美國《國防》雜誌發文指出人工智慧戰略是保持軍事優勢的必要條件

中國航空報訊：人工智慧軍備競賽已在技術先進的國家間展開。美國認為自己面臨的威脅比以往任何時候都更加複雜且演變迅速， 美國國防部認為，必須做好準備迎接挑戰，制定和實施正確的人工智慧戰略。

人工智慧技術現狀

人工智慧技術正發展迅速，私營和公共部門對該領域的投資都有所增加。目前，美國國防部正在研究的關於人工智慧的應用均有重要進展，其他聯邦機構也採用了人工智慧技術，美國中央情報局正在進行的試點項目高度重視從數據中整理髮掘因果關係的能力，美國土安全部、國稅局、總務管理局和NASA也已經從人工智慧應用中獲益。國防部可學習這些實踐經驗，以應用案例和任務為出發點，擬定和應用最佳方案。

人工智慧的優勢及挑戰

一是軍事任務和行動對實時、高質量的信息獲取和分析處理能力的要求。二是美國國防部所依賴的內部和外部數據源網路複雜、龐大、分散，且包含多種數據類型和格式。三是不斷湧現和演變的物理與網路空間威脅。高效收集、處理、保護和利用大量不同類型的數據對軍事任務的成功至關重要，這些數據不僅來自國防部，還包括公共數據、其他聯邦機構、承包商和合作夥伴提供的信息。人工智慧將幫助作戰人員和作戰指揮官獲得最佳態勢感知能力，攔截威脅， 並提高其行動效率、戰備水平、消除威脅和執行任務的能力。雖然國防部使用人工智慧技術的時機已經成熟，但也需要強有力的戰略和實施計劃。實施過程中的每個階段，都應該運用相關領域專業性意見而非僅僅依賴數據，必須在戰略實施之初就明確人工智慧系統的目標和性能指標。然後，收集和組織適當的數據，經過處理後通過人工智慧演算法提取其中的信息。

建議

人工智慧系統的構建和部署應該遵循軟體開發和資料庫管理的最佳實踐。網路、資料庫和數據流必須得到保護， 並根據適當的分類級別進行分級。應執行試驗項目，根據所面臨的問題較簡單版本建立解決方案的原型，以評估其可行性。如果結果趨向於達到目標指標， 再逐步開始更大規模的試點和試運行。打破美國國防部內部/跨國防部與合作夥伴組織之間的隔閡，更有效地共享和利用數據，並提供互惠互利。機器學習演算法也需要大量、高質量的數據集來訓練模型，必須隨著應用情況的發展對它們進行重新培訓。儘管機器學習已對解決複雜大數據問題的價值已得到證明， 但或許還需要其他人工智慧技術進行補充。「語境適應」是DARPA人工智慧項目的「第三次浪潮」，使用「語境適應」方法建立的模型揭示了相關因素之間的因果關係，可提高國防部及時做出有效決策的能力。人工智慧解決方案需要補充人類的直覺和專業知識，以快速處理大量不同的數據，提供有用的見解。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！