美军的AI发展计划研究（1）

大数据产业创新服务媒体

——聚焦数据 · 改变商业

2019财年，美国国会立法要求国防部针对人工智能（AI）议题提出专题报告。美国防部“联合人工智能中心”委托兰德智库，对国防部的AI态势进行独立评估。重点包括评估与美国国防部相关的AI状态，指出错误的认知；对美国防部的AI发展现状进行独立评估；针对内部作为、外部参与和立法或监管行为提出政策建议，进而强化及改善国防部的AI态势。

在2019财年，美国国防授权法规定，美国国防部应针对AI技术研发、成长和投入作战运用等议题，进行专案研究。在2018年12月，“联合人工智能中心”（JAIC）主任夏纳汉中将委托著名智库兰德公司的国防研究所（NDRI）进行研究，本着独立客观精神，对国防部AI态势进行评估。兰德公司与负责起草法案的国会幕僚协商后，将国会立法要旨精炼为3项主要研究目标：

一、评估与美国防部相关AI态势及提出错误的认知；

二、对美国防部AI发展现况进行独立反省评估；

三、针对内部作为、外部参与和立法或监管行动提出政策建议，以增强及改善国防部的AI态势。

AI定义困难，随时间在改变

关于人工智能（AI）的定义，政府、工商业界和学界都欠缺一致性的共识。但实际上，关于如何定义AI的争论，自从此术语首次被提出后，数十年来以来就一直在争论。总体而言，为AI设计一个好的定义，是一项挑战。

根据国防高层的理想目标（例如“会思考的机器”或“执行需要人类智能的计算机”）来定义AI的话，内容简单明了，但没有任何实际效用，根本无助于国防部描述和评估AI的投资目标，或阐明及评估所需的AI人才需求。不幸的是，它还带来炒作AI的副作用。用特定技术（例如“专家系统”或“深度学习”）来定义AI，也是十分困难的事，因为历史告诉我们，AI构成要素将随着时间和观点的改变，而产生显著的变化。

由于技术的快速发展，以及预期技术进步速度和用途的困难，根据特定性能（例如“图像中的目标识别”）来定义AI的话，亦会面临同样问题。美国防部需要一致性的定义，处理AI投资及AI人才的需求。要达此目标，美国防部需要针对AI内容达成内部共识。然而，无论如何精心努力，如仅采用国防部范围内的定义，都不太可能达成此一任务。

此文提出的概念框架与AI的精准定义无关，但允许人们有系统地思考技术与能力空间的复杂性、国防部AI的应用种类，以及投资空间和时程。更重要的是，此框架允许探索3项因素间的相互作用关系，以及其最终如何影响美国防部研发或采购AI技术的成功、扩大军事任务的运用范围及预期达成目标的期程。

技术和能力空间

此概念框架中，第1个要素是技术和能力空间，涵盖理论结果和方法论（包括模型，算法和经验），这些方法是当前可用AI解决方案的基础。技术和功能空间，还包括AI解决方案所能实现的潜在功能。

国防部AI应用因素范围

第2个要素是运用在国防部任务中的AI种类。国防部对AI的应用遵循4项独立的因素：

一、对AI解决方案研发和部署环境的控制；

二、相关资源（包括数据集，计算能力和通信频宽）的可用程度；

三、AI演算法预期处理和输出讯息能力，从慢速（数小时或数天）到即时处理；

四、AI解决方案失败的影响，以及当失败发生时，从中复原的可能性。

国防部AI应用范围特征，对于技术人员而言至关重要，从考量AI解决方案的发展和所需相对应的研究方法（即技术和能力空间），到潜在运用或使用场域（即国防部AI的运用范围）。事实上，必须认知到这些因素对AI解决方案的可行性，以及预估发展期程将产生重大的影响。

例如，在不同操作环境和不同资源限制下，正确识别图像中的目标，可能需要运用不同的技术方法，识别从网路下载图片中的猫，可使用标记数据集（如ImageNet）的演算法加以训练，并提升其识别能力。但就五角大楼立场而言，识别卫星即时战场图像中的飞弹类型，则需要采用不同的方法。

尽管这2类应用软件对用户而言非常相似，但其技术人员或操作员不一定是雷同的。更重要的是，根据上述4项要素，描述美国防部AI的应用类型，可归纳3大类：企业型、任务支援型及作战型。

企业型AI是指AI应用软件（通常是在美国境内）的系统研发和运作环境受到良好控制且相对友善，诸如数据和基础设施（存储、计算、通信频率）等资源能够获得充分支援、资讯处理和决策的节奏相对宽松、当发生故障失效时，能从即时从有限损坏中复原。企业型AI应用软件的运用案例，包括财务或人员管理AI系统，或军人医疗记录管理AI系统。

在应用软件频谱的另一端是作战型AI，那些AI解决方案部署运用的作战环境特征，包括在动态、不确定、对抗且部分超出控制范围，也就是某些资源使用受到更多限制、资讯处理和决策节奏远快于预期及失败的后果，也会高于预期。作战型AI的案例有爱国者防空系统、神盾战斗系统，以及目前美空军正在研发的Skyborg无人机AI系统。

在企业型AI和作战型AI频谱间的某范围，是属于任务支援的AI应用软件，例如作战演算跨功能团队（CFT），也被称为Maven专案、网际网路监控系统、AI后勤规划系统。尤其是Maven专案旨在开发“计算机视觉算法”的机器学习，协助美国防部从无人机收集的全动态影片数据中，分析大量图像。尽管资料搜集在各战区执行，但其处理运作是在美国境内执行。更应强调的是，这3类AI应用软件的区隔，并未明确界定。实际上，主要是为了让美国防部政策制定和决策者，能更直观地思考AI的运用范畴。

投资空间和时程

概念框架的最后一个要素是投资空间和时间。各种投资必须确保国防部能够充分适当运用AI。很显然，投资是研发或采购AI技术和能力不可或缺的手段，但预算并非由美国防部全盘负责，联邦政府亦可提供部分资源，如国家科学基金会（NSF）。与投资层面最终及关键的考虑因素是时间，时间对于制定切合实际目标与期望的计划至关重要；时间可区分为短（5年以内）、中（5至10年）、长（10年以上）等3种。

注：本文来源于公开网络

——END——