超大预训练模型(large scale pre-trained model, LSPTM)的发展在人工智能领域产生了意想不到的效果, 尤其是在自然语言 处理(natural language processing, NLP)上 ChatGPT 的突破, 似乎打通了“人工智能”的任督二脉, 在短短的几个月内, 其智能实现了 从人类可以理解的智能到无法理解的智能跨越. 以 ChatGPT 为代表的 LSPTM 即将开启一个全新的硅基智能时代, 指挥与控制 (command and control, C2)作为人类社会引以为豪的体现智慧的关键要素, 会面临什么样的机遇和挑战?以 C2 过程的基本范式和 运行基本模式框架为指导, 全面分析 LSPTM 在 C2 活动的物理域、信息域、认知域以及社会域各方向潜在的应用, 阐述硅基智能 时代, 人工智能从辅助工具角色向伙伴和替代角色的跨越, C2 领域发展的机遇. 军事领域对抗性 C2 的竞争不再局限于技术, 而是 培育 LSPTM 的文化底蕴, 东西方文化与价值观的差异将决定两种不同 LSPTM 的智慧与智能.

自 1943 年美国神经科学家麦卡洛克(Warren McCulloch)和逻辑学家皮茨(Water Pitts)建立神经元 的数学模型以来, 人工智能的发展可谓是“过山车”, 既有符号主义、联结主义(神经网络)学派掀起的高 潮, 也有专家系统带来的困境和徘徊, 人工智能的孕 育过程跌宕起伏. 2018 年, 一种全新的学习训练方 法——预训练为深度学习打开了一扇智慧之门. 预 训练成功激活了深度神经网络对大规模无标注数据 的自监督学习能力, 在图形处理器(graphics process原 ing unit, GPU)算力和海量无标注文本数据的双重加 持下, 实现深度学习模型规模与性能齐飞, 成为人工 智能领域的革命性突破. 围绕 LSPTM 在海量数据、并行计算和模型学习 能力方面等展开的“军备竞赛”日益白热化. 2023 年, OpenAI 发布的预训练多模态模型 GPT-4 已经达到了万亿级参数量的惊人训练规模, 其智能在各种职 业和学术考试上的表现与人类水平相当. 马克思认为科学技术是军事发展中最活跃、最 具革命性的因素, 每一次重大科技进步都深刻影响 着世界军事发展走向, 引发战争形态和作战方式的 重大变革[1] . 超大规模预训练模型带来的人工智能的 技术突破将导致什么样的军事变革?本文深度剖析 LSPTM 的发展历程、科学原理、关键技术及涌现功 能, 以军事体系的关键要素——指挥与控制为对象, 以 C2 过程的基本范式和运行模式框架为指导, 从物 理域、信息域、认知域和社会域, 全维分析 LSPTM 的应用场景, 阐述 LSPTM 实现人工智能突破给 C2 领域发展带来的机遇和挑战.

成为VIP会员查看完整内容
84

相关内容

预训练模型是深度学习架构,已经过训练以执行大量数据上的特定任务(例如,识别图片中的分类问题)。这种训练不容易执行,并且通常需要大量资源,超出许多可用于深度学习模型的人可用的资源。
人工智能安全挑战及治理研究
专知会员服务
55+阅读 · 2023年6月18日
并行智能训练技术: 挑战与发展
专知会员服务
39+阅读 · 2023年6月18日
大模型时代的自然语言处理:挑战、机遇与发展
专知会员服务
123+阅读 · 2023年6月17日
面向AI大模型的智算中心网络演进白皮书,30页pdf
专知会员服务
75+阅读 · 2023年5月15日
元宇宙赋能指挥控制:未来虚实融生的作战推演
专知会员服务
99+阅读 · 2023年5月8日
浅析ChatGPT: 历史沿革、应用现状及前景展望
专知会员服务
88+阅读 · 2023年5月3日
问答ChatGPT之后: 超大预训练模型的机遇和挑战
专知会员服务
89+阅读 · 2023年3月31日
译文 |《人工智能军事应用:对战争的影响》
专知会员服务
114+阅读 · 2023年2月21日
CNCC技术论坛 | 知识图谱引领认知智能+
中国计算机学会
22+阅读 · 2019年9月15日
微软机器阅读理解在一场多轮对话挑战中媲美人类
微软丹棱街5号
19+阅读 · 2019年5月14日
AI会话能力超越人类!CoQA挑战赛微软创新纪录
BERT-预训练的强大
微信AI
60+阅读 · 2019年3月7日
国家自然科学基金
254+阅读 · 2017年12月31日
国家自然科学基金
5+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
1+阅读 · 2013年12月31日
国家自然科学基金
20+阅读 · 2013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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年7月11日
Arxiv
115+阅读 · 2023年3月24日
VLP: A Survey on Vision-Language Pre-training
Arxiv
11+阅读 · 2022年2月21日
Arxiv
20+阅读 · 2021年9月21日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
VIP会员
相关VIP内容
人工智能安全挑战及治理研究
专知会员服务
55+阅读 · 2023年6月18日
并行智能训练技术: 挑战与发展
专知会员服务
39+阅读 · 2023年6月18日
大模型时代的自然语言处理:挑战、机遇与发展
专知会员服务
123+阅读 · 2023年6月17日
面向AI大模型的智算中心网络演进白皮书,30页pdf
专知会员服务
75+阅读 · 2023年5月15日
元宇宙赋能指挥控制:未来虚实融生的作战推演
专知会员服务
99+阅读 · 2023年5月8日
浅析ChatGPT: 历史沿革、应用现状及前景展望
专知会员服务
88+阅读 · 2023年5月3日
问答ChatGPT之后: 超大预训练模型的机遇和挑战
专知会员服务
89+阅读 · 2023年3月31日
译文 |《人工智能军事应用:对战争的影响》
专知会员服务
114+阅读 · 2023年2月21日
相关基金
国家自然科学基金
254+阅读 · 2017年12月31日
国家自然科学基金
5+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
1+阅读 · 2013年12月31日
国家自然科学基金
20+阅读 · 2013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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员