江苏龙网

  1. 首页 > 人文 > >

“知识积累”(Meven)工程点燃美国军事智能化

“知识积累”(Meven)工程点燃美国军事智能化
文章图片
人工智能技术及其军事应用
芯片技术是人工智能技术实用化加速的基础国际上对于人工智能研究的起源 ， 普遍认为从1950年代开始 。 标志性事件就是1956年的达特茅斯会议 ， 赛弗里奇和纽厄尔分别发布了关于模拟神经系统的模式识别、计算机下棋的研究成果 。 同年 ， 麦卡锡在组织“关于人工智能的达特茅斯夏季研究项目”中 ， 首次提出了“人工智能”一词 。 1954年 ， 明斯基也完成了“神经模拟强化系统的理论及其在大脑模型问题上的应用”的博士论文 ， 但长期以来人工智能的研究主要还是局限在理论研究的范畴 。 到1990年代 ， 在军事上针对因无线电弱区造成对无人机失联失控的问题 ， 美国有运用神经网络对遥控飞行进行训练 ， 进而实现自主飞行的报道 。 当时 ， 第一代256位的图形处理芯片GeForce256才刚刚诞生 。 受限于计算能力的限制 ， 无线电弱区的问题主要还是通过通信中继的方式解决 。
人工智能的核心共性技术大致可以分为人工智能芯片、基础算法和系统平台3类 。 各种不同算法是系统平台的软件基础人工智能芯片则是算法实现的硬件基础 。 近年来 ， 芯片计算能力和用户数据量的发展使机器学习技术进展迅速 ， 最终推动人工智能技术达到实用化 。 以谷歌、微软、英特尔、Facebook为代表的科技巨头争相加大在人工智能芯片领域的布局 。 据国际权威基金评级机构晨星公司预测 ， 到2021年 ， 全球人工智能芯片市场规模有可能超过200亿美元 。 目前 ， 在人工智能芯片的技术体制中比较成熟的主要有两种：一是基于GPU、FPGA等通用芯片打造半定制方案 ， 建立包含深度学习网络、深度神经网络、深度感知网络 ， 以及强化学习网络等算法的平台 ， 使人工智能算法可以与多种类型的智能终端相融合 。 比较有代表性的是恩伟达公司（NVIDA）于2016年发布的TeslaP100 ， 运算速度达到每秒21.2万亿次 。 二是针对深度学习算法开发ASIC（特定用途集成电路）芯片 。 2018年 ， 谷歌发布的CloudTPU使用4个定制化ASIC构建 ， 进一步对谷歌TensorFlow算法进行优化 ， 每秒180万亿次浮点运算 ， 一天之内就能达到基准训练精度 ， 成本低于200美元 ， 已应用于美国防部的“知识积累”工程 。
“知识积累”(Meven)工程点燃美国军事智能化
文章图片
2016年 ， NVIDA公司发布的TeslaP100深度学习GPU芯片“知识积累”(Meven)工程点燃美国军事智能化
文章图片
谷歌发布的CloudTPU使用4个定制化ASIC构建 ， 成本低于300美元 ， 已应用于美国防部的“知识积”工程长远来看 ， 利用类脑芯片进行神经形态计算 ， 最有可能带来计算的体系革命与架构变革 ， 本质是借鉴人脑的工作原理来实现深度学习 ， 进而解决极其复杂的计算问题 。
人工智能具有广泛的军事应用前景2018年4月 ， 美国国会研究中心（CRS）发布了《人工智能与国家安全报告》 ， 分析了当前人工智能项目在国防领域应用的进展 。
【“知识积累”(Meven)工程点燃美国军事智能化】一是情报、监视与侦察（JSR）领域的自动化情报处理由于大数据对于情报分析十分重要 ， 所以人工智能在ISR领域具有特殊作用 。 算法战跨职能小组计划在2018年中期将人工智能工具集成应用到30个场景中 。 中央情报局（CIA）正在开发的项目有137个 ， 利用人工智能完成如图像识别或标记（类似项目Maven的算法和数据分析功能）的任务 。 美国高级情报计划局（DARPA）的人工智能项目包括：在嘈杂的环境中开发实现多语言语音识别和翻译的算法、利用不相关的元数据进行图像的地理定位、融合二维图像来创建三维模型 ， 以及基于生活分析模式推断建筑物功能的工具等 。
二是綜合保障领域的装备定制维护IBM的Watson超级计算机采用定制维护算法 ， 根据来自17个车载传感器提供的信息 ， 对美国陆军的斯特赖克车队进行个性化定制维护 。 计划中的项目还将利用Watson超级计算机来分析维修用零部件分布的运输流 ， 以确定最节省的交货时间和最低成本 。 美国陆军希望这一人工智能系统在分析货运需求后 ， 每年可以节省1亿美元 。
三是网络空间安全领域的威胁检测与主动防护人工智能网络防御工具被训练来识别网络中行为模式的变化 ， 并检测出异常 ， 对先前未观察到的攻击方法形成更全面的屏障 。 DARPA组织的网络挑战赛展示出人工智能网络工具的潜力 。 参赛者开发了人工智能算法来自动识别和修补己方软件的漏洞 ， 同时攻击其他团队的弱点 。 人工智能算法在几秒钟内就修复了这些安全漏洞 ， 而传统的网络安全程序通常需要几个月才能找到并修复漏洞 。
四是指挥与控制领域的多域行动效果集成美国空军正在开发用于多域指挥控制（MDC2）系统 ， 以实现对空中、太空、网络空间、海洋和地基行动效果的集中计划与实施 。 人工智能将在近期内被用于形成共用作战图（COP） 。 未来 ， 人工智能还可用于识别通信链路的中断 ， 并找到替代手段来分发信息 ， 还可以根据对作战空间的实时分析 ， 为指挥官提供可行的行动路线 。
五是自主驾驶领域的下一代地面车辆类似于商用自驾车辆 ， 人工智能技术可用于感知战场环境、识别障碍物、融合传感器数据、规划导航 ， 甚至与其他自主车辆通信 。 美国陆军计划将不同类型的人工智能功能 ， 如自主导航、监视和IED清除 ， 部署到多个远程作战车辆（RCV） ， 并将其经验应用到暂定于2035年实现的自主驾驶下一代地面车辆的设计中 。 2018年4月 ， 陆军宣布计划成立机器人创新中心 ， 在训练与条令司令部的机动作战机器人与自主系统办公室牵头下 ， 实现机器人与自主系统和当前与未来作战编队的集成 。 如海军陆战队的多用途战术运输车（MUTT）是一种装甲运输车级别的车辆 ， 能够携带额外的装备 ， 通过无线电链路跟随战场上的海军陆战队 。
“知识积累”(Meven)工程点燃美国军事智能化
文章图片
NVIDIA公司的TeslaP100图形处理器芯片“知识积累”(Meven)工程点燃美国军事智能化
文章图片
“知识积累”(Meven)工程点燃美国军事智能化
文章图片
IBM的watson超级计算机“知识积累”(Meven)工程点燃美国军事智能化
文章图片
美国空军正在开发用于多域指挥与控制的系统 ， 以实现对空中、太空、网络空间、海洋和基地行动效果的集中计划与实施人机深度协作将成为未来地面部队的主要特征2018年4月 ， 美国战略与预算评估中心发布《未来地面部队的人机合作》报告 ， 认为人类与机器人编队、人类与人工智能结合以及机器对人体机能的强化将是主导未来人机地面部队的三大方向 。 到21世纪中期 ， 人工智能的发展将不但为军队提供成千上万的自主机器人 ， 而且将对人类指挥官的决策产生重要影响 。


    推荐阅读


    上一篇：刘作虎造吗？一加8系列首售表现如此抢眼

    下一篇：王思聪熊猫互娱又成“老赖” 执行标的超1000万