远望智库开源情报中心 云卷云舒

人工智能能推理、学习和自适应，并能与机器学习、自然语言处理和计算机视觉相结合。

自美国国防部首席数字与人工智能办公室(CDAO)成立以来，已有大约一年的时间。自诞生以来，人工智能技术的发展势头一直在不断增强。

(资料图)

军事情报，曾经以战略决策、纸质地图、桌面演习和许多硬件和软件的遗留系统为特征，现在正变得复杂——从某种意义上说，是人工的。人工智能(AI)和机器学习几乎渗透到我们生活的世界的每一个行业，并在许多方面促进了创新和技术，军事和航空电子系统也不例外。

然而，必须审慎地采用它，注意投资回报及其在军事和航空航天环境中如此多用例的实用性。

正如位于德克萨斯州麦金尼的雷神情报与空间公司第22部门的技术总监赫希·康克林(Hefty Conklin)所说:“AI/ML呈现出一些改变游戏规则的能力，其集成也可以推动具有挑战性的系统需求——成本、功率和处理。在有争议的威胁环境中，它并不是万能的。目前，在有限的功率和处理条件下构建的一些功能对于当今的威胁环境非常有效。我们必须使用任何系统设计的健壮系统工程来确定平衡，或者AI/ML与其他方法相结合，在哪里以及在多大程度上提供适当的能力来管理这组威胁。”向前，向上，我们前进。

Al的应用快速增长

人工智能在所有军兵种以及商业和太空航空系统的技术平台上被现代作战人员采用和应用的数量正在急剧上升。有的处于开发早期，有的处于开发中后期。

《2022年美国国防战略》提出了美国的技术优先事项，以应对快速发展的战争领域。这是关于人工智能和机器学习的整个讨论的序幕，也是量子计算总体新范式的一部分，因为它适用于所有软件和硬件的集成，这些集成共同行动，使人工智能成为今天的作战人员的一部分。这也就是位于蒙大拿州博兹曼的Techlink副主任奥斯丁 利奇怎样看到了。

“这些优先事项的核心是在人工智能、自主、集成传感、系统、网络和量子科学方面的当前和长期投资，”利奇说，“NDS进一步提到，国防部已经实施了”机构改革，整合我们的数据、软件和人工智能工作，并加快其交付给作战人员。“在国防电子领域，人工智能驱动的数据和图像分析工具以及任务支持和训练的数字孪生的短期需求得到满足，决策支持能力和多领域情报合成的中期交付，以及向量子计算范式转变的长期实现。”

更大的图景

国防部各机构继续开发认知电子战(EW)解决方案，利用人工智能和机器学习技术实现电子战能力的现代化和增强。其中许多项目都得到了美国国防高级研究计划局(DARPA)、美国海军研究实验室、空军研究实验室和更广泛的国防社区的赞助。罗杰·希尔(Roger Hill)是德勤会计师事务所(Deloitte Defense)的负责人，也是弗吉尼亚州阿灵顿市安全和司法部门的负责人，能看到大局。

希尔说:“在当今主动电子波束形成和转向、软件定义无线电和其他先进技术的世界中，作战人员需要能够帮助感知、推理、决定和采取近实时行动的电子战系统。”“通过结合人工智能和机器学习技术，认知电子战能力可以提高作战人员评估特定威胁环境的能力，准确分类威胁，针对每种威胁设计对抗措施，并帮助实施适当的响应。”

人工智能技术的多面性

那么，有哪些关键的技术趋势呢?请保持警惕，因为应用场景很多，采用的成果也很显著。

赖安 曾是圣地亚哥Shield AI公司的首席执行官和联合创始人。该公司开发了人工智能技术，使大量无人机和飞机能够在没有GPS、通信或飞行员的情况下自主运行。

他看到了一种趋势，即侧重于免疫、攻击、计算机能力和垂直整合。“随着电子战变得越来越复杂，需要国防电子设备可以免疫各种类型的攻击，包括干扰、欺骗和黑客，”曾解释道。

相反，他补充说，随着系统对攻击的免疫力增强，有必要提高电子攻击系统的有效性。他说:“我们将看到高能定向能系统RF系统的持续发展。”“此外，我们将看到旨在破坏通信、定位和定时电子基础设施关键节点的武器系统的进步。”

然而，更具体地说，他认为，提高系统级别抗攻击免疫力的最具颠覆性的技术是边缘人工智能，特别是可以指挥和控制通信和GNSS严重或完全退化的飞机的人工智能飞行员。但将人工智能飞行员作为常规做法的过程仍在发展中。

弗吉尼亚州阿灵顿Shift5公司首席技术官e·埃贡·林德勒表示，重要的是要充分利用人工智能提供的自主权，同时不增加脆弱性。“完全由人工智能支持的自动驾驶仍然是一个遥远的目标，目前的趋势是应用尖端的‘与人赛跑’技术，提高人类在循环中的地位。我们使用技术来提高可观测性、杀伤力和任务准备性，同时帮助保护人类生命，”他解释道。“但矛盾之处在于，这些旨在为我们提供对抗对手优势的技术，也会成为被用来对付我们的潜在剥削点。这就像国防部在信息时代开始时采用传统的信息技术(It)，在第二个信息时代的过度冲洗。我们将过去几十年在It环境中获得的经验教训应用到OT环境中是至关重要的。”

展开这种新的IT环境的挑战之一是构建密集的技术。在当今的现代战争中，大事情应该是小事情包装呈现。“我们专注于改进国防技术，使其在更小的包中更有能力。”雷声公司的赫希·康克林说:“我们正在设计技术，以满足更大的功率、带宽、灵敏度和处理能力，这样它们就能在战术级发挥优势。”

我们正在开发我们自己的系统以期在同时实现多个功能，比方说雷达、通信、和电子战。虽然这会导致非常复杂的系统，它也会有助于减少子系统的数量，从而减少一个平台的总的体积、重量和功耗（SWAP）需求。

增强作战人员能力

“随着人工智能和机器学习在许多国防技术中变得根深蒂固，它们将通过新的创新提高作战能力。将提供更大功能的许多改进的影响是重要的。

加州山猫软件技术公司(Lynx Software Technologies inc .)首席技术长基冈(Will Keegan)说。他认为，专注于人工智能和机器学习是技术的关键组成部分，可以获得收益，因为它们有助于在许多场景下使用数据做出更好的决策。因此，这有助于保护人类生命。

具体来说，他看到了两个主题:在开发过程中使用人工智能和机器学习，以及在部署系统中使用人工智能和机器学习。

“对于部署中的人工智能和机器学习，使用基于模型的系统工程(MBSE)的自适应和学习算法可以快速进行鲁棒性测试。我们还看到机器学习在系统开发和评估的调试阶段表现出色，特别是在控制可预测的时间和满足性能阈值方面。”

数据依赖

依靠人工智能和机器学习来驱动决策的一个缺点是采用如此强大的建模和学习算法，因为并不总是可以获得足够的数据。数据不仅需要可用，还需要以可接受的格式足够健壮，这样它才可能对人工智能计算有用。

布莱恩·努塞恩(Bryan Nousain)是位于华盛顿的美国海军研究实验室(NRL)信号研究部门的负责人。他说，战术军事环境是动态和复杂的，可能需要在缺乏行为和/或基于物理的模型的情况下驱动高保真的估计和决策过程。

“人工智能和机器学习方法，如深度神经网络，在无法使用基于物理的模型时填补了空白，”努塞恩说。“然而，在部署深度神经网络之前，可能没有足够的数据来训练它。这推动了生成模型的发展，以增强监督学习和强化学习应用程序的训练数据。”

生成模型很有用的一个应用是自动目标识别(ATR)，努塞恩指出。“ATR的生成模型，这些系统变得如此复杂，由于传播通道，自动化重现信号水平效应，可以极大地提高我们正确构建解决方案和平台运动的能力(例如，空中和海面的湍流条件或验证它们是否适合使用。”)。通过使用多个模态作为ATR算法的输入，这些模型也有助于增加算法的鲁棒性。在电子战(EW)中，生成模型也可用于复制行为未知的威胁的行为，从而允许认知电子战模型测试其对尚未遇到的威胁的鲁棒性。”

这不仅仅是数据的质量，还有必须计算的数据量。“人工智能和机器学习减轻了作战人员根据先进多模态传感器产生的海量数据及时做出决策的负担，”美国海军研究实验室高级技术人员乔尔•古德曼(Joel Goodman)表示。这包括新兴的应用，例如使用地面、地下、机载和星载平台上的被动和主动传感器为战斗识别提供决策支持。

“由人工智能和机器学习提供动力的无人自主系统正在获得大量技术投资，包括开发用于指挥和控制应用的先进超级蜂群无人机技术，”NRL的古德曼说。“人工智能和机器学习的一个新的创新应用是通过射频频谱传输推断平台的战术相关性和/或杀伤力。了解光谱发射是一个活跃的研究领域。”

数据可用性与在瞬间做出决定且不容易受到网络入侵的情况下进行计算的情况有某种联系。凯尔·亚当斯(Kyle Adams)是位于德克萨斯州奥斯汀市的SparkCognition Government Systems (SGS)的战略经理。他指出，部署在“边缘”的人工智能是一项重要的战争技术。他列举了几个Edge AI将产生影响的一般例子。

“首先是部队在数据可用性有限的战术作战的场景下，必须在几秒钟内做出决定，”亚当斯解释道。“在这种情况下，作战人员在时间和能力上受到限制，无法充分利用现有的有限数据，并且在战术威胁环境下有可能得出糟糕的结论。边缘AI可以使单位以必要的战术速度得出见解和结论。在“边缘”的战术场景中，这些看似微不足道的优势却具有生死攸关的后果和整体任务效率。在电子战方面，信号情报(SIGINT)通常发生在边缘，人工智能是一种强大的能力，可以解锁这些数据并将其转化为战术优势。”

亚当斯举了第二个例子，将人工智能与网络安全结合在一起。“在今天的战场上，作战人员和他们携带的设备代表着容易受到网络攻击的终点。战场网络端点的这种指数级增长意味着端点是网络弹性的前线，”亚当斯说，“人工智能驱动的端点保护利用机器学习为不断变化的威胁环境提供持续的保护。它不需要定期更新签名来提高效率，保持高效和抵御零日攻击的能力。”

人工智能和机器学习:前面的路

在未来三到五年内，我们可以期待更多的人工智能和机器学习的发展。数据可用性在某种程度上与广泛和深入的计算有关，并将技术平台的能力提升到新的高度。

克里斯 休弗是通用微系统公司(General Micro Systems, GMS)的首席技术官兼首席商务官。他预测，在未来五年内，供应商将会在将更多的人工智能和机器学习处理能力的需求与更小的尺寸、功率和热量结合方面取得更大的进展。

休弗说:“未来的战场将通过数字化手段赢得胜利，这意味着用清晰全面的数据支持我们的部队，而不是把他们挤在电脑架或嘈杂的风扇之间。”“需要更小的传导冷却(被动)人工智能和机器学习计算机将人工智能嵌入/嵌入到不太复杂的系统中——最近普遍存在的‘边缘’术语。这似乎是理所当然的。还有什么不那么明显的?了解如何将人工智能功能轻松而廉价地添加到不太明显的平台上，如迫击炮、肩扛弹药、卫星导航/卫星通信设备，以及6x6运输卡车或老旧的M113运兵车等主力平台。人工智能和机器学习的前景是如此之大，以至于所有车辆、武器、工艺和设备都应该考虑加入一些附加智能。”

另一方面，位于加州桑尼维尔市的GSI 技术公司航空航天和国防分部的主管桑普森(Neil Sampson)认为，未来三到五年内，卫星、无人机和无人装备的能力可能会出现最大的飞跃。桑普森说:“让卫星能够进行更多的就地数据处理，通过传输预处理信息而不是原始数据来提高能力。”“同样，具有自动驾驶能力的无人机可以提高操作员的工作效率:既可以加强对数量的控制，也可以更好地关注紧急情况。”

洛克希德·马丁公司官员表示，他们希望看到航空航天和国防领域继续利用来自商业领域的最先进技术，但我们也希望看到我们与商业和其他开源社区开发的国防共享创新。

“我们看到一些从商业流向国防的技术包括使用大型语言模型和可解释的人工智能方法，这些方法有助于在关键的商业和国防用例中使用人工智能。位于佛罗里达州奥兰多的洛克希德·马丁公司人工智能中心(LAIC)的工程经理毛罗 J. 三奇力克 三世说。“最后，由大型系统中的多个人工智能系统组成的大型架构将成为商业和国防研究领域的新前沿。”三奇力克补充说。

“随着洛·马公司将多个人工智能节点连接在大型协作网络中，可靠的传感和通信将继续是我们在国防应用中构建的关键结构，而使用人工智能智能解译将是可靠实现这一目标的关键。为了促进这些发展，洛克希德·马丁公司预计，航空航天和国防工业对人工智能人才的需求将持续强劲，并为那些已经在电磁频谱操作(EMSO)领域建立人工智能职业生涯的人提供就业机会。

三奇力克说:“在洛克希德·马丁公司人工智能中心，我们已经建立了一个认知信号和系统团队，致力于将人工智能应用于EMSO，由人工智能、信号处理和软件工程方面的专家组成，其中一些人构思并发明了我们在这里提到的技术和应用。”

对人工智能应用保持警惕

NRL的古德曼建议，在其他技术中，要密切关注无人驾驶飞行器(uav)。具体而言，他表示，在未来三到五年内，在从事情报、监视和侦察(ISR)、电子战或时间战术瞄准时，预计将更多地依赖前沿部署的无人机、无人水面舰艇和无人水下航行器(uuv)的自主多平台协调操作。

古德曼说:“考虑到人工智能和机器学习的黑盒性质，在采用人工智能和机器学习方面一直存在一些沉默，因此国防部已经投资于研究，以更好地解释自主系统在决策过程中使用的基本原理，特别是当它们遇到不属于训练的模式和/或场景时。”

除了自动驾驶之外，公司还将继续在硬件和软件方面进行投资，以利用数据在不同应用场景中增强人工智能。

古德曼指出:“在文本和序列到序列预测的自然语言处理等领域的突破，如Explainable AI的ChatGPT3，依赖于大量的标记数据来训练大规模的AI和机器学习模型。”

古德曼继续说:“国防部通常无法获得大量的标记数据，因此它正在投资于能够对在不完整标签的领域捕获的数据集进行训练的技术。”

“根据CHIPS法案开发的专用硬件预计将提供支持人工智能和机器学习的有效载荷，否则将无法满足2级无人机和立方体卫星大小的小型平台上的严格SWaP限制，”古德曼说，“最后，一些人工智能和机器学习架构，特别是那些基于深度学习框架的架构，可能容易受到使用生成对抗和扩散等系统的攻击网络。确保深度学习系统能够抵抗对抗性攻击，并且其决策是可解释的，这是关键考虑因素。”

然而，SGS公司的亚当斯认为，人工智能的优点即将渗透到整个军事航空和电子领域的广泛产品中。在效率、成本节约和一些不可思议的战略利益的帮助下，人工智能开始很好地独立发展，这不禁引起了世界领导人的注意。

SGS的亚当斯说:“随着可用的人工智能达到一个拐点，我们将开始看到每一个产品和运营都围绕着提取人工智能带来的好处而设计。”“效率、成本节约、弹性、意识、决策主导、信心和速度——这些都是成功的国防工业和准备就绪的致命军事的关键组成部分——人工智能将在本十年的中后期在整个战争领域发挥更加突出和根深蒂固的作用。“总的来说，人工智能仍处于上升轨道。那个陡峭的上坡还会持续一段时间。人工智能仍处于早期采用阶段，因为成本和收益是经过权衡和衡量的，而它的好处在我们的现代世界中被缓慢但肯定地承认为我们对军事情报的定义的恩惠。我们有很多理由乐观地等待，因为人工智能继续在军事技术领域发展，也许最好的还在后面。