美分析人士認為綜合數據有助於提升人工智慧系統的性能

人工智慧平台的開發人員承諾，人工智慧系統將徹底改變未來戰爭，但是專家和分析人士認為，需要更多的綜合數據才能實現。

數據需求

約翰·霍普金斯大學應用物理實驗室的資深研究科學家佩德羅·羅德里格斯表示，人工智慧和機器學習被廣泛用於分析全動態視頻，但是數據的質量並不高，僅是一些低解析度圖像和雲層之類的障礙物。他在馬里蘭州國家港口國際無人駕駛汽車系統協會主辦的國防和安全會議上表示，在這種環境下，模擬數據則顯得重要。

新美國安全中心的技術與國家安全項目的研究員格雷戈里·艾倫表示，人工智慧平台將需要大量的綜合數據來改善其功能。目前的機器學習和人工智慧演算法需要大量的數據來訓練演算法，才能交付高性能系統。如果在某一高度和某一雲量水平上訓練人工智慧系統分析無人機視頻數據，它將在該高度和雲量水平上具備高性能。但是這些條件與作戰環境不同，那麼人工智慧的性能會大幅降低。因此有必要建立綜合信息，為系統提供可能在戰場上遇到的各種環境。

艾倫指出，人工智慧系統也可以生成自身綜合數據。例如， AlphaGo可擊敗世界圍棋冠軍。訓練AlphaGo的大部分數據集均通過自己進行圍棋遊戲而產生，然後將其輸入正在開發人工智慧演算法的遊戲庫數據集中。這種方法同樣適用於作戰環境。通過使用無人機連續鏡頭，可以開發一種演算法來修改數據集，然後可以分析數據將其添加到數據集,由此可提高整個系統的性能。

未來挑戰

矽谷一家開發反無人機系統的創業公司空域系統首席執行官賈斯·班加表示，開發這些數據集仍然存在一些障礙。而且，人工智慧僅有部分方面可用於作戰，部署人工智慧的風險較低，但涉及到執行殺人決定時，風險要高得多。

然而，人工智慧無法自然而然地適應國防部的開發與採辦周期。國防部的傳統做法是部署後停止開發，此舉會使人工智慧系統的質量降低。需要不斷地根據戰場學習到的經驗迭代該系統來維持系統性能。

目前，某些低風險的方式也可以用來部署人工智慧和深度學習系統。除將人工智慧系統集成到各個平台外，工業界可以開發附加在平台上執行分析任務的小型輕量級設備。如此一來，企業就不必重新製造已部署的系統。

美國海軍副助理部長辦公室無人系統項目主任多蘿西·恩格爾哈特表示，在全球範圍內，包括俄羅斯、中國和印度在內的國家都會在人工智慧領域進行大量投資。美國政府需要工業界的幫助以有效利用人工智慧。國防部的武器平台使用了數千個感測器，這些感測器可以為企業提供大量數據。

來源：美國《國家利益》雜誌/圖片來自互聯網

軍事科學院軍事科學信息研究中心 張珂

如需轉載請註明出處：「國防科技要聞」（ID：CDSTIC）

覺得不錯，請點贊

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！