生成式人工智能对美国防部来说具有巨大的潜力。本报告提出了国防中生成人工智能的一些近期和远期用例。生成人工智能的风险以及IDA正在进行的生成人工智能工作也进行了讨论。

生成式AI的任务

  • 总结
  • 提纲/初稿
  • 根据风格和篇幅进行编辑
  • 提供反馈
  • 调用其他工具

今天的用例

  • 数据和软件的语言界面
  • 才能增强

未来的用例

  • 多模态问答
  • 智能体
  • 引导其他模型
  • 知识谦卑:让用户发现用例

国防分析研究所IDA目前对生成式人工智能的研究

  • 确定 LLM 的国防用例和最佳实践
  • 将生成式人工智能用于 T&E 的内部项目
  • 内部生成式人工智能通讯
  • 首席数字与人工智能办公室(CDAO)
  • LLM 基准
  • 人工智能(包括生成式人工智能)的技术与评估
  • 人工智能(包括生成式人工智能)的法律、道德和伦理发展与应用
  • 生成内容的检测和归属
  • 人工智能军备控制与核查机制
成为VIP会员查看完整内容
137

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。
《可信深度强化学习用于多效协同防御作战:综述》
专知会员服务
64+阅读 · 2023年6月19日
《数字孪生评估、敏捷验证过程和虚拟化技术》美国防部
《模块化开放系统方法实践》14页slides,美国防部
专知会员服务
41+阅读 · 2022年11月13日
北约《军事系统的网络安全风险评估》技术报告
专知会员服务
99+阅读 · 2022年4月18日
《多域作战环境下的军事决策过程》
专知
88+阅读 · 2023年4月12日
实战 | 基于深度学习模型VGG的图像识别(附代码)
七月在线实验室
12+阅读 · 2018年3月30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
6+阅读 · 2015年12月31日
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+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
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
0+阅读 · 2023年12月21日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
68+阅读 · 2023年3月26日
Arxiv
21+阅读 · 2023年3月17日
Arxiv
12+阅读 · 2022年4月12日
Arxiv
29+阅读 · 2021年11月2日
Arxiv
26+阅读 · 2020年2月21日
VIP会员
相关基金
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
6+阅读 · 2015年12月31日
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+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
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
相关论文
Arxiv
0+阅读 · 2023年12月21日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
68+阅读 · 2023年3月26日
Arxiv
21+阅读 · 2023年3月17日
Arxiv
12+阅读 · 2022年4月12日
Arxiv
29+阅读 · 2021年11月2日
Arxiv
26+阅读 · 2020年2月21日
微信扫码咨询专知VIP会员