成为一个重要的颠覆者，并有可能改变军事力量的平衡。

直到最近，炒作还是超越了现实。然而，今天，人工智能在几个重要领域的进步与人类能力相当，甚至超过了人类能力。

人工智能与美国国防部（DoD）

美国国防部认为，人工智能是一套基础性技术，因此成立了一个专门的组织--JAIC--在整个国防部推广和实施人工智能。他们为国防部用户提供基础设施、工具和专业技术知识，帮助他们成功构建和部署人工智能加速项目。

本文档稍后将列出一些与国防相关的具体人工智能应用。

我们正处于革命之中

想象一下，现在是 1950 年，你是从今天穿越到过去的访客。你的任务是向使用手动计算器和计算尺的人们解释计算机对商业、国防和社会的影响。你成功地说服了一家公司和一个政府采用计算机，并比他们的竞争对手/对手更快地学会了编码。他们也会想出如何以数字化方式开展业务--供应链、客户互动等。想想他们今天在企业或国家中的竞争优势吧。他们将碾压所有人。

这就是我们今天人工智能和机器学习的现状。这些技术将改变企业和政府机构。如今，已有上千亿美元的私人资本投资于上千家人工智能初创企业。美国国防部成立了一个专门的组织来确保人工智能的部署。

但它到底是什么？

与过去 75 年的传统计算相比，人工智能带来了新型应用，如面部识别；新型算法，如机器学习；新型计算机架构，如神经网络；新型硬件，如 GPU；新型软件开发人员，如数据科学家；所有这些都以人工智能为总主题。总而言之，人工智能就像 "流行词宾果游戏"。但它们却预示着计算机的能力、工作方式以及所需的硬件和软件都将发生巨大变化。

国家安全中的人工智能

与传统计算机的双重用途/双重性质一样，为商业应用开发的人工智能也可用于国家安全领域。

• AI/ML 与无处不在的技术监控

人工智能/ML 已使大多数城市无法使用传统技术。机器学习可以整合旅行数据（海关、航空公司、火车、汽车租赁、酒店、车牌读取器......），整合闭路电视摄像头的面部识别和步态识别信息，整合无线设备的面包屑，然后与 DNA 采样相结合。这就是自动化持续监控。

• 战场上的AI/ML

人工智能将使武器系统的性能和自主性达到新的水平。自主协作的资产（如无人机群、地面车辆）可以协调攻击、ISR 任务等。

融合传感器数据并使其具有意义（探测光学/合成孔径雷达图像中的威胁、根据雷达回波对飞机进行分类、搜索无线电频率特征中的异常情况等），在发现隐藏在高杂波背景中的目标方面，机器学习比人类更快更好。从卫星/无人机自动探测目标并开火。

例如，搭载人工智能边缘计算机的无人机（UAV）或无人地面飞行器可以通过融合成像传感器和化学/生物传感器，利用深度学习来探测和定位隐藏的化学、生物和爆炸物威胁。其他例子包括

在雷达和通信系统中使用人工智能/ML 对抗措施，对抗低拦截概率/低探测概率（LPI/LPD）雷达技术。

在没有先验知识的情况下，给定对来自任意发射器的未知雷达波形的观测序列，利用机器学习开发行为模型，以推断雷达意图和威胁程度，并预测未来行为。

对于太空中的物体，利用机器学习来预测和描述航天器可能采取的行动、随后的轨迹以及沿轨迹可能造成的威胁。预测有限燃烧、连续推力和脉冲机动的结果。

人工智能还能支持其他应用，例如

• 飞机上打击行动的飞行行动规划辅助决策工具 航空母舰

• 自动战斗管理--防空和导弹防御、陆军/海军战术...

• 情报收集中的AI/ML

情报收集平台的前端产生了大量数据，令人类分析人员应接不暇。"智能 "传感器与推理引擎相结合，可对原始情报进行预处理，并确定传输和存储数据的优先级--这在性能下降或带宽较低的环境中非常有用。

• 信号情报中的人机协作

得益于大规模语言模型，嵌入式智能应用已经开始出现在商业应用中。例如，在微软 Visual Studio VSCode 中，Copilot 可作为配对编程器。不难想象，人工智能可以比人类操作员更快、更可靠地检测和隔离各种信号数据中的异常现象和其他相关模式。

人工智能支持的自然语言处理、计算机视觉和视听分析可以大大减少人工数据处理。语音到文本转录和语言分析技术的进步现在可以实现阅读理解、问题解答和大量文本的自动摘要。这不仅能优先处理人类分析师的工作，还是一个重要的兵力倍增器

人工智能还可用于自动进行数据转换，如翻译和解密，从而加快获取可行见解的能力。

• 任务分配和传播中的人机协作

人工智能系统将根据动态情报需求或环境变化，近乎实时地自动优化平台、传感器和资产的任务分配和收集。人工智能将能够自动生成机器可读的情报产品版本，并以机器速度进行传播，从而使整个集成电路和军队的计算机系统能够实时摄取和使用这些情报，而无需人工干预。

• 开发与分析中的人机协作

人工智能工具可以增强多个数据集的过滤、标记和分流功能。它们可以比人类分析师更高效、更大规模地识别关联和相关性，并将这些发现和最重要的内容标记出来，供人类分析。人工智能可以融合多种来源、情报类型和分类级别的数据，以目前无法实现的方式进行准确的预测分析。这可以改进军事行动和主动网络防御的指示和警告。

• AI/ML 信息战

国家利用人工智能系统加强虚假信息宣传和网络攻击。这包括使用 "DeepFakes"（由神经网络生成的虚假视频，几乎与现实无异）。他们正在收集美国人的数据，以建立我们的信仰、行为和生物构成档案，从而有针对性地试图操纵或胁迫个人。

但是，由于大部分数据都是开源的，人工智能并不局限于民族国家，人工智能驱动的网络攻击、深度伪造和人工智能软件与商用无人机搭配，可以制造出 "穷人的智能武器"，供流氓国家、恐怖分子和罪犯使用。

• AI/ML 网络战

人工智能驱动的恶意软件可以学习和适应系统的防御措施，或者相反，人工智能驱动的网络防御工具可以主动定位和处理网络异常和系统漏洞。

人工智能驱动的恶意软件，即恶意逻辑嵌入机器学习方法和模型，以自动：(i) 探测目标系统，推断可操作的情报（如系统配置或运行模式）；(ii) 据此定制攻击有效载荷（如确定执行有效载荷的最佳时机，以最大限度地扩大影响）。

• 攻击人工智能--对抗性人工智能

随着人工智能的普及，战胜对手的前提是战胜其人工智能，反之亦然。随着神经网络接管传感器处理和分流任务，只有当人工智能认为可疑时才会向人类发出警报。因此，我们只需要打败人工智能来躲避检测，而不一定要打败人类。

针对人工智能的对抗性攻击可分为三种类型：

• 数据错误分类--产生错误的正面或负面结果
• 合成数据生成--提供虚假信息
• 数据分析--用于生成人工智能辅助的经典攻击

人工智能攻击面

电子攻击 (EA)、电子防护 (EP) 和电子支持 (ES) 在人工智能算法领域都有类似之处。未来，我们可能会玩同样的 "算法频谱 "游戏，在防御对手的人工智能能力的同时，剥夺对手的人工智能能力。其他人可以窃取或毒害我们的模型，或操纵我们的训练数据。