美国第三次抵消战略的核心，究竟如何看待？深度解析《国防部人工智能态势》

前沿君微信：tech99999  手机：18501361766

为了更好的发展军事人工智能，美国国防部于2018年6月成立联合人工智能中心（JAIC）,负责协调整个国防部的人工智能研究，致力于将人工智能技术大规模应用在军事上，提高美军智能化作战水平，使美军保持和占据军事优势。

根据《国防授权法案（2019）》第238条（e）节规定，需要对国防部在人工智能、机器学习等技术方面取得的进步和具备的竞争力进行评估。2018年12月，国防部联合人工智能中心（JAIC）主任杰克·沙纳汉邀请兰德公司国防研究所（NDRI）据此对国防部人工智能态势进行独立的分析与评估，提出切实可行的建议。兰德公司受命于此，在2019年年底前出具一份重量级报告《国防部人工智能态势评估与建议》。 

此次评估主要围绕三个问题展开：与国防部有关的人工智能的现状如何？国防部在人工智能领域的态势如何？如果要改善国防部在人工智能领域的工作，应当从内部和外部做出哪些改变，采取哪些行动，开展哪些立法或监管行动？

因此，此项评估工作的三大目标包括：

（1）评估国防部人工智能的当前状态并澄清误解；

（2）对国防部人工智能的态势开展内省式独立评估；

（3）为内部行动、外部参与和立法行动提供相关建议，改进国防部人工智能发展态势。 

兰德公司组建了由研究人员、分析人员和工作人员组成的多学科团队，围绕“国防部应如何大规模建立或获取、测试、转化及维持一系列的人工智能相关技术”，依据59次国防部访谈、9次联邦政府访谈、25次行业访谈、9次学术访谈、6个历史案例进行定性分析，依据国防部在人工智能方面的投资组合进行定量分析，从组织、进展、应用、创新、数据、人才等六个方面对国防部在人工智能方面的工作开展情况进行剖析。

由于对于人工智能的定义尚未统一，兰德公司从技术和能力空间，国防部人工智能应用范围，以及投资空间和时间范围三个方面对人工智能进行描述。又按照国防部对于人工智能解决方案的控制程度、资源的可用程度、信息处理和输出速度、方案失效的影响及恢复的可能性等方面将人工智能应用大致分为：

经过评估，兰德公司认为：虽然看到一些积极因素，但评估结果表明，国防部人工智能发展态势在所评估的各个方面都面临着重大挑战。

虽然国防部制定了雄心勃勃的人工智能目标和影响深远的人工智能战略，并成立联合人工智能中心，在整个国防部内部推广人工智能及其影响力。但是，国防部的人工智能战略缺乏相关的基准和度量标准，而且，国防部未向联合人工智能中心提供足够的权限和资源承诺，这严重限制了其在整个国防部范围内同步和协调人工智能活动以进行变更的能力，很难完成国防部给予的重要任务和使命。

国防部各军种在开展人工智能方面的角色、任务和权限也不明确。陆军人工智能工作组的角色和任务似乎是照搬联合人工智能中心的角色和任务，海军人工智能工作组和海军陆战队人工智能工作组的权限尚不清楚。有的军种编写了自己的人工智能战略，但也往往缺乏基准和衡量标准，无法有效地评估实现目标的进度。

人工智能在验证、确认、测试与评估（VVT＆E）方面远远不能确保人工智能应用的性能和安全性，特别是在涉及安全关键系统的情况下。

国防部面临数据缺乏的窘境。而现有的数据又缺乏可追溯性、易懂性、访问性和互用性，涉及外部供应商的数据所有权含糊不清。国防部无法竭尽所能地收集和存储数据。在国防部的软件基础设施所在的环境中，存储空间仍然是一种稀缺资源，并且错过了许多记录数据的机会。即使有存储空间，网络带宽也会成为数据收集的障碍。

国防部内部的创新可能会受到现有实践和流程的阻碍，而现有管理及流程限制国防部引入外部创新。较短的研究项目期限以及缺乏灵活的资金，导致各军种实验室研究人员都去从事感兴趣的研究项目。另外，国防部的层级结构与鼓励组织中最低级别员工加强创新的做法背道而驰。

在人工智能人才争夺激烈的情况下，缺乏明确的人工智能人才定义、跟踪和培养机制。哪些是人工智能人才？需要何种人工智能人才？如何培养人工智能人才？这些都不是很明确。

总体来看，国防部需要一个集中、专注、资源丰富的应用研究中心来推动人工智能和机器学习的发展，而联合人工智能中心缺乏长期预算承诺，没有制定五年战略路线图，也没有明确的目标用于制定路线图，难以堪当发展军事人工智能的重任。  

针对目前的差距，兰德公司提出11项发展建议，其中包括4项战略性建议，7项战术性建议。

【战略建议1】国防部应该调整人工智能治理结构，将机构和资源与推广人工智能的任务保持一致。

【战略建议2】国防部应与业界和学术界展开密切合作，推进人工智能系统的验证、确认、测试和评估科学和实践发展。联合人工智能中心应该与负责研究和工程的国防部副部长、负责采办和维持的国防部副部长和作战测试与评估办公室密切合作，率先在内部及与外部合作伙伴之间协调开展此类工作。

【战略建议3】国防部应将数据视为关键资源，继续收集和管理数据，并促进数据共享，同时在共享后以及分析和使用过程中解决数据保护的问题。

【战略建议4】国防部应具有渗透性和适当的开放性，以帮助国防部获得人工智能方面的人才。 

【战术建议1】联合人工智能中心应制定一份五年战略路线图（基于基准和指标，并有望成为首个需要遵循的五年计划），执行推广人工智能及扩展其影响的使命。

【战术建议2】各个军种的集中人工智能组织都应制定一项五年期战略路线图，并辅以基准和衡量指标，以便执行其任务。

【战术建议3】联合人工智能中心应该与国防部研究与工程部（R＆E）副部长、采办和维持（A＆S）副部长、参谋长联席会议主席以及联合人工智能中心委员会军种人工智能代表人合作，对国防部人工智能投资开展年度或半年度审查。

【战术建议4】联合人工智能中心应该每年或每半年组织一次技术研讨会，向整个国防部展示人工智能的程序。

【战术建议5】所有为人工智能提供资助的计划都应包括人工智能验证、确认、测试和评估预算，包括任何急需的测试基础设施。

【战术建议6】国防部的所有机构都应建立或增强相关机制，将人工智能研究人员、技术开发人员和操作者联系起来。

【战术建议7】首席数据官应向人工智能业界提供一系列国防部数据集，刺激创新并增强国防部与外部的合作。

虽然兰德的这份报告认为美国国防部的人工智能工作面临许多的挑战，需要做出大量的调整和改变。但是我们也应当看到美国国防部在发展人工智能方面取得的进展和成绩。

美国对军事人工智能高度重视，将其看作第三次抵消战略的核心。美国认为应当始终站在技术进步的最前沿，以确保维持相对于对手的持久军事优势，这样才能保护自己和盟友。而人工智能正是这样一种前沿技术，它将改变所有行业，并有望影响美国国防部作战、训练、保障、兵力防护、人员招募、医保等方方面面。

美军认为其他国家，特别是中国、俄罗斯，正大幅投资于人工智能的军事应用，这些投资可能会侵蚀美国的技术和作战优势。为了更好的推动人工智能技术和关键应用能力的发展，美国必须加快人工智能在军事上的应用和部署。

作为军事大国，美国的发展军事人工智能的目标日趋清晰。推动美国顶尖人工智能研究走向新的技术突破，促进科学新发现、增强经济竞争力、巩固国家安全。为了推进人工智能向军事领域的应用：

• 美国国防部于2018年6月宣布成立联合人工智能中心（JAIC）, 该中心致力于研究将人工智能大规模应用在军事上，提高美军智能化作战水平，使美军保持和占据军事优势。联合人工智能中心协调整个国防部的人工智能研究，并负责军方与政府实验室和私营公司的协调。美国《国防授权法案（2019）》指出，可制定战略计划，用以开发、应用人工智能，并将人工智能技术转化为作战使用。

  
  

• 2019年2月12日，美国防部网站公布《2018年国防部人工智能战略摘要——利用人工智能促进安全与繁荣》，分析了美国防部在人工智能领域面临的战略形势，阐明了国防部加快采用人工智能能力的途径和方法。

虽然有这样那样的问题，但美国军事人工智能依然是在向前迈进。美国在人工智能的军事应用已经从理论走向现实。

早在2017年4月，美国防部成立“算法战跨部门小组”，批准启动代号“Maven”项目，主要目的是加速国防部对人工智能与机器学习技术的集成，将国防部海量数据快速转变为可用于行动的情报。“算法战跨部门小组”首先将开发用于目标探测、识别与预警的计算机视觉算法，提高对无人机所收集全动态视频（FMV）的处理、利用与分发（PED）能力。在中东和非洲的几个秘密地点，美国情报分析人员使用复杂的算法，从“扫描鹰”、MQ-9“死神”等无人机拍摄到的数百万小时视频图像中，自主识别感兴趣的物体。

目前，“Maven”项目开发的算法已在美国非洲司令部、中央司令部、兰利空军基地等多个地点部署。 此外，“Maven”项目的主管杰克·沙纳汉中将已经成为联合人工智能中心的负责人。这一方面说明美国想在其他人工智能项目上复制Maven项目的成功经验，一方面也体现出美国想将人工智能技术快速应用到军事领域的迫切心情。 

从美国的军事人工智能实践来看，商业化人工智能技术无法直接变成军事人工智能技术。

一方面，商业应用优化的性能指标通常与国防部需求不符。在2018年12月向众议院军事委员会的证词中，负责研究和工程的国防部副部长丽莎·波特指出，商业搜索应用程序比检索更能提高准确性。作为一种技术方法，该方法原则上既可用于商业应用，也可用于国防部应用，但实际上，正如目前在商业领域实施的情况那样，其优化了与国防部应用需求不符的指标。

另外，所涉及的资源通常与国防部需求不符。以分类器算法为例，随着数据及其属性的变化，当今商业应用的分类器算法需要重新训练，并且此类算法通常假定可根据再训练需要返回到云。在作战型，甚至任务支持型人工智能应用中，此类假设可能无效。而且，对于战场环境而言，也可能缺乏大量的训练数据，是否可使用合成数据尚有待观察。另外，深度学习技术的应用范围较窄，因为其通常根据特定应用而定制，不易推广到其他应用程序。正如一些技术受访者所述，在某个应用中表现良好的算法可能无法适用于另一个应用。

人工智能验证、确认、测试和评估当前远远不能确保人工智能应用的性能和安全性，特别是在涉及安全关键系统的情况下。用于安全关键控制系统的验证和确认是当前研究的主题，并且通常涉及正式的数学分析或广泛模拟。前者虽然优雅，但通常缺乏扩展能力，而后者在理论上很难立足，无法对结果树立信心。两者在其代表性方面也都具有固有的局限性，因此可能会错过关键要素，从而导致现实运行时的性能下降或错误。目前，机器学习以及更广泛的人工智能系统的验证和确认基本上属于未知领域，其中有些可能涉及交互控制和机器学习算法。此外，除了需要对模型进行验证之外，机器学习和相关方法还需要对训练数据进行验证，从而增加了其复杂性。

尽管当前的方法在很大程度上依赖于对大型数据集的训练，但将来可能并非如此。因此，在推动人工智能发展并为开辟新的领域而提供基础研究投资组合时，必须保持敏捷、开放和平衡。

由于很难预测哪些技术进步会取得成功，应该广泛思考能够实现跨越式发展的未来，开发强大和可解释的人工智能、寻求基本算法进步以推动下一代人工智能的进步、更好地理解人与人工智能之间的交互作用，促进人工智能系统的发展，并为人工智能系统的验证和确认奠定基础。

应当加强用于存储、计算和通信的基础设施；数据收集和管理工作；集成开发、安全性和作战团队的安全开发操作环境；可实现快速、持续集成的流程；以及对用户和操作员的培训。

人工智能是高速发展的技术，是尚未定型的技术。其组织机构应是高度授权，灵活快捷的机构。面对变革，越是庞大、纪律性强的机构越是滞后。一个灵活、优秀的先遣部队对于机构整体变革会有良好的示范带头作用，可以被视为创新的发动机。一般这类机构的建立一开始就会给予高度的授权，以及丰沛的资源。