近年来,人工智能(AI)作为一个热门词汇重新出现在世界各地。人工智能的潜在好处横跨整个社会,从金融到医疗,从农业到交通。人工智能实施的最有潜力的领域之一是军事。对于那些能够采用人工智能的部队来说,有令人难以置信的优势,而对于那些不能适应的部队来说,则有巨大的风险。本文研究了一些历史实例,其可为美国空军(USAF)如何最好地采用人工智能提供参考本文探讨了二战期间雷达发展的历史根源和 F-117A 隐身技术的出现,并研究了美国防部过去如何采用商用现成技术和软件。然后,本文研究了这些过去的技术和人工智能之间的对称性领域,以确定有效的技术采用方法。最后,本文提出了几个功能建议,以确保未来有效和高效地采用人工智能。

关键词:国家安全,人工智能,空军,美国空军

人工智能(AI)是美国(US)国家安全未来的一项关键新兴技术。在一个技术突破迅速扩大的时代,最近的一项研究表明,人工智能可能是影响最深远的。美国政策制定者认识到人工智能的重要性,并在过去两年中发布了关于保持美国在人工智能领域领导地位的总统行政命令13859,在2019年国防授权法案中使用了关于人工智能的具体表述,并发布了2018年美国国防部人工智能战略。在最近一份人工智能政策建议文件的前言中,美国前国防部副部长罗伯特-沃克指出:"中国、俄罗斯、欧盟成员国、日本和韩国都在增加人工智能的研究、开发和培训。尤其是中国,将人工智能的进步视为在经济和军事力量方面超越美国的一个关键手段。中国已经表示,它打算在2030年成为世界人工智能的领导者,并正在为实现这一目标进行重大投资。"关于如何为潜在的人工智能革命做最好的准备,已经有许多建议写给美国政府。本文在现有建议的基础上,利用不同历史实例的分析,将以前许多政府范围内的建议直接集中针对美国空军(USAF)

首先,必须尝试定义人工智能的含义。今天围绕着人工智能的炒作使讨论变得模糊不清,以至于有意义的对话在开始之前就可能失去。在人工智能能力最强的一面,许多人立即开始思考好莱坞描绘的科幻小说,如《终结者》中的天网,《黑客帝国》中的机器,或《战争游戏》中马修-布罗德里克几乎引发第三次世界大战。相反,在人工智能能力最弱的一面,似乎每个人都想利用炒作,如一位同事最近分享的关于她的 "人工智能猫砂箱 "的广告。 "当把一个奴役全人类的计算机智能与一个智能垃圾箱进行比较时,我们讨论的似乎不是同一件事,但由于每个人都声称是人工智能,我们如何知道其中的区别并进行知情讨论?

美国《国家人工智能研发战略计划:2019年更新》对人工智能的解释是:"人工智能使计算机和其他自动化系统能够执行历史上需要人类认知和我们通常认为的人类决策能力的任务。"《2019年国防授权法案》使用以下几点作为定义:

(1) 任何人工系统,在不同的和不可预测的情况下,在没有大量人类监督的情况下执行任务,或者在接触数据集时,能够从经验中学习并提高性能。

(2) 在计算机软件、物理硬件或其他背景下开发的人工系统,解决需要类似人类的感知、认知、计划、学习、沟通或身体行动的任务。

(3) 一个被设计成像人一样思考或行动的人工系统,包括认知架构和神经网络。

(4) 一套技术,包括机器学习,被设计用来接近认知任务。

(5) 一个被设计为理性行动的人工系统,包括一个智能软件代理或具身的机器人,利用感知、计划、推理、学习、交流、决策和行动来实现目标。

这个定义是一个有用的起点;然而,我们必须做出进一步的区分。首先是通用人工智能和狭义人工智能之间的区别,有时分别被称为强人工智能和弱人工智能。通用人工智能描述的是在人类能力的广度上超过人类智能的计算机智能,包括复杂的决策和一定程度的批判性思维。虽然一般人工智能往往是描述人工智能时想到的形象,但大多数专家同意,如果它甚至有可能的话,它仍然是几十年后的事情。目前所有的人工智能效果都属于狭义人工智能的范畴,程序被设计用来解决一个具体问题。这包括从导航,到图像识别,语言翻译,游戏和自动驾驶汽车等一切。

在狭义人工智能的保护伞下,有多种方法和技术,其名称经常与人工智能互换使用,使问题更加模糊。这些技术包括从深度神经网络和机器学习(ML),到大数据和自动驾驶等一切。换句话说,为了利用狭义人工智能,你可能会建立一个利用多个神经网络来完成图像识别的算法。即使是狭义人工智能的概念,也具有难以置信的挑战性,因为它似乎在不断变化。每当科学突破一个新的人工智能障碍时,以前无法实现的东西就会显得很平常,因此不再值得冠以"人工智能"的名号。因此,以一种非常真实的方式,人工智能的公认定义在不断变化,这就提出了一个更加困难的任务,即澄清这一概念。本文的重点是狭义人工智能的当前和未来应用,包括属于该概念的所有工具和技术

虽然在定义什么是人工智能方面存在很大的混乱,但专家或政治家们一致认为,人工智能有可能是革命性的。中国在2017年发布了一份战略文件,比美国任何官方的人工智能战略都要早,其目标是在2030年达到全球人工智能的领先地位。同年,弗拉基米尔-普京宣布了俄罗斯的人工智能目标,他说:"谁成为这个领域的领导者,谁就能统治世界。"两年后,美国紧随其后,特朗普总统在一份关于美国在人工智能领域立场的行政命令中说:"美国在人工智能领域的持续领导地位对于维护美国的经济和国家安全以及以符合我们国家的价值观、政策和优先事项的方式塑造人工智能的全球演变至关重要。"人工智能无疑是未来国家安全的一项关键技术。

很容易理解为什么人工智能被提出来作为全世界军队的一个机会。军队的成功一直是关于信息和决策的,而不是关于士兵和技术的。约翰-博伊德上校著名的 "OODA环"在过去的一代中一直是军事战术理论的核心。他总结了军事领导人长期以来的经验,即如果你能比你的敌人更快地观察、定位、决定和行动,你就能打败他们。今天的空军被数据淹没了,有数百万小时的遥控飞机视频需要分析。现在,人工智能使美国空军能够通过一个名为Project Maven的计算机视觉程序来处理信息。人工智能发展的下一步很可能实现从人到机器的决策,将决策速度提高到无助的人无法管理的水平。即使对非军事人员来说,其优势也是显而易见的:如果一支部队的信息处理和决策速度比另一支部队快几个数量级,那么就没有办法与之抗衡。大规模冲突中的决策只是人工智能可能成为威胁的领域之一。

下表显示,如果美国空军在采用和使用人工智能方面不保持竞争优势,那么人工智能可能有多少领域会产生潜在的重大影响。同行竞争者的竞争和虚拟/网络冲突领域的威胁最大。面对一个具有同等能力的对手,或者在网络领域配备了更先进人工智能技术的对手,将迅速改变已经形成的平衡。混合战争和超大城市的冲突并不构成那么大的威胁,因为更多的冲突将保持在传统意义上。更多技术的趋势意味着这些地区将走向高威胁,因为城市和家庭变得更加相互联系和依赖技术。失败的国家和国家的不稳定目前并不构成威胁,因为它们不依赖于人工智能或相关技术。随着世界技术的发展,即使是失败的国家,如果高度发达并配备了人工智能技术,也可能带来高威胁。

表1. 超前采用人工智能而产生的威胁

关于如何为美国的人工智能革命作出最佳姿态,已经有多项研究。本文将试图为美国空军(USAF)做同样的研究。本文将为空军提供建议,以赢得并保持在未来人工智能方面的主导地位。为了实现这一目标,本文研究了过去的技术是如何整合的,重点是与人工智能增长采用相平行的点,以便为未来如何采用人工智能制定建议。首先,本文将研究隐身技术的发展和采用,然后是雷达技术,最后是空军对商业现成技术的采用,即COTS技术,特别是对微芯片和软件的关注

人工智能

对学习机的首次讨论开始于20世纪40年代,艾伦-图灵在1950年澄清了这场辩论,尽管人工智能一词在1956年才出现。在最初的兴趣之后,人们发现计算机技术的发展还不足以取得重大进展。20世纪90年代末,狭义的人工智能研究工作大幅增加,并在1997年达到高潮:IBM的国际象棋程序 "深蓝 "成功击败了世界冠军加里-卡斯帕罗夫。在过去十年中,新的机器学习算法,通过迅速增加的计算能力和数据集规模,正在推动正在进行的人工智能革命。此外,人工智能图像识别从2011年的26%的错误率到2015年的3.5%的错误率,优于人类标准错误率措施的5%。

了解人工智能的一个重要方面是,它主要由软件驱动。虽然这一区别可能看起来并不重要,但它标志着与大多数先前技术的独特区别。人工智能程序可以被开发出来,然后相对容易地输出并使用柜台上的硬件实施,这使得人工智能的独家使用几乎是不可能的。使这个问题更加复杂的是研究界的心态,即人工智能应该对所有人免费。"人工智能因社区的开放文化而变得更加复杂多样,促使研究成果被广泛发表,训练过的人工智能模型可在网上免费下载。"这方面的两个关键例子是TensorFlow和PyTorch;谷歌和Facebook各自的免费机器学习框架。

人工智能程序作为软件的性质以及开放发现和共享的标准已经将人工智能推向了社会的各个方面。现在,即使是商业公司,如果没有固有的技术基础和资金来开发自己的人工智能,也可以利用预先建立的算法或使用共享计算和预先建立的程序来建立自己的特定应用程序。这与空军过去利用的几乎所有技术的性质有很大的不同,为美国空军今后的发展创造了相当大的挑战。

各国正在认识到人工智能的巨大潜力并成为该领域的先行者。 2017 年加拿大投资 1 亿美元用于培养 AI 毕业生,韩国宣布每年投资 8.63 亿美元为期 5 年,中国宣布计划到 2030 年在 AI 经济活动中赚取 590 亿美元。美国也追求 AI,投资额约为2015 年 AI 研发投入 11 亿美元,2016 年 12 亿美元。国防部 (DOD) 于 2018 年成立了联合人工智能中心 (JAIC),以监督未来的 AI 发展。他们 2020 年的大致预算为 2.08 亿美元。美国国防高级研究计划局 (DARPA) 最近宣布了“AI Next”,这是一项 20 亿美元的五年计划,用于研究先进的 AI 技术。

与商业部门的支出相比,这些数字还很小。2016年的估计是,美国和中国的顶级科技公司(阿里巴巴、Alphabet、苹果、亚马逊、百度、Facebook、微软、腾讯)对人工智能的投资在200-300亿美元之间。同时,全球初创企业在人工智能方面的投资超过50亿美元。在这种国家和企业明显试图成为人工智能技术领导者的情况下,美国空军如何在人工智能技术领域获得并保持技术和功能优势?美国空军在之前的许多技术进步中都有明显的优势或成为早期采用者。对这些技术采用的一些回顾将为美国空军成为人工智能领导者需要做的事情提供启示

RADAR

  • "雷达,就像二十世纪的大多数主要技术进步一样,并不是由一个发明家的突然和灵感思路推动到实现的地步而产生的。与其他伟大的创新一样,基本的想法比发明早了几十年,只有当某些特殊的手段被开发出来后,其实现才变得可行。同样,与本世纪的其他伟大发明一样,一旦背景工作完成,发展就在几个国家同时独立进行。"

雷达(Radio Detection and Ranging)的历史,无论从技术方面还是从战略上考虑它在第二次世界大战期间的角色都是十分关键的。第一次使用无线电波进行探测的记录是在1904年,由德国科学家克里斯蒂安-胡尔斯迈耶(Christian Hülsmeyer)完成的。直到18年后,几家公司开始认真推进这项技术,这项技术才再次被公开研究。值得注意的是,这些人中有两个是美国人,其中一个来自美国海军研究实验室(NRL),该组织后来归属国防部--显示了美国在研究和开发(R&D)方面的早期投资。

1930年左右,贝尔电话公司和美国海军研究实验室都注意到来自视线范围以外的飞机的无线电信号有类似的波动,"因此,提出了一个可以为探测飞机和船只而建造设备的建议。这没有得到海军部的青睐,被放弃了。"国家实验室的科学家们随后沮丧地离开了海军。他们在1934年为自己的工作申请了专利,这些专利后来被送往多个国家,支持了这些国家最初的雷达研发工作。当这些探测方面的发现正在发生时,在确定射程方面也同时有了发现,这是雷达运作所需组件的另一半。

重要的是要注意影响雷达发展的广泛形势。在发展的关键初始阶段,英国正面临着来自德国日益增长的军备问题,特别是战斗机和轰炸机部队,这是对英国本土的直接威胁。此外,科学发展得到了英国当时的研发结构的帮助。英国的科学研究属于三个紧密联系的机构,其中之一是工业和科学研究部(DISR)。工业和科学研究部开始于1917年,以应对德国在一战中领先的技术发展。这种情况与美国为应对苏联发射的人造卫星而设立的DARPA惊人地相似。

在20世纪30年代,德国人致力于研究两种不同的方法,利用无线电波帮助飞机准确轰炸目标。这两个系统,X-Grerät和Knickebein,并不是对雷达的实际使用,它们是定向无线电波束,飞机使用调到特定频率的盲目接收器。在英国,普遍的科学观点是,使用的频率在180英里以外是无法接收的。有了这个情报,就开始了改进雷达探测和导航并拒绝敌人使用雷达的竞赛。

英国和德国在二战开始时都有雷达设备的库存。德国有两家公司的雷达,Gema和Telefunken,它们分别制造了Freya和Würzburg。Freya的信号发射距离为75英里,覆盖范围为360度,并且可以移动,但它不能测量目标的高度。Würzburg的信号发射距离只有25英里,但可以准确地定位来袭的飞机,受到德国高射炮手的追捧。该雷达使他们能够瞄准来袭的飞机,而不必先从视觉上找到它们。相比之下,英国的系统,Chain Home,发射距离为120英里,但视野有限,只有120度;其尺寸也限制了任何机动性。两个国家都在研究安装在飞机上的小型雷达。德国准备开始测试一个用于运输机的机载雷达,而英国则准备推出一个用于巡逻机的系统和一个用于战机的系统。

随着对德国的轰炸越来越严重,对雷达支援的需求也越来越大。在预警雷达信息导致24架英国轰炸机中的14架在日间空袭中损失后,所有的轰炸任务都转为夜袭。由于没有足够的Würzburg雷达来引导反机枪,德国人成立了一个夜间战斗机中队来对抗英国轰炸机。目前的雷达不足以支持夜间战斗机的行动,因为它们要么不够精确,无法将来袭的轰炸机和防卫的战斗机分开,要么没有足够的探测范围。夜间战斗机指挥部与Telefunken公司合作开发了 "巨型Würzburg"。这个新系统既更加精确,又比以前系统的发射距离增加了一倍。对"Freya"雷达进行尺寸增加,也产生了作用,由此第三家德国公司I.G.Farben制造了"Mammut"雷达。在对地基预警雷达进行这些改进的同时,Telefunken公司还生产了Lichtenstein,一种用于夜间战斗机的空中雷达。有趣的是,虽然两者都是新技术,但飞行员已经习惯了地面雷达的控制,并经常因为操作上的轻微损失而拒绝使用装有机载雷达的飞机。他们最终克服了这种犹豫不决,因为有一位军官,路德维希-贝克尔上尉,坚持使用新的雷达。"随着贝克尔的击落分数稳步上升,该设备开始在其他地方获得认可。"

在1939年奥斯陆报告的暗示下,英国人指派了一位科学家R.V.琼斯博士到空军情报局调查德国的系统。此外,英国人还派了一位特使到美国交换所有的雷达机密,"以换取技术和生产方面的帮助。"到1941年初,英国领导层仍然不相信德国人有任何雷达。在收到Würzburg的照片证据后,英国人于1942年2月对它进行了一次大胆的突袭,以获取零件和技术手册。有了这些信息,反措施的工作开始认真进行。到1942年4月,英国人部署了 "月光",一种空中反雷达欺骗装置,模拟大量的飞机来袭。然而,这种技术只适合对付"Freya"。

同时,这两个国家正在研究第二种非常有效的反雷达方法。投下大量的小金属条,也就是我们今天所说的 "箔条(chaff)",当时英国人称之为 "金属箔片(Window)",德国人称之为 "杜佩尔(Düppel)",它产生了大量的回波,有效地隐藏了雷达操作员试图找到的飞机。在一个非常相似的反应中,这两个国家都选择不进一步追求这项技术,因为如果敌人发现了,对他们自己来说是多么糟糕。日本开发了Giman-shi(欺骗性纸张),并且已经在瓜达尔卡纳尔岛对美国海军的炮手进行了有效的部署应用。英国人从未收到这一信息,直到1943年7月,英国飞机才最终部署了Window。决定使用Window的原因之一是美国的雷达研究终于迎头赶上。美国的SCR.720雷达开发了一种发现和驳回Window雷达回波的方法,有效地否定了它对友军造成的问题。英国最终在对汉堡的大规模突袭中使用了Window,一个高度防御的军事目标。该部队包括791架轰炸机,事实证明Window非常成功。汉堡空袭的典型损失是6%;这次,英国只损失了12架飞机,或1.5%,估计节省了35架飞机。

新的战术和干扰技术在整个战争中继续发展。这一发展的顶点是在支持盟军入侵诺曼底的过程中。一个全面的欺骗计划被制定并用于掩护入侵部队。在入侵前,英国人系统地摧毁了德国著名的雷达站。入侵当晚,一支由18艘舰艇组成的舰队被派出,其中4艘配备了经过特殊改装的 "月光 "干扰器,14艘配备了绰号为"Filbert"的系留雷达反射气球。伴随着这两支假军团的是使用金属箔片和空中干扰器混合的轰炸机中队。一旦到达诱饵登陆地点,他们就部署烟幕,并发出类似于船只抛锚的声音。掩护真正入侵部队的是两百个舰载雷达干扰器。这些努力的结果是阻止了对入侵部队的任何空中反应,并造成了如此大的混乱,以至于德国人直到下午才向诺曼底投入重兵,认为这是另一个佯攻。

这段简短的雷达发展、使用和利用的初步历史为与当今人工智能的发展进行比较提供了几个明确的路标。首先,美国起初完全忽略了雷达的早期阶段。这不仅导致美国在研发方面的落后,而且疏远了该领域的主要领先科学家和一家领先的商业公司,直接导致美国的早期专利技术在美国进一步开发同一技术之前被外国(甚至是敌对)国家使用。第二,跨越国际界限的伙伴关系使美国和英国的技术都得到了发展,超过了单独工作所能达到的程度。如果没有英国的早期援助,美国可能不会赶上技术的发展,因此,从来没有向英国提供“金属箔片”的解决方案。第三,雷达技术的发展既用于独立的防御系统,监测来袭的飞机,也用于机载雷达,以提高飞行员发现和定位敌机的能力。这显示了技术的双重路径,首先是独特的独立系统,其次是将新技术整合到已知的平台。最后,雷达技术的初步发展突出了风险领域和失败的潜力。在雷达投入使用后,就开始同时研究开发反雷达技术和保护这些努力,这对战争努力至关重要。

将这些经验应用于当前的人工智能发展,表明美国空军目前在哪些方面取得了成功,以及在哪些方面需要做出重大改进。前面讨论的支出表明,美国空军在人工智能技术上并没有"过关",然而,从资金角度来看,它已经落后了。美国空军面临的挑战是不要像雷达研究那样疏远私营部门。资助人工智能研究的主要公司通常不是国防合同公司。DARPA的"AI Next"计划无疑将吸引非典型的行业参与者,但不太可能吸引那些研发资金已经超过国防部的AI大公司。虽然DARPA在正确的方向上利用国防部技术基础的举措是一个积极的步骤,但缺乏直接连接到美国空军记录项目的能力意味着这项研究很有可能被遗忘,让人想起海军部在20世纪30年代选择不追求雷达。我们将在隐形讨论中看到同样的问题,一个DARPA项目,即使是一个成功的项目,也不能保证是美国空军的正式记录项目。美国空军必须选择拥抱人工智能,所以它准备采用发展中的人工智能技术。

英国在科学部门和政策制定者或未来的政策制定者之间有着密切联系的优势。此外,已知的和即将到来的德国的威胁,没有其他技术潜力来对抗空中轰炸,推动了对雷达技术的需求。美国空军今天面临着相反的关键问题:不受挑战的成功。美国空军过去几十年来在中东的成功已经培养了整整一代人,他们将目前的部队结构和战术视为对空中力量的倒数第二种使用。虽然人工智能项目很可能会改善现有的空中力量的能力和战术,但它们也将为执行空战提供新的和独特的机会。如果对执行空中力量的新方法没有一个开放的心态,可能会排除现有的飞机、技术或人员,美国空军可能无法进行创新,而只是逐步改善它已经拥有的东西。

第二个同样重要的教训是与其他国家互动的好处。不应错过利用外国技术能力的积极因素。考虑到前面提到的开放源码的心态,这一点尤其正确。其他国家将使用美国人工智能社区的发展。与我们最亲密的盟友公开分享,可以确保美国和他们的盟友都处于人工智能技术的领先位置,并继续在盟友中发展善意,因为我们与他们分享的东西可能很快就会发布。这也将有助于确保美国和其盟友的国际系统之间的互操作性。最近的冲突表明,在未来的任何冲突中,多个国家与美国结盟的可能性是多么大。发展共享的,或至少是类似的系统,能使两国为未来的冲突做好最佳准备。因为有如此多的商业和开源的人工智能研究,与盟友共享不太可能失去秘密。只要技术开发的关键部分得到充分的保护,如训练数据集或实际设备,风险就会很小。

雷达的开发几乎同时发生,作为地面预警和地面控制,以及直接安装在飞机上供空中使用,这提供了另一个教训。美国空军必须确保人工智能被用来改进当前的技术,如改进嵌入雷达的飞机,并找到正确的新想法,如开发一个预警站。上面提到的Maven项目是利用人工智能改进当前设备和战术的一个很好的例子。美国空军必须继续尽可能地追求这种类型的改进。首先要看的是商业公司已经在开发可以轻松应用的系统。这可能是在飞机维修或调度方面,与商业航空公司或航运公司合作可以使双方受益。同时,将人工智能引入某些战斗系统可能会立即为正在进行的斗争提供解决方案。克服雷达干扰和探测雷达跟踪都有很大的潜力从人工智能中受益,因为信息量大,而且必须以最快的速度处理。美国空军必须有力地确保国防承包商认真对待人工智能的潜在好处。这可以通过特别要求项目的某些方面采取人工智能,或者通过设定只有通过使用人工智能才能满足的要求来实现。此外,必须提供开放的系统架构,以便多个用户可以开发软件和人工智能程序,并能快速有效地应用于实战飞机。把一切都留给主要的国防承包商,大大限制了潜在的人才库和可以实施的想法。

最后,雷达技术如何迅速地以多种独特的方式被反击的例子突出了人工智能的潜在风险。美国空军需要认真对待人工智能防御,并对任何正在开发的人工智能系统进行 "加固",以及规划对敌人人工智能能力的防御。目前最高的风险之一是用于训练人工智能算法的数据集的损坏。损坏可能是意外发生的,也可能是恶意的,敌国或玩家故意添加图像,迫使程序错误地学习。紧随其后的是未知的偏见,它可能在从数据集学习的程序中发展。这种未知的偏见可能是由于一个不完整的数据集,一个没有被正确建立的数据集,或者一个被故意篡改的数据集。由于特定算法的创造者往往不知道人工智能程序是如何做出决定的,因此存在着程序发展未知偏见的真正危险。此外,由于训练人工智能算法所需的数据集非常大,要持续监测数据集的有效性是非常困难的。最后,在人类看来是无稽之谈的图像可以有效地欺骗计算机识别程序,使之成为高概率的错误报告。这些只是已知的人工智能潜在隐患中的几个。美国空军必须认真对待这些风险,并开发出能防止颠覆的系统。管理正确保护和分类的数据集需要对军事人工智能算法极为重视,这是一个良好的开端。然而,仅仅谈论意外发现的最新问题是不够的。美国空军必须拿出一个熟练的 "红队",一个了解人工智能的小组,主要负责寻找针对我们自己系统的利用手段。传统的测试和验证水平对于一个与迄今所见的任何技术都如此不同的技术来说是不够的。

最后,美国空军也必须着眼于防御人工智能的进攻性使用。这将是一个更加困难的数量级,因为它涉及到正确预测对手如何可能使用人工智能技术,然后寻求对抗这些努力。特别重要的是要注意,对人工智能进行适当的防卫准备必须不仅仅是着眼于保护数据集和推进电子战。人工智能算法有可能影响更多,而且是以人们刚刚开始讨论的方式。深度伪造,人工智能制作的视频模仿真人,以至于与真实视频无法区分,是一个巨大的潜在威胁。虽然这肯定是政府高层的问题,但美国空军也不能忽视这个问题。

隐形

隐形技术是试图使飞机避免雷达探测的一个重要要素。这个领域包括多种方法,包括箔条、战术、电子攻击、雷达吸收材料(RAM)和飞机形状,正如之前在雷达部分讨论的那样。大多数人将隐身与洛克希德公司最初发布的F-117 "夜鹰 "联系在一起,但早在二战期间,地面探测雷达一投入使用,就开始了避免探测的尝试。很快就可以看出,减少雷达截面(RCS)是非常困难的,而且回报也很小。按照现在已经确立的雷达测距方程,当时的科学家们很快发现,要将飞机的探测距离减少10倍,飞机的RCS就需要减少10,000倍。到20世纪70年代,RCS管理方面的主要工作几乎完全是由于处理RAM的各种努力,而在管理飞机形状以大幅减少RCS的方法上投入的努力微乎其微。

减少飞机的RCS很快成为美国空军的一个重要焦点。1973年,以色列在赎罪日战争中与叙利亚和埃及作战。以色列使用美国空军最新的飞机和战术作战,但在18天内损失了108架飞机,主要是被当时的美国情报部门评估为 "不合格"的部队所操作的地空导弹(SAM)击中。第二年,DARPA开始了一项具有双重目标的计划:发现战术飞机所需的RCS以避免被发现,并开发出实现该RCS的技术方法。有趣的是,最初的要求只发给了五家公司。诺斯罗普、麦道、通用动力、费尔柴尔德和格鲁曼,不包括洛克希德。洛克希德公司在向DARPA介绍了以前为中央情报局设计的A-12和D-21侦察机所完成的高度机密工作后,获得了进一步研究的合同。洛克希德公司决定在设计上首先满足RCS的要求,而不是按照战术飞机的要求设计,然后再试图降低RCS。Denys Overholser和他的团队开发了计算机程序来预测特定飞机设计的雷达信号。在他发现了俄罗斯人P.I.Ufimtsev于1962年发表的关于雷达信号衍射的科学著作后,取得了重大突破,该著作于1972年被翻译成英文。

以计算机预测为基准,洛克希德公司获得了25,000美元,用于建造一个带有金属框架的初始设计的木制模型,以验证模型的准确性。1975年,洛克希德公司和麦道公司都进行了测试,以验证这些模型,导致DARPA开始了这个项目,该项目后来被称为实验性可生存试验台(XST)。三支队伍参加了XST竞赛,洛克希德公司和诺斯罗普公司超出预期,提交了性能几乎相同的原型。第三支队伍是麦道公司和Teledyne Ryan公司的合作,没有达到XST的规格要求。

在合作之前,麦道公司在专注于更通用的隐身设计之后,正在努力满足RCS的要求。他们之前的设计被命名为 "静音攻击",试图通过减少雷达、声学、红外和视觉这四个领域的信号来保持不被发现。在与Teledyne Ryan公司合作后,该联合提案在减少RCS方面仍然表现不佳,并计划用电子对抗措施(ECM)来弥补这一差距。洛克希德公司和诺斯罗普公司都获得了大约150万美元的资金来进行XST项目的第一阶段。随着第一阶段的结束,DARPA选择了洛克希德公司负责该项目并进入第二阶段。诺斯洛普团队所做的工作得到了认可,他们被鼓励继续为另一个刚刚开始的DARPA项目工作。他们的工作是Tacit Blue项目的基线,Blue项目又是B-2轰炸机项目的基线。

在开始第二阶段之前,DARPA决定扩大项目的范围。不幸的是,新的总成本估计为3600万美元。在DARPA项目中,典型的成本分担是DARPA占34%,承包商和相关部门占33%。在这种情况下,空军的资金是一个问题,许多领导层不愿意提供1200万美元的资金。在内部,空军正在努力就轻型战斗机项目(这将成为F-16,美国空军库存中最普遍的战斗机)达成一致,许多人不想支持另一个技术演示。最终,DARPA获得了资金,第二阶段于1976年4月开始,打算建造一个实际的飞机技术演示器。该计划的安全性也被提高到最高机密,并被命名为 "Have Blue"。许多在第一阶段工作的人都没有得到通报,也不知道这项工作还在继续。

这两架 "Have Blue"飞机于1976年开始建造。为了节约成本和时间,飞机的许多基本设备都直接来自于现有的飞机:F-16的侧杆控制器,F-5的鼻轮转向器,以及来自海军T-2C库存的通用动力发动机。"Have Blue"1号机于1977年12月1日进行了首次飞行,在赎罪日战争唤醒四年后,在DARPA开始该计划仅三年后,它甚至有可能避免被防空导弹发现。到 "Have Blue"计划结束时,总成本为5460万美元,第二阶段平均只有66名洛克希德公司的工程师。"Have Blue"计划成功后,洛克希德公司试图为海军设计低可视性的舰艇。在DARPA的支持下,在成功展示了与潜艇类似的惊人成果后,海军领导层拒绝了追求这种能力。对洛克希德的 "Have Blue"计划至关重要、后来领导了 "臭鼬工厂"(洛克希德负责"Have Blue"计划的技术部门)的本-里奇推测,海军拒绝的原因是无法将文化从公认的设计和人员配置中转移出来。他说,海军认为,这种设计 "看起来太不同了",它不需要足够的水手让舰长觉得自己在领导,而且海军也不需要足够的水手来填补所需的领导职位。里奇说,最后海军决定这是一个 "过于激进的设计"。

在证明科学理论和实战化的战术隐身飞机之间仍有许多问题需要克服,最重要的是被动红外瞄准系统。在最初计划购买20架飞机,然后增加到89架,美国空军最终确定了总共59架飞机。在1983年宣布有限的初始作战能力后,F-117A于1989年在巴拿马首次投弹作战。F-117A只出动了两个架次,由于没有地面雷达防御网络,所以没有获得关于飞机能力的信息。在1991年的沙漠风暴行动中,F-117A第一次有机会在高度竞争的战斗中证明隐形技术的可行性。F-117机队出动了1270架次的战斗,是唯一一架有机组人员的飞机,负责打击巴格达的高度防御目标。F-117A只出动了总攻击架次的2%,但却在针对伊拉克战略目标的任务中使用了40%,所有这些都没有被敌人的炮火击中过。

从隐身术的发展中,有几条有用的经验可以应用于人工智能的发展。首先,重要的是要注意到,世界上没有任何地方的隐身研究能达到这种程度的成功例子。这是由几个因素造成的:该技术的使用极为集中,缺乏任何相关的民用利益,人们认为缺乏对该技术的需求(从俄罗斯的反应中可以看出,他们倾向于防御性防空导弹而不是进攻性隐形),以及美国非常成功地将该项目分类并对隐形项目的存在进行保密,更不用说细节。这种情况与当前全球人工智能竞赛之间的鲜明差异至关重要,因为它表明在一个孤立的保密世界中试图管理人工智能发展是徒劳的。当然,一些人工智能项目或项目元素可能是保密的,还有军事数据集和其他设备,但人工智能在商业领域的发展和使用甚至已经超过了国防部的尖端机构DARPA。正如前面所讨论的,DARPA的AI Next计划将在不久的将来花费不到世界领先公司在AI开发上的10%。美国空军不会通过保密来保持在AI应用上的优势。

尽管在发展方面存在巨大差异,但有几个推论为人工智能的发展提供了经验。David Aronstein和Albert Piccirillo从他们对隐形发展的研究中提供了几个重要的教训。首先,不要回避外部的专业领域。洛克希德公司最初被排除在讨论之外,因为他们没有被认为参与了战斗机的设计。美国空军决不能将技术合作局限于传统的国防服务公司。虽然这些传统公司无疑将在未来发挥关键作用,但错过最佳团队进行独特改造的风险太高了。美国空军必须邀请并找到与国防工业没有普遍联系的公司进行接触

第二,鼓励竞争,不要让知识和技能被浪费。DARPA鼓励诺斯罗普公司参与第二个项目,使未来的隐身设计成为可能。在这个技术发展和创新的关键时期,任何专业知识都不应被忽视。跨职能领域、专业甚至服务部门的沟通是必须的。DARPA的项目经理有效地将一个团队过渡到另一个发现领域,直接影响到下一代的隐形。美国空军必须发展和保护沟通渠道,这样不适合一项任务的突破和创新设计就不会丢失,而是转移到它们将是关键的地方。

第三,人员是关键:在隐身技术的发展中,政府和工业界的团队合作良好,所有的团队都是由高技能和积极性的人组成的小团体。美国空军必须认识到并完成同样的工作。它必须在战术层面和高级领导人中高度重视人工智能知识和经验。由于美国空军的领导层不了解人工智能,认为这个想法与目前的范式差别太大,而放弃了下一次军事革命,这是美国空军无法承受的失败。Aronstein和Piccirillo将一个关键的教训总结如下:

  • 代表大多数参与的主要组织的一些项目参与者将美国空军早期低观测点工作的成功大部分归功于高级领导人,他们构建了该项目,支持它,并允许它以精简的方式进行,并缩短了监督。他们允许许多通常的官僚主义被削减,并授权项目人员完成他们的工作。

这个教训无疑是最难应用的;毕竟,他们讨论的是对一个小项目来说容易和有效的做法。当人工智能作为一个概念,不仅有可能侵入每件作战设备,而且还有可能侵入作战控制、维护和所有支持工作时,如何达到同样的效果?在这种情况下,美国空军将通过模仿国防部已经做的事情,建立一个人工智能办公室来做得最好。如果有适当的位置、人员和资金,美国空军的人工智能办公室在应用一些相关的经验方面可能是至关重要的。该办公室在与新的商业公司和领先的人工智能技术公司的协调中可能是至关重要的,协助服务的各个方面的沟通,负责对正在进行的项目进行适当的监督,并成为选定的人工智能网络和人工智能采购专家人员工作的完美地点。

最后,随着美国空军开发和采用人工智能,必须同时注意反人工智能技术和基础技术或执行方面的弱点。虽然麦道公司的XST在降低RCS方面表现不佳,但在视觉、声学、红外和雷达等所有 "波段 "上应用隐身技术的意义重大。美国空军隐身飞机目前面临的最大挑战之一是,潜在的对手国家已经选择不使用美国空军技术仍然优越的雷达与它们交战。相反,他们正在转向其他频段,在那里他们可能更容易发现隐形飞机。1999年在科索沃发生的F-117A的唯一一次战术损失就是对这一点的一个很好的提醒。萨姆防御部队在传统上没有机会使用雷达来探测和瞄准美国空军的隐形飞机,但在这种情况下,他们不需要这样做。他们利用视觉观察员在飞机从意大利起飞时打电话的组合,并利用F-117A不幸地选择反复使用相同的飞行路线来知道飞机的大致位置。

商业现成(Cots)技术和软件

最后分析的重点领域是国防部以前采用商业计算机技术的工作。研究的主要来源是国防部服务委员会的研究报告,包括1987年1月的研究 "军事设备中商业组件的使用 "到2018年2月的研究 "国防系统软件的设计和采购"。 虽然所有的研究并不完全集中于相同的技术采购,但它们基本上是相互迭代的,参考了国防部在他们的时间段和之前对现有技术的使用。令人震惊的是,在跨越30多年的技术发展过程中,每项研究的结论和建议是如此相似。

在国防部使用计算机技术的整个历史中,各部门一再趋向于缺乏对商业能力的信任和对所需目的要求的过度规定。一项研究甚至明确指出:"国防部资助的研究和开发曾经推动了商业技术的发展,但现在商业技术在许多关键领域领先于国防部。"这一评估表明,过去和今天国防部与商业人工智能技术之间的平衡有着惊人的相似之处。那么,有哪些成功和失败的经验,我们如何从中学习?

从最早的研究来看,涉及到80年代末的微处理器采购,有几个问题被强调。首先,国防部的标准比目前可接受的商业标准更具限制性。这在最初没有行业标准的情况下形成。随着技术的发展,军事应用引领了方向,创造了一个有许多标准的可接受的标准。随着商业行业的发展,基线设备在效率和可靠性方面都有所提高,具体的技术并不总是遵循以前定义的军事规格。军方不愿意接受民用标准,而是越来越多地坚持已经定义的MIL-SPEC标准,甚至经常提高要求。值得注意的是,这些额外的要求往往不会使产品比商业对应产品更有能力。这使得商业公司与国防部打交道变得非常麻烦,他们需要为军事和商业销售创造不同的项目,而这些项目的功能基本相同。这种趋势一直持续到今天,这也是许多公司发现与美国空军合作具有挑战性并选择回避军事合同的原因之一。我们一次又一次地发现,美国空军为功能不如民用产品的产品支付了更多的费用。国防部要求的原因之一是保持美国对产品生产的控制。虽然在产品管道安全方面肯定有问题,但有许多领域的风险是超过可接受的。此外,正如过去发现的那样,即使有非常重要的限制和监督,许多美国公司购买的产品都是在美国以外创造的,只在美国组装。

从历史上看,美国空军也发现自己在新兴技术的知识基础方面很薄弱。这似乎是反直觉的,然而,这在DSB的研究中被反复强调。这并不是说美国空军在使用技术方面不领先,只是说合适的人没有足够的知识和经验。空军擅长用先进的技术来执行,但在开发和获取这些技术的过程中,常常在成本或时间(或两者)上挣扎。这种知识的缺乏尤其适用于采购和维持领域,美国空军飞行员正在协调数百万美元的合同,却没有充分了解真正的需求是什么,以及如何与拥有先进技术的实际设计和建造专业知识的私营公司适当合作。在过去,这往往导致时间和成本的超支,并最终导致国防部比私营公司付出更多,得到更少。

这种知识的不足也导致缺乏为未来制定适当要求的能力。这既是一个科学知识基础,也是一个文化挑战。美国空军必须在采购职业领域拥有一批受过人工智能教育的人员,以便与商业公司就合同进行充分的合作。美国空军还需要在未来的能力和项目办公室中拥有受过人工智能培训的人员,以了解平台应该在哪些方面进行开发,以及哪些领域由于在该领域或人工智能的接壤领域的进展而不再有用。

此外,美国空军需要关键的战术思想家和支持性的战略思想家来寻找未来使用人工智能的最佳领域。这些想法不应仅限于让美国空军拥有的东西变得更好;他们应该努力实现真正的创新,以一种完全独立的方式使用人工智能,或与一个系统搭配,以一种新的和独特的方式实现战略目标。2009年DSB研究报告建议国防部拥有 "相关的能力和经验,包括技术领域和项目管理。"然后在2018年,DSB研究报告建议各部门 "发展劳动力能力和对当前软件开发技术的深刻熟悉。"显然,这是美国空军以前面临的问题,还没有克服。这不仅需要受过教育的人员,也需要文化的改变。

通过多年的研究,这些教训需要由全面的文化变革来推动,这可能就是为什么在这么多建议之后,它仍然没有发生。1989年,DSB建议国防部需要进行根本性的文化变革,"以获得更高的质量、更低的总成本、更多获得先进技术的机会、更广泛的工业基础和更大的客户满意度的潜在好处--正如民用部门最近的趋势所代表的那样。"1994年的研究将炉管文化作为建议不被接受的原因。 2009年的研究再次呼吁改变购买和修改COTS的文化,以获得速度、降低成本和风险。最后,2018年的研究说,由于国防部的文化,国防承包商基地没有跟上成熟的商业部门软件开发。值得庆幸的是,到目前为止,这只是花费了时间和金钱。如果美国空军不能适应人工智能,其后果可能会更糟糕。在三项研究中,高层领导自上而下的参与是纠正国防部缺乏向COTS设备转变的能力的建议。

建议

所有三个案例研究中最关键的发现是,外部驱动力对于新兴技术的有效和高效应用至关重要。在雷达的案例中,是迫在眉睫的威胁和二战的持续行动推动了技术的实施。就隐身而言,是以色列在赎罪日战争中的损失所激发的恐惧,使美国空军对其设备和战术产生怀疑,甚至对对手产生怀疑。至于彻底和有效地采用COTS技术和软件,国防部一次又一次地落后于商业部门,因为没有激励执行的需求。不幸的是,如果没有一个统一行动的外部动机,这种趋势要克服是非常困难的。

为了应对这一挑战,美国空军必须采取多种途径。首先,美国空军必须自上而下地优先采用人工智能。人工智能国家安全委员会(NSCAI)提交给国会的2019年报告也提出了这一观点。它引用了苏联作为威胁,在冷战中推动了核武器技术,然后在20世纪70年代推动了隐形和GPS。这应该由目前的领导层来完成,使人工智能的采用成为一个持续的关键利益项目,并创建一个美国空军办公室来推动和协助人工智能在所有服务元素中的采用。空军采取了初步措施,但这还不够。国防部人工智能战略文件的2019年美国空军人工智能附件将有效和高效地在全军采用人工智能列为优先事项。然而,这还不够,文本中固有的思维方式也不足以将人工智能完全采用到所需的程度。在结尾处,它说:"对我们这些军事领域的人来说,人工智能类似于隐形飞机和精确制导弹药的发展。"正如本文所讨论的那样,隐形技术虽然重要,但它是一种孤立的技术,是进化的,使美国空军既定的理论有了实质性的提高。另一方面,人工智能有可能在多个领域产生革命性的影响,无论是对美国空军还是对其对手。在没有具体的外部推动力的情况下,美国空军必须将人工智能发展和应用的重要性内部化,就像有一种存在的驱动力一样。如果它不这样做,在以前的技术采用中反复看到的同样的陷阱将发展,美国空军将落后。NSCAI支持同样的担忧,同意明确承认人工智能对国家安全的重要性,"然而,不清楚这些最高级别的信念和战略优先事项是否已经被各部门和机构完全接受了。对于人工智能如何解决核心国家安全挑战以及实现人工智能优势所需的条件,必须有广泛的组织理解"。

该办公室不仅需要适当的级别和官方领导的监督,而且还需要一个支持人工智能努力的重要性的分配预算,有能力将这些资金分配给任何朝着明确的人工智能采用目标前进的组织或项目。这反映了2002年DSB研究的前三项建议,2009年DSB研究的结论,以及1990年DSB研究的实施计划。此外,该办公室必须配备受过人工智能培训的人员。

这些案例研究中明确提出的第二项建议是人的重要性。正如上文在审查COTS采用情况时指出的那样,从洛克希德公司从事Have Blue工作的少数工程师所做的惊人开发中可以看出。有未来人工智能建议的三个主要文件(NSCAI、新美国安全中心的研究报告《美国人工智能世纪:行动蓝图》,以及国防部人工智能战略的美国空军人工智能附件),都将招募和培训人工智能人员作为他们的主要发现之一。美国空军应该以多种方式处理这个问题,首先为人工智能培训人员创建一个职业领域,或者至少创建一个网络职业领域的子集。这加强了人工智能在自上而下的重要性,并发展美国空军人员。此外,美国空军可以提供类似于其他职业领域的奖金,以奖励长期服务。

获得合适人员的第二个方法是通过与在人工智能开发方面有实力的商业公司建立强有力的关系。美国空军人工智能办公室在与通常与国防部没有联系的公司发展密切的伙伴关系方面具有独特的优势。军队和技术部门之间的差距正在扩大,个人关系和直接的办公室联系将有助于缩小差距。美国空军必须寻找已经在部署人工智能的公司,其方式可以直接转移到目前的行动中。这可能是商业航空公司或空运公司的维修或飞行调度过程,也可能是协助基地安全或旅行协调。从不太严格的安全要求开始工作,不仅会使美国空军的效率全面提高,而且会加强非传统商业公司之间的联系,并有助于将人工智能介绍给美国空军人员。这将在多个渠道建立信任,以实现更大的人工智能发展合作。美国空军还必须确保人工智能在目前运行的公司和项目中的发展。

空军必须效仿雷达技术的发展,既要改进已知的系统,又要集中精力寻找人工智能可以创造或加强全新的设备,或战术和行动路线的领域。雷达被设计到飞机上以提高其性能,但它首先被设计为一个全新的元素,即基于地面的探测和控制。美国空军必须吸取的教训是,有目的地寻求全新的和独特的方式,使人工智能可以实现战术、作战或战略优势。首先,人工智能可以而且应该被用来大幅改善已知的平台和能力。当前飞机的升级计划必须推进到包括人工智能。然而,如果这就是美国空军采用的终点,它将有可能失去发展中的技术所提供的最大优势。

美国空军需要在战术官员中培养一种对人工智能潜力的认识,并鼓励对未来的创新思维。这可能是最困难的过程,因为这无疑将导致美国空军在某些领域偏离传统装备和战术。缓慢而痛苦地采用遥控飞机显示了这个过程可能是多么困难。如果不成功,敌国很可能已经适应了人工智能来防御我们目前的战术,美国空军将被抛在后面。这个过程也必须立即包括创造性的防御和对抗对手AI的方法。

人工智能将成为下一代的决定性技术,塑造世界各地的军队。只要美国空军承诺应用该技术并获得好处,它就完全有能力利用这些好处并保持其在世界的卓越地位。必须采取行动,遵循本文提出的步骤将有助于确保这些行动在未来是正确的。

成为VIP会员查看完整内容
80

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。
美国战争研究所《俄罗斯军队在叙利亚的经验教训》
专知会员服务
48+阅读 · 2022年5月24日
756页美国国家安全AI战略报告
专知会员服务
157+阅读 · 2021年3月25日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年10月4日
Arxiv
26+阅读 · 2018年9月21日
VIP会员
相关VIP内容
美国战争研究所《俄罗斯军队在叙利亚的经验教训》
专知会员服务
48+阅读 · 2022年5月24日
756页美国国家安全AI战略报告
专知会员服务
157+阅读 · 2021年3月25日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员