人工智能时代：发展AI开发和应用的通用平台是关键！

战略前沿技术

电话：010-58330898 手机：18501361766

微信：tech99999 邮箱：qianyanjun@techxcope.com

来源：桌面战争

作者：泰克

天朝德威远被，万国来王，种种贵重之物，梯航毕集，无所不有，尔之正使等所亲见。

————1793年，乾隆给英国乔治三世国王的信

1793年，中国成为世界中心的王国，受到了其他国家的朝拜，其主导地位是奠定于对火药、指南针和可移动式火炮等技术基础。然而，数百年来无可争议的主导地位使中国对西方日益增长的技术实力视而不见，并扼杀了创新，使得西方列强在工业革命期间超越了中国，导致其经功了近一个世纪的屈辱。

经过几十年的空前增长，今天的中国在某种程度上已经是世界上最大的经济体了。到本世纪中叶，北京渴望成为“ 综合国力和国际影响力的全球领导者 ”。正如克里斯·布罗斯（Chris Brose）在他的书《杀戮链》中所提到的那样，对新兴技术即AI的关注是中国试图超越美国主导地位的核心。

就目前而言，美国在人工智能方面似乎比中国具有优势。如果美国要保持其在人工智能方面的优势，而面对中国的发展进步，这种优势正在减弱，那么当前有关人工智能发展的讨论就需要转变。而不是专注于虚幻的主张关于AI发展将如何迎来指数效率时代，完全支持AI的自治系统和人工智能（即可以理解人类能够完成任务的AI）时代，当今的商业和军事AI开发人员需要关注执行的任务。国防部实施的是一个巨大的挑战，因为军人和专业采购人员都在努力了解AI，更不用说在官僚化的过程中为AI开发和集成提供合适的环境了。

为了克服这些障碍，国防部需要一个用于AI开发和应用的通用平台，将数据，AI开发人员和军队带入一个单一的生态系统，以快速，大规模地开发AI。五角大楼还应通过全面改革知识产权所有权，现代化承包商的招标和付款方式以及重新平衡与大、中、小型AI开发公司的关系来改变其采购方式。

人工智能的挑战：数据、开发环境和集成

实现AI的第一个挑战是找到构建算法所需的数据。在国防部，通常会假设有大量数据“在那里”等待通过商业算法提取。根据个人经验，我向您保证情况并非如此。现实情况是，数据要么被遗留在旧式武器系统中，专有代码限制了对潜在开发人员的访问，要么没有针对特定用途对其进行彻底的清理，组织和整理（将数据格式转换为另一种可用格式）。

例如，在联合人工智能中心执行人道主义援助任务计划时，来自MQ-9 无人机的完整作战视频中的火力数据将位置数据和遥测数据录入了图像中。这意味着算法将不断被蚀刻在图像中的不相关数字和字母所困扰，从而使数据更难以用于AI开发。这是国防部“存在”的数据类型的一个示例。

国防部AI发展的另一个障碍是缺乏供应商友好的软件平台，该平台将数据，AI代码语言、数据库以及在部署代码之前所需的测试软件整合在一起。没有这种开发环境，就不可能支持算法开发的实验性质或提供响应用户反馈的机制。为了使国防部的平台有用，必须有一个定义明确且建立良好的流程，该流程可以引发并纳入用户评估和输入信息，而如今这种情况在压制不合理规定的情况下会发生。以我的经验，解决一个用户需求通常会带来另一个不可预见的需求。识别用户的需求需要一个软件平台，开发人员和用户可以虚拟地或字面地并排坐在其中。一旦对算法进行了修改，对开发环境的下一个关键功能必须是能够动态地重新训练算法并进行测试和评估。最终，一次部署且永不更新的AI模型是没有用的。在这种情况下，最好不要使用AI解决方案。

此外，国防部应授权其供应商使用他们习惯于在私营部门触手可及的尖端商业AI工具。具体来说，国防部应复制商业开发人员使用的DevSecOps生态系统，以使政府解决方案与最佳商业AI工具之间没有缝隙。

在我的团队应对这种情况的经验中，我们遇到了一个相对简单但令人沮丧的问题：我们不允许引入最新版本的供应商首选工具，例如PyTorch，这对我们的模型开发至关重要。相反，我们被迫使我们的供应商使用旧版本，因为那是唯一可用的信息保证批准的工具套件。通过使用更新的行业标准容器开发生态系统，国防部可以构建各种沙箱或域，开发人员可以在其中访问开发模型所需的工具。

最后，成功的AI实施取决于向用户交付支持AI的见解。关键是将这些见解过滤到用户最熟悉的任何旧式武器系统中。我们在商业互联网上使用了国民警卫队创新网络，该网络通过常见的商业惯例得到保护。一旦我们能够开发算法，就可以通过改进情报分析人员的工作流程来证明相关的功能。在这里，受扼杀模式启发的Google团队和现在的美国空军等公司都认为这是一种最佳做法。扼杀器模式对于国防部而言可能是一种有用的方法，因为它会淘汰旧系统，同时又将其替换为新系统。国防部在许多情况下的不同之处在于，它依赖于人类的努力，例如盯着情报传感器和举报活动。

人工智能实施的答案：联合基金会

国防部需要为其AI系统提供新的开发环境。这将使开发人员，科学家，获取者和军人能够测试原型并探索其领域内的新作战模型。联合人工智能中心的联合共同基金会可以在基于云的开发环境中发挥核心作用，该环境可以将数据库，尖端的AI开发工具和开放系统架构标准以单一技术解决方案引入国防部。

由于拥有丰富的采购和情报官员经验，我对国防部对系统升级步伐缓慢的批评感到满意。这种批评是完全有理由的。作为一名情报官（并作为联合打击官部署到联合特遣部队），我在2015年至2018年的打击ISIS作战中从事情报，监视和侦察任务。在担任这些职务期间，我敏锐地意识到我们的传感器生成的大量数据，尤其是潜在的有价值信息的数量，这些信息最终被遗弃在裁剪室的地板上。

但是，可以减少分析师工作量并促进地面部队指挥官决策的AI解决方案的愿景过于雄心勃勃-分析师甚至无法完成诸如增强图像以进行特定注释的基本任务。网络化的开发环境将使我们能够在承包商支持的帮助下创新和改善工作流程。操作员知道任务，人工智能工程师知道如何构建算法。

全面构建和部署联合通用基金会将需要联合人工智能中心来应对三个艰巨的挑战-人工智能的网络安全，数据共享和云工程专业知识。联合人工智能中心对挑战有清晰的认识，可以解决其开发环境，并随后为大规模交付AI提供催化剂。

建立更好的开发环境是国防部实施AI的关键。首先，联合人工智能中心将必须减少对网络的关注，而将更多的精力放在软件上（AI是其基础的软件代码），以保护其网络。接下来，五角大楼存在数据共享问题。为了使联合公共基金会有效，联合人工智能中心必须创建一条严格限制和控制的快速数据访问通道。最后，联合基金会将需要一支稳定的云计算专家队伍。为了吸引这些专家，国防部必须继续强调其独特的使命，同时为云工程师创建一个熟悉的开发环境。这些工程师是构建开发环境所不可或缺的，因此顶级AI工程师可以开始工作。但是，如果不相应地改善部门范围内的采购，合同流程和程序，这一切将意味着微不足道。

人工智能发展需要一种新的采购方法

如今，国防采购系统非常低效，以至于最好的AI公司进入国防市场几乎没有商业意义。这在很大程度上是由于国防部和小型AI初创公司从三个角度来看的激励结构不一致。这就需要解决三个与收购有关的问题：过时的知识产权战略；缓慢的招标和付款流程；重新构想大型国防承包商，充当系统集成商和小型AI初创公司如何共同努力，以使AI的整体性超过其各个部分的总和。

国防部倾向于通过直接从商业公司购买知识产权来简化其知识产权需求。取而代之的是，只要国防部的数据受到保护，国防部就应该倾向于许可或特许权使用费的方式进行AI开发，尤其是对于小型AI初创公司。就AI的知识产权而言，随着更好的技术迅速发展和应用，受过训练的AI算法可能在几个月，几周或几天内就变得无关紧要。要求购买每种训练有素的模型的知识产权都是不明智的投资。相反，真正的价值源于反馈回路的不断改进和适应性。在AI方面，我们应考虑从数据管理到参数调整是AI开发人员的技能所固有的，对政府来说是真正的价值主张。

中小型AI开发人员进入市场的另一个主要障碍是合同时间以及国防部付款系统的快速发展。典型的招标过程可能需要花费数月的开发和审议时间，而公司在响应政府要求的信息方面付出了巨大的努力。当添加到授予合同之前的技术评估过程的财务损失中，许多中小型公司根本没有足够的财力来承受痛苦。预期我刚才描述的过程可能需要12到18个月才能产生第一笔付款，这并不是没有道理的。毫不夸张地说，不鼓励中小型企业寻求政府合同，而政府合同使用混乱而电回路的方式来进行合同授予和赔偿。为了加快这一进程，必须充分利用诸如商业解决方案开放办公室，其他交易管理机构或最近发布的，最近由国防部负责收购和维持事务的副部长艾伦·洛德（Ellen Lord）推出的《收购途径临时政策和程序》等收购工具。

最后，许多中小型公司不愿意承受国防部拜占庭式信息保证要求或在传统防御系统之上运行的整合过程。例如，五角大楼可以通过与系统集成商的合同安排受益，然后由系统集成商选择分包商来满足军方特定的AI要求。但是，在这些情况下，国防部必须考虑作为总承包商的系统集成商是否也可以与自己的分包AI开发人员竞争。如果系统集成商也从事AI开发业务，并且正在控制数据工程和开发用户界面，则强烈希望系统集成商偏向于自己的算法开发人员，而不是第三方分包商。

国防部的AI收购需要许多新进入者进入采购领域，从而形成了新的国家安全创新基地。但是，他们仍将依靠已发展并继续维持许多传统武器系统的国防工业基础的要素。收购人工智能是一项团队运动，需要小型初创公司和更成熟的国防承包商的参与。这些新的伙伴关系对于在整个死亡技术谷中推动AI开发和实施至关重要。

国防部需要加快行动

许多人说，国防部必须加快行动，这点我同意。但是光是仓促上阵是不够的。人工智能实施的速度和规模需要基于正确的数据，算法和集成的多层基础。它还需要采用共享开发环境形式的技术解决方案，以实现快速协作和迭代。而且，这需要一种切实可行的，有意为之的收购方法，需要全球领先的AI开发人员进行合作。

人工智能正在迫使我们看待武器系统和工业采购的方式发生自相矛盾的转变。性能，速度和敏捷性是当今战争和商业中的流行货币。不幸的是，当前的军事工业园区一直在换取军事优势，以换取对硬件和武器系统的熟悉以及高昂的价格标签和过高的下游维持成本。那种怀旧和舒适的感觉继续使美国陷入与中国和俄罗斯等竞争对手的更大劣势，而中国和俄罗斯等竞争对手则直奔新技术领域。实施AI将使美国在技术上领先于对手，但它也将成为迫使国防采购变得更加快速，负担得起，模块化且与运营相关的强制功能。

国防部在获取，部署和维持AI等新兴和破坏性技术的方式上没有重大的结构性变化，军方可能失去对中国和俄罗斯的优势。失去优势可能会导致美国在大国冲突失败。美国在新兴技术中保留了某些固有的优势，但它不能放慢脚步。特别是中国，在AI的未来投资于与美国竞争，这直接关系到其投射军事力量的能力。五角大楼需要彻底拥抱一个新环境，将国防部的最佳技能与商业技术行业的最佳技能融合在一起，以期在未来数十年内保持该国的技术竞争优势。

作者：马修·库克少校是现役的空军采购和情报官员，现任华盛顿特区联合人工智能中心的军事助理。在担任该职位之前，他曾在各种采购和情报部门任职，从获取情报系统到在打击伊黎伊斯兰国的战争中部署为在海外的目标官员。他毕业于美国空军学院（BS）和塔夫茨大学（MS）。

一网打尽系列文章，请回复以下关键词查看：
创新发展：习近平 \| 创新中国 \| 创新创业 \| 科技体制改革 \| 科技创新政策 \| 协同创新 \| 科研管理 \| 成果转化 \| 新科技革命 \| 基础研究 \| 产学研 \| 供给侧
热点专题：军民融合 \| 民参军 \| 工业4.0 \| 商业航天 \| 智库 \| 国家重点研发计划 \| 基金 \| 装备采办 \| 博士 \| 摩尔定律 \| 诺贝尔奖 \| 国家实验室 \| 国防工业 \| 十三五 \| 创新教育 \| 军工百强 \| 试验鉴定 \| 影响因子 \| 双一流 \| 净评估
预见未来：预见2016 \|预见2020 \| 预见2025 \| 预见2030 \| 预见2035 \| 预见2045 \| 预见2050
前沿科技：颠覆性技术 \| 生物 \| 仿生 \| 脑科学 \| 精准医学 \| 基因 \| 基因编辑 \| 虚拟现实 \| 增强现实 \| 纳米 \| 人工智能 \| 机器人 \| 3D打印 \| 4D打印 \| 太赫兹 \| 云计算 \| 物联网 \| 互联网+ \| 大数据 \| 石墨烯 \| 能源 \| 电池 \| 量子 \| 超材料 \| 超级计算机 \| 卫星 \| 北斗 \| 智能制造 \| 不依赖GPS导航 \| 通信 \| 5G \| MIT技术评论 \| 航空发动机 \| 可穿戴 \| 氮化镓 \| 隐身 \| 半导体 \| 脑机接口 \| 传感器
先进武器：中国武器 \| 无人机 \| 轰炸机 \| 预警机 \| 运输机 \| 直升机 \| 战斗机 \| 六代机 \| 网络武器 \| 激光武器 \| 电磁炮 \| 高超声速武器 \| 反无人机 \| 防空反导 \| 潜航器
未来战争：未来战争 \| 抵消战略 \| 水下战 \| 网络空间战 \| 分布式杀伤 \| 无人机蜂群 \| 太空战 \| 反卫星
领先国家：美国 \| 俄罗斯 \| 英国 \| 德国 \| 法国 \| 日本 \| 以色列 \| 印度
前沿机构：战略能力办公室 \| DARPA \| 快响小组 \| Gartner \| 硅谷 \| 谷歌 \| 华为 \| 阿里 \| 俄先期研究基金会 \| 军工百强
前沿人物：钱学森 \| 马斯克 \| 凯文凯利 \| 任正非 \| 马云 \| 奥巴马 \| 特朗普
专家专栏：黄志澄 \| 许得君 \| 施一公 \| 王喜文 \| 贺飞 \| 李萍 \| 刘锋 \| 王煜全 \| 易本胜 \| 李德毅 \| 游光荣 \| 刘亚威 \| 赵文银 \| 廖孟豪 \| 谭铁牛 \| 于川信 \| 邬贺铨
全文收录：2017文章全收录 \| 2016文章全收录 \| 2015文章全收录 \| 2014文章全收录
其他主题系列陆续整理中，敬请期待……

一网打尽系列文章，请回复以下关键词查看：
创新发展：习近平 \| 创新中国 \| 创新创业 \| 科技体制改革 \| 科技创新政策 \| 协同创新 \| 科研管理 \| 成果转化 \| 新科技革命 \| 基础研究 \| 产学研 \| 供给侧
热点专题：军民融合 \| 民参军 \| 工业4.0 \| 商业航天 \| 智库 \| 国家重点研发计划 \| 基金 \| 装备采办 \| 博士 \| 摩尔定律 \| 诺贝尔奖 \| 国家实验室 \| 国防工业 \| 十三五 \| 创新教育 \| 军工百强 \| 试验鉴定 \| 影响因子 \| 双一流 \| 净评估
预见未来：预见2016 \|预见2020 \| 预见2025 \| 预见2030 \| 预见2035 \| 预见2045 \| 预见2050
前沿科技：颠覆性技术 \| 生物 \| 仿生 \| 脑科学 \| 精准医学 \| 基因 \| 基因编辑 \| 虚拟现实 \| 增强现实 \| 纳米 \| 人工智能 \| 机器人 \| 3D打印 \| 4D打印 \| 太赫兹 \| 云计算 \| 物联网 \| 互联网+ \| 大数据 \| 石墨烯 \| 能源 \| 电池 \| 量子 \| 超材料 \| 超级计算机 \| 卫星 \| 北斗 \| 智能制造 \| 不依赖GPS导航 \| 通信 \| 5G \| MIT技术评论 \| 航空发动机 \| 可穿戴 \| 氮化镓 \| 隐身 \| 半导体 \| 脑机接口 \| 传感器
先进武器：中国武器 \| 无人机 \| 轰炸机 \| 预警机 \| 运输机 \| 直升机 \| 战斗机 \| 六代机 \| 网络武器 \| 激光武器 \| 电磁炮 \| 高超声速武器 \| 反无人机 \| 防空反导 \| 潜航器
未来战争：未来战争 \| 抵消战略 \| 水下战 \| 网络空间战 \| 分布式杀伤 \| 无人机蜂群 \| 太空战 \| 反卫星
领先国家：美国 \| 俄罗斯 \| 英国 \| 德国 \| 法国 \| 日本 \| 以色列 \| 印度
前沿机构：战略能力办公室 \| DARPA \| 快响小组 \| Gartner \| 硅谷 \| 谷歌 \| 华为 \| 阿里 \| 俄先期研究基金会 \| 军工百强
前沿人物：钱学森 \| 马斯克 \| 凯文凯利 \| 任正非 \| 马云 \| 奥巴马 \| 特朗普
专家专栏：黄志澄 \| 许得君 \| 施一公 \| 王喜文 \| 贺飞 \| 李萍 \| 刘锋 \| 王煜全 \| 易本胜 \| 李德毅 \| 游光荣 \| 刘亚威 \| 赵文银 \| 廖孟豪 \| 谭铁牛 \| 于川信 \| 邬贺铨
全文收录：2017文章全收录 \| 2016文章全收录 \| 2015文章全收录 \| 2014文章全收录
其他主题系列陆续整理中，敬请期待……