“知识积累”工程点燃美国军事智能化的火焰
一是情报、监视与侦察（ISR）领域的自动化情报处理。由于大数据集对付情报剖析的主要性，人工智能在ISR领域具有分外浸染。知识积累工程的第一阶段紧张涉及在支持针对“伊斯兰国”胆怯分子战役中的自动化情报处理。算法战跨职能小组操持在2018年中期将人工智能工具集成运用到30个场景中。中心情报局有137个正在开拓的项目，利用人工智能完成如图像识别与标记等任务。美国情报高等研究操持局的人工智能项目包括在喧华的环境中开拓实现多措辞语音识别和翻译的算法、利用不干系的元数据进行图像的地理定位、领悟二维图像来创建三维模型，以及基于生活剖析模式推断建筑物功能的工具等。
二是综合保障领域的装备定制掩护。在军事保障领域人工智能的运用前景广阔，这也是民用和军用人工智能算法联系最为直接的领域。IBM的Watson超级打算机采取定制掩护算法，根据来自17个车载传感器供应的信息，对美国陆军的斯特瑞克车队进行个性化定制掩护。
NVIDA发布的Tesla P100深度学习GPU芯片
三是网络空间安全领域的威胁检测与主动防护。人工智能网络防御工具被演习来识别网络中行为模式的变革，并检测出非常，对先前未不雅观察到的攻击方法形成更全面的樊篱。DARPA组织的网络大寻衅赛展示出人工智能网络工具的潜力。参赛者开拓了人工智能算法来自动识别和修补己方软件的漏洞，同时攻击其他团队的弱点。人工智能算法在几秒钟内就修复了这些安全漏洞，而传统的网络安全程序常日须要几个月才能找到并修补漏洞。
四是指挥与掌握领域的多域行动效果集成。美国空军正在开拓用于多域指挥掌握的系统，以实现对空中、太空、网络空间、海洋和地基行动效果的集中计划与履行。人工智能将在近期内被用于形成共用作战图。未来，人工智能还可用于识别通信链路的中断，并找到替代手段来分发信息，还可以根据对作战空间的实时剖析，为指挥官供应可行的行动路线。
DARPA网络寻衅赛
五是自主驾驶领域的下一代地面车辆。类似于商用自驾车辆，人工智能技能可用于感知沙场环境、识别障碍物、领悟传感器数据、方案导航，乃至与其他自主车辆通信。美国陆军操持将不同类型的人工智能功能，如自主导航、监视和IED打消，支配到多个远程作战车辆，并将其履历运用到暂定于2035年实现的自主驾驶下一代地面车辆的设计中。
六是杀伤性自主武器系统（LAWS）。美国国防部现行法规明确了对LAWS的约束，国防部指令3000.09“武器系统的自主性”哀求自主系统“许可指挥官和操作者对利用武力进行适当的人类判断”。美军参联会副主席保罗·塞尔瓦在国会听证中称，只管本人推戴关于利用LAWS的限定，但由于潜在的美国对手正在追求LAWS，美军将被迫确定发展这项技能，以找出其弱点。
人机深度协作将成为未来地面部队的紧张特色2018年4月，美国计策与预算评估中央发布《未来地面部队的人机互助》报告，认为人类与机器人编队、人类与人工智能结合以及机器对人体性能的强化将是主导未来人机地面部队的三大方向。到21世纪中期，人工智能的发展不但将为军队供应成千上万的自主机器人，而且将对人类指挥官的决策产生主要影响。人类与机器人编队的核心在于人类与机器人的伙伴关系和对实现人与机器人伙伴之间互动的组织学习。洛克希德·马丁等公司研发了大量运用于保障领域的不同级别自主车辆。2030年的范例地面战斗群将由250～300个人类战士和数千个不同大小、功能互异的机器人构成。
IBM的watson超级打算机
人类与人工智能结合的关键在于对不断提高的决策支持与制订节奏和繁芜程度的理解。未来战役中，军事决策周期的速率终极将超过人类认知处理的能力，须要人工智能更快更好地处理信息，供应方案建议。
成立算法战跨职能小组备忘录全文不敷1页半，代号“知识积累”工程，发布于2017年4月，旨在加速集成机器学习技能在沙场情报大数据处理中的运用。它是美国军事智能化发展的里程碑事宜。
“知识积累”工程的目标与赞助决策智能化“知识积累”工程是第三次“抵消计策”在人工智能领域的示范项目。人工智能的军事化运用是美国第三次“抵消计策”的重点，时任国防部副部长鲍勃·沃克，既是美国第三次“抵消计策”的紧张提出者，同时也是代号为“知识积累”工程的“成立算法战跨职能小组”备忘录的签发者。沃克强调人与人工智能在计策决策方面的协作，认为机器可以高速整理海量数据，然后将它的创造供应给人类做出终极决策。“知识积累”工程旨在利用人工智能算法识别伊拉克和叙利亚沙场上的叛乱目标，实现军事情报处理、利用和传播（PED）能力的当代化，是美国国防部实现人工智能系统与作战行动集成的“探路者和点燃全体国防部人工智能火焰的火花”。
美军拥有大量无人机拍摄的视频须要处理和进行目标识别
情报大数据剖析是美国国防部启动“知识积累”工程的直接动因。特朗普上任不久，就将打击“伊斯兰国”列为优先对外政策。在沙场侦察无人机传回的全动态视频（FMV）中，大约95%与在伊拉克和叙利亚打击“伊斯兰国”极度组织有关。据美国国防部情报部门预测，到2020年，美军沙场无人机年均翱翔韶光将达到68万～90万小时，由此产生海量FMV数据。据统计，无人机在靠近目标时，拍摄并传回的FMV中，约60%较为清晰，40%因景象等缘故原由较为模糊，须要进行人工处理。现在，这项事情由数百个3人剖析小组来完成，剖析员的大量韶光用于这些大略重复的低级事情。“知识积累”工程并非是要用人工智能算法取代人类情报剖析员，而是通过集成化的高效智能管理系统实现“机器完成数据剖析、人类完成计策剖析”。
加速国防系统对大数据与机器学习技能的集成是“知识积累”工程的实质。美国国防部“知识积累”工程的实质是加速推进美军现役信息系统对大数据和机器学习技能的集成运用，以更快的速率将海量数据转变为可供作战利用的情报，提高情报处理、利用和传播能力，即“机器完成数据剖析、人类完成计策剖析”，以显示AI在坚持作战上风上的技能潜力。“知识积累”工程利用打算机视觉和机器学习技能，重点研究目标探测、分类和预警的打算机视觉算法，将其运用于海量FMV数据的高准确度实时运算处理，有助于减轻情报剖析职员的包袱，产生更多具有实际代价的情报，提高军事决策水平，未来将进一步支持网络战、电磁频谱战以及导弹防御等须要快速做出反应的作战行动。算法战跨职能小组的卖力人杰克·沙拉汉称，国防部不会再购买没有人工智能支撑的武器系统。
美军作战职员进行卫星图像剖析
“知识积累”工程的组织与领导管理系统编制调度“算法战跨职能小组”表示了跨机构跨领域跨军种管理职能的深度领悟。“算法战跨职能小组”（AWCFT）将直接向国防部情报副部长申报请示，每月进行更新。AWCFT下设辅导组、事情组和行动组等机构，各级组织的构成均表示出跨机构跨领域跨军种职能部门互助的特点。辅导组卖力AWCFT的督导事情，成员包括代表美海内政部的国防情报主管和联合参谋部、各军种、国防部总法律顾问办公室及国防部其他部门的高等代表。事情组由国防情报项目办公室以及来自国防部、各军种及干系情报部门的军官与技能专家组成，组长为上校。在事情组内还设有多少卖力军种集成、技能主导、打算机视觉等各任务方向的行动组。行动组内的成员分工卖力各任务领域的算法开拓、系统集成、数据管理、政策咨询等事情。“算法战跨职能小组”与SCO、DIUx和ARL互助，相互从对方的计策方案和组织机构中获益。
“联合人工智能中央”将成为牵引智能化军事体系培植的综合性领导机构。在“算法战跨职能小组”运行了1年多之后，2018年6月27日，国防部副部长特里克·萨纳汉签署了由首席信息官组建联合人工智能中央的联合备忘录，发起人包括国防部首席管理官、各国防部副部长、各军种部部长、参联会主席等，险些席卷了除总统和国防部长之外的所有美军高层，其核心只有一个，加速交付基于AI的军事能力。明确接管Maven工程，还明确国防部所有新启动的AI倡议都必须与联合人工智能中央折衷。这个备忘录解释，美军的军事智能化已经从情报领域向全体军事信息领域全面拓展了。“联合人工智能中央”将在2年内成立，将其培植成为类似桑迪亚国家核研究实验室那样的主要国家级实验室，为美国所有军事和情报机构供应做事。“联合人工智能中央”将折衷全体国防部在人工智能领域的研究，并与私营部门和大学的其他实验室联系，从而建立一个牵引智能化军事体系培植的综合性领导机构，联合全军和17家情报机构的力量共同推进政府的人工智能项目，以保持美国在该领域的技能上风。
“知识积累”工程的履行与装备采办改革先民后军的创新模式给人工智能军事运用提出新寻衅。人工智能技能创新的分外性在于，如此主要的计策性技能是由少数企业商业化开拓的。核技能、GPS和互联网等大多数紧张的两用技能首先是由政府主导项目开拓，而后才扩展到民用领域。与之相反，民间企业正在引领人工智能的发展，而后才向军事领域扩展，存在诸多障碍。一是运行环境哀求对商用人工智能技能产品进行专业化改进。军用车辆所处突发事宜频发的非构造化作战环境，舆图数据相对贫乏，定位旗子暗记和车际通信也易遭敌方滋扰，将限定自主驾驶车辆功能的发挥。二是安全和性能标准的差异将制约民用人工智能技能向军事运用的扩展。民用人工智能运用的故障率可能要远远超出作战环境中可接管的范围。三是传统国防采办流程不适应商业企业人工智能系统的开拓时限和程序。军事系统从初始方案剖析到初始作战能力形成均匀为91个月，商业企业交付类似人工智能等商用软件产品的周期常日在6～9个月。美国政府问责办公室就这一问题调查了12家美国商业公司，他们选择不与国防部做生意，所有12家公司都把国防采办流程的繁芜性作为谢绝情由。
谷歌云张量处理器将运用于AI演习系统
逐步构建适应人工智能系统的国防采办规范。“知识积累”工程的进展充分利用了诸如空军快速能力办公室、陆军非对称战大队和国防创新单元等其他交易授权（OTA）性子的快速采办机构，在2个月内通过了国会投资审批，在8个月内实现了商业采购的收购原型人工智能系统的战斗支配。参与其他交易的非传统政府承包商可以不遵守美国联邦关于商品和做事采购协议的干系法规。针对OTA不适于处理大型采办项目的局限性，美国国防部进一步修订完善了国防采办法规。一是增加适应软件装备的分外采办里程碑模型。修订后的国防部指南DODI 5000.02“国防采办系统运行”中增加了国防惟一软件密集模型、螺旋式支配软件密集模型和软件主导稠浊式模型等分外采办里程碑模型。二是发布商用系统需求与采办指南。2017年2月，美国国防部专门发布了DODI 5000.75“商用系统需求与采办指南”，取代了2014年由国防部首席信息官发布的“利用企业信息技能标准商业案例剖析”备忘录，适于商用人工智能系统的采购。作为对美国法典放宽对大型自动化信息系统采办限定的相应，商用系统需求与采办指南制订了更为灵巧的、循环式的商用能力采办周期政策，包含5个步骤，能力需求识别、商用方案剖析、商用系统功能需求与采办操持纳入、商用系统采办测试与支配、能力保障，为了快速获取预期成果，必要时可以重复上述步骤。未来，国防部将大规模复制“知识积累”工程所取得的履历，并制订更为清晰的采购流程，以避免未来的挫折。
算法开拓集成与沙场用户参与的深度领悟。AWCFT为“知识积累”工程制订了三步走的技能路径：一是数据标签，即完成目标数据的获取、分类处理与标签化；二是算法开拓，利用商业与开源算法、处理器和数据，天生具有初始作战能力（IOC）的模型；三是算法集成，在当前的沙场情报任务中，实现模型与情报设备的集成列装，用户利用神经网络和深度学习技能在反复的实战操作中完成对模型的微调。早期沙场用户的频繁参与，推动了商业算法在运用中完成开拓和集成。支配后的机器学习算法，通过实战中的“反复演习”和微调，得以不断完善。在“知识积累”工程中，美国国防部向谷歌公司开放了沙场无人机供应的FMV数据，利用谷歌的TensorFlow开源软件进行机器学习演习。谷歌也借此得到了SRG4和SRG5级别的FedRAMP政府云做事安全授权，打开了深度参与美军信息系统培植的通道。截至2018年5月，Maven工程开拓的算法已在美国非洲与中心司令部和本土多个空军基地实现了与扫描鹰、捕食者、去世神无人机，空军分布式地面站，海军陆战队米诺陶GIS系统等现役情报装备的集成运用，推动美国国防部快速从硬件工业时期进入软件数据驱动的信息环境。
加快我国军事智能化发展的建议高度重视对美国军事智能化进程的跟踪节制。美国国防部以中俄为军事智能化领域的对手，以组建联合人工智能中央联合备忘录为标志，已经全面点燃军事智能化发展的火焰。美国人工智能芯片技能实力雄厚、发展迅猛、军事化行动武断，2～5年内实现技能突袭，颠覆传统战役特色的可能性不断增强。
协同推进人工智能家当发展与战斗力天生。突出需求牵引，特殊是沙场目标识别、网络电磁对抗、人机作战编组、后装保障方案、火力指挥掌握等领域AI军事需求的导向浸染。可借鉴美国商用能力采办周期政策，加快形成适应人工智能创新特点的信息系统采办制度，同时发挥军方在根本芯片研制和民口针对特定运用进行二次开拓的上风，军地协同推进技能研发、军事运用、家当造就的“三位一体”和滚动发展。在大规模推动人工智能技能成果军地运用和壮大智能家当的同时，带动国家创新能力和国防实力的持续提升。
积极探索智能化战役的军民领悟数据保障。借鉴美联邦政府FedRAMP云做事安全等级模式，造就数据信赖环境，搭建系统化构造化的国防数据库平台，向民营创新企业分级开放国防和沙场大数据资源，用于促进AI算法模型和解决方案的优化升级，充分挖掘大数据为智能化战役做事的代价。
版权声明：本文刊于《军事文摘》杂志。作者：张新征。如需转载请务必注明“转自《军事文摘》”。
