爱吱声

标题: 转载桃李堂 - 博弈与合作，展望未来十五年（四） [打印本页]

作者: jerf71 时间: 2019-5-29 22:57
标题: 转载桃李堂 - 博弈与合作，展望未来十五年（四）
博弈与合作，展望未来十五年（四）

（续上回）正是因为中美都看到了智能化军事时代的巨大前景和威力，所以，两方都在大力投入，几乎全方位地进行布局研究。在这些布局中，有一个共同的重大时间节点，那就是——2035年。

07---超前布局，全面研发
本节略枯燥，预警一下。

让我们来简单梳理一下美军在军事智能化（或者说是军事 + 智能）领域所做的代表性超前研究工作吧。

DARPA（美国国防部高级计划研究局）是大部分美军此类项目的发起和组织者。

说到DARPA，也许非相关领域的朋友们不太熟悉。但我们要知道：今天互联网的前身，就是它建立的美国军事信息网ARPANet。

此前经常在互联网上秀机器人大狗、双足机器人翻筋斗走平衡木的波士顿动力公司，其“大狗”项目最早也是由DARPA立项的。

下面列举的美军人工智能发展项目，不包括类似于“大狗”、X47-B无人机、无人装甲车等一些众所周知的项目。

（1）总的方向
美军在军事智能领域的研究方向非常全面，大概可分为以下几大类：
a.自然语言理解
b.机器感知
c.机器学习
d.军用机器人
e.人机交互
f.人机融合与脑机工程

具体展开的话，子方向和项目非常之多，先简单列一些子方向供大家参考：机器阅读、文本过滤、语音识别与理解、文本深度挖掘、图像理解、视频识别、机器视觉、人机交流、自主训练、深度学习、智能助理、智能分析、智能博弈、智能规划、问题求解、图像机器生成、可解释人工智能等等等等。

基本上全面覆盖了当下人工智能发展的几乎全部成熟或热点方向。

（2）代表性的项目
上面仅仅列出了美军大的研究方向，具体的项目有很多，下面简单介绍几个具有代表性的。

a.深绿（Deep Green）
这个项目比较早，开始于2007年，其创意来自IBM的“深蓝”（在国际象棋上击败世界冠军的那个）。

深绿项目的目的是用人工智能技术辅助军事指挥员的作战，帮助他们进行作战方案的对抗性推演（类似于下棋，今天也被某些学者称为“兵棋”）。简而言之，就是帮助美军的指挥官在战前“预见未来”

深绿系统包括“人机接口、军事仿真和推演控制”三大部分，分别通俗地命名为“指挥官助手”、“闪击战”和“水晶球”。

指挥官助手，目标是利用人工智能技术帮助指挥员通过语音输入，快速生成草图式的作战计划和部署，还可以由计算机自动生成一部分作战方案，再通过AI对方案计划实施“变异”和“选择”（可以理解为走不同的棋步），从而“透视未来”。

闪击战和水晶球则分别用来快速生成未来的战场态势组合，以及分析提供新的判断决策点。通俗地说，大体上相当于是生成未来双方棋手下棋所形成的棋局，并且能自动判断出关键的棋步，供人选择。

厉害的地方是，“水晶球”可以接入真实的战场数据，这意味着“深绿”的根本目的是可以直接用在真实战场中，而不是实验室。

由于过于超前（2007年），研究进展非常不理想（太难了），深绿计划已经被美军中止，但其思想却被继承，启动新的项目。

b.可解释的人工智能（eXplainable AI, XAI）
这个项目开始于2016年10月，主要针对目前表现十分出色的人工智能深度学习算法却无法解释其内部机理的问题，进行研究。

当前的人工智能系统只输出结果，是一个“黑盒子”，人类不知道机器为什么这样做就能得到更优的结果，也不知道AI何时成功或失败，这就无法让人类对其产生足够的信任。

就好比，机器只是对人说：“喏，结果出来了，是这个”。

人问机器：“为什么是这个而不是那个？” 机器沉默以对。

可能前1万次、10万次，机器给出的结果都令人满意，可由于其机理不明，根本无法从科学上保证下一次给出的结果也是好的，有人工智能领域里的大牛戏称其为“中世纪的黑魔法”。可想而知，特别是在战场上，这样的AI是绝对无法让军人们信任的。

所以，未来的AI，要能够对其结果给出解释，或者更一步说要能够在心理上让人类接受和信任。

XAI项目就是试图解决这个大问题的。主要包括3个研究内容：
---如何生成可解释人工智能模型（全新的机器学习技术）
---如何设计可解释接口（全新的人机交互技术）
---如何理解用户心理，从而使给出的解释让用户能够放心接受（全新机器心理学理论与技术）

此项目难度极大，不过，一旦突破，其效果也将极为惊人。到那个时候，先突破的，就真的可以用低成本批量生产的智能机器去进行战争，而且还可以“一个打十个”，也算是接近降维打击了。

c.深紫（Deep Purple, Deep Purposeful Learning）
深度有目的学习，简而言之，就是研究能够突破Alpha Go深度学习算法限制的下两代深度学习技术。

这个项目不仅是针对机器学习和深度学习的不足，试图打破深度学习“黑盒子”的限制（在这一点上有些类似XAI），还试图能够提升复杂动态系统的建模能力，处理多尺度时间序列数据和表述性及情景记忆，并能有效利用先验知识，不受大量标记训练数据的限制。

好吧，上面说了一堆“非人话”，如果用“人话”来解释一下，就是要实现类似于真正的人的智能。以上那段话中，描述的基本上都是人类（而且还是受过系统教育的人）才具备的能力。

d.人与计算机交流（CWC, Communication With Computers ）

这里，人与计算机交流完全不像今天我们用鼠标、键盘、触摸屏、语音输入等方式和计算机交流，上面这些严格是“交互”或者说是“使用”，机器本质上还是工具。

而CWC项目的目标是机器作为人的伙伴与合作者来“交流”。包括能够用语言、语境、身体姿势、面部表情、头部姿势、眼神、吹口哨、哼歌、咳嗽、叹气等各种表情与人互相理解。

呃，这个真的难度极大。但美军确实在立项研究。

e.Alpha AI 与ACE
鼎鼎大名的飞行模拟对抗人工智能，2016年启动。目前已经在空战格斗中“dog fight”中击败了人类精英飞行员。网上有不少报道。

Alpha AI的基本目标是使飞行员将动态的空中战斗交给无人系统（人可以随时控制）。而DARPA后续的“空战进化（ACE）”项目将更进一步，研究人-机协作伙伴式作战，这也是DARPA “马赛克战争”计划的一环---从高成本高能力有人驾驶作战，转向低成本无人驾驶系统和有人协作。

之所以叫“马赛克战争”，是希望大量相似的无人部件，可以如同马赛克一样任意组合拼接、互相替换和损毁后迅速增补，而且成本很低。

其技术核心是遗传模糊树算法，最终目标比较厉害，就是智能的规模缩减和本地化运行。比如谷歌已经在前不久发布了新的谷歌助手，号称可把其智能模型和数据从100G精简到0.5G，这意味着不需要联网就可以在本地使用（设想科大讯飞的语音转文字如果能在本地运行，负责整理会议记录的小哥该多么爽）。

f.指挥员虚拟参谋（CVS）
给作战指挥员提供一种虚拟的人工智能参谋，能自动挖掘、分析、理解情报，帮助人理解战场态势，进行辅助决策，完成任务规划和工作流协作，2016年启动。

简直是不知疲倦的“诸葛亮 + 庞统 + 司马懿 + 郭嘉 + 周瑜 + 鲁肃 + ......”

g.算法战（Maven）
2017年4月启动，顾名思义，算法战就是要研究新的人工智能算法，把机器视觉、机器学习、机器自动处理融为一体，纳入前方战场上的各种智能采集单元，自动识别敌对行动，并做出更加及时精准的反应。

这个项目用到了著名的谷歌人工智能平台TensorFlow，可惜国内怎么只见某度评院士，没见它也推出个开放的有影响力的平台和谷歌pk呢？

h.指南针（Compass, Collection and Monitoring via Planning for Active Situational Scenarios）
2018年3月启动，目标是通过监控和收集对手的活动态势，看其应对各种刺激手段的反应，以此判明对手真正的意图。

特别是在信息不全、对手提供伪装数据掩盖的“灰色地带”场景下，希望指南针（Compass）项目能够帮助拨开迷雾，指明方向。这个人工智能军事项目的目标不仅仅是军事作战场景，还包括政治、经济、安全、选举、混乱、大规模基础设施中断等场景---比如委内瑞拉。

i.人机协同探索软件安全，CHESS（Computers and Humans Exploring Software Security）
2018年4月启动，目标是让人与计算机协同开发软件漏洞自动分析发现技术，解决“零日，0Day”漏洞问题。

这个嘛，通俗地说，就是人和计算机共同做“白帽子”，或者是做黑客（两者一正一反，就看是对敌还是对己了），但会比人的效率要高得多的多。

从上述项目上，相信大家已经能窥见一斑。美国（军）在人工智能的军事应用领域，真的是在极其疯狂地投入研究。

背后的驱动，就是我们在前几节中讨论过的，试图尽早取得面对强敌的压倒性非对称手段，而且还是低成本、不（少）死人的---可以极大减轻美国国内民众对战争的恐惧，减少美国军方及美国政府可能面临的政治与经济等巨大压力。

这其实是阳谋，与当年秘密研制原子弹的曼哈顿计划相比，几乎是半公开的。就看谁能够跑得快一步，形成质的突破了。

有的朋友看到这里也许会十分担心---其实没有必要哈。

因为，目前在世界上，人工智能领域的投入和研究进展，是美、中两强彼此接近，却领先且大幅领先于其他国家。中国在极少数领域超过美国，大部分领域还落后于它，但差距并不太大。而且，中国的增长速度位列世界第一---这和经济领域类似。

下一节，就让我们来看看中美两国在世界人工智能研究战场上的位置。
（待续）

欢迎光临爱吱声 (http://aswetalk.net/bbs/)