砺道智库 2024年06月28日 09:00 北京

据c4isrnet网6月27日登载英特尔联邦首席技术官史蒂夫·奥林(Steve Orrin)的文章称，美国国防部长期以来一直使用人工智能来探测战场上的物体，但这种能力主要局限于识别。人工智能和数据分析的新进展可以为领导者提供更高水平的任务意识，让他们洞悉意图、路径预测、异常情况和其他揭示性特征。

国防部拥有大量数据。在如今遍布传感器的战场上，指挥官可以访问来自各种设备的文本、图像、视频、无线电信号和传感器数据。然而，每种数据类型通常都是单独分析的，导致人类分析师得出的结论往往存在关联，而且可能会错失关联。

使用AI框架进行多模态数据分析可以同时分析不同的数据流，为决策者提供事件的全面视图。例如，海军系统可以识别附近的船只，但生成式AI可以锁定原产国、船级以及系统是否曾遇到过该特定船只。

确定目标后，数据融合技术和机器学习算法可以审查所有可用数据以获取其他补充信息。无线电信号可以显示该船停止发射信号，并且没有船员使用手机。该船是否已停电准备战斗，或者可能遇险了？查看最近的天气报告可以帮助决定下一步行动。

只有在前沿进行实时分析而不是将数据发送到中央位置进行处理，才有可能实现这种增强的态势感知。

对于需要及时响应的战场感知、网络安全和医疗监控应用而言，保持AI本地化至关重要。为了做好准备，国防部必须采用具有强大前沿计算能力的解决方案，找到减小AI/ML模型大小的方法，并缓解新的安全威胁。

由于大多数新的人工智能工具和模型都是开放的，这意味着这些技术中的信息是公开的，因此机构需要实施先进的安全措施和协议，以确保这些关键数据的安全。

从历史上看，战术前沿设备会收集信息并将数据发回指挥数据中心进行分析。它们有限的计算和处理能力会减慢战场决策速度，但它们不必这样做。前沿处理可节省时间，并避免大量成本，因为设备可以将分析结果上传到云端，而不是上传大量原始数据。

然而，前沿人工智能需要具有足够计算能力的设备来支持当今和未来的算法。设备和传感器必须能够独立运行，以便在现场执行计算、分析、学习、训练和推理，无论这些现场位于何处。无论是在战场上还是在医院里附在病人身上，前沿人工智能都会从各种场景中学习，以便更好地预测和应对下一次情况。对于海军船员来说，这可能意味着根据之前的遭遇确定目标船只可能采取的路线。在医院里，传感器可以在患者停止呼吸之前标记出心脏病发作的症状。

连接必不可少，但系统也应能够在通信质量低下或断断续续的环境中运行。使用5G或其他渠道，传感器可以在与总部或指挥云断开连接的情况下进行通信和协作。

另一个考虑因素是编排：任何弹性系统都应包括动态角色分配。例如，如果多架无人机同时飞行，并且领头无人机被击落，则另一个系统组件需要承担该角色。

战场并不是人工智能的理想环境。像ChatGPT这样的人工智能模型在气候受控的数据中心运行，这些数据中心有数千台GPU服务器，消耗大量能源。它们在海量数据集上进行训练，其计算需求在操作推理阶段呈指数级增长。这种情况为军方可以在前沿部署的设备提出了新的尺寸、重量和功率难题。

一些AI算法目前正在针对SWAP受限环境和新型硬件架构进行设计。一种选择是缩小AI模型。研究人员正在尝试多种方法，通过压缩、模型修剪和其他选项来制作更小、更高效的模型。

小型化存在风险。经过训练的模型可能会经历“灾难性遗忘”，即不再记得以前学过的东西。或者，由于压缩技术引入的缺陷或训练从较大模型中提取的较小模型而产生的缺陷，它可能会越来越多地产生不可靠的信息（称为幻觉）。

虽然大型数据中心可以用大门、屏障和警卫进行物理隔离，但前沿人工智能带来了新的数字和物理安全挑战。将有价值的、任务关键型数据和高级分析功能放在前沿需要的不仅仅是保护人工智能的后端API。

攻击者可以通过恶意数据或伪造数据来污染模型及其输出。及时注入可能会导致模型忽略其原始指令、泄露敏感数据或执行恶意代码。但是，纵深防御策略和硬件功能（如物理访问控制、防篡改外壳）以及安全启动和信任执行环境/机密计算可以帮助防止未经授权访问敏感设备、应用程序和数据。

尽管如此，在战术前沿拥有人工智能能力可以在不断变化的战斗场景中提供关键优势。通过在前沿启用高级分析，数据可以快速转化为可操作的情报，利用实时信息增强人类决策能力，并提供相对于对手的战略优势。