人工智能正颠覆传统战争，一场新军备竞赛或将开启

　　今年阅兵的两个大杀器——DF-17和DF-41被广泛关注，然而文摘菌却从三个无人作战方队中，看到了一丝不寻常。

　　无人作战与人工智能的发展密不可分。据《经济学人》报道，美国国防部在2月份的第一份AI战略文档中宣布：“人工智能即将改变未来战场”，2019年夏季，五角大楼成立了联合人工智能中心（JAIC），今年3月，国家人工智能安全委员会首次会议开幕。

　　在2020年度预算中，五角大楼在人工智能上投入了近10亿美元，而涉及无人驾驶和自主能力的预算更是高出了四倍。

　　在越南，美军初试用“算法”打仗

　　1970年的Igloo White行动被认为是未来战争的预演。

　　海军战机在丛林中低空俯冲，将一些设备丢入下方树冠中。

　　这些设备，有些是用来监听游击队的脚步声或卡车的点火声的麦克风，另有一些是记录地面微小振动的地震探测器，这其中最新奇的是嗅觉传感器，它可以嗅出人类尿液中的氨。

　　这些成千上万的电子器件及时地将捕获的数据回传到无人机和电脑上。数分钟之内，战机就将地毯式轰炸由算法指定的网格区域。

　　美国试图以上面这些方式来切断从老挝到越南的胡志明小道，然而并未取得成功，据说越南人训练猴子将这些传感器全部破坏了。在这些行动中，美军每年花费约10亿美元（约合今天的73亿美元），每摧毁越方一辆卡车需花费10万美元（约合今天的73万美元），然而这些并未有效阻止越北势力的渗透。

　　但是将“算法”用于战争的魅力并未因此褪色。用传感器收集数据，再用比以往处理能力更强的算法进行处理，并根据处理结果比敌人更快地采取行动这一战略，成为世界各大国家的军事思想核心。如今，人工智能（AI）的发展让这种观念更加深入人心。

　　机器的崛起

　　类似的事情也在中国发生：中国希望在2030年之前在人工智能方面领先世界；而俄罗斯的总统弗拉基米尔·普京则有一句名言“谁成为这一领域（人工智能）的领导者，谁就会成为世界的统治者”。

　　AI是一个广义且模糊的术语，涵盖了从1950年代最初的规则遵循系统到现代的基于概率的机器学习（计算机通过自学来解决任务）的各种技术。矛盾的是，如果任由人工智能技术以当前的速度和形势发展下去，那么很可能因为人工智能自身的不透明性而使得现代战争的局势扑朔迷离。

　　深度学习是一种特别流行且有效的机器学习方法，涉及多层模仿大脑的神经网络，其目前已被证明非常擅长处理各种任务，例如翻译、图像识别和游戏（参见图表）。
 

　　宾夕法尼亚大学的Michael Horowitz将AI比作内燃机或电力，来说明其用途的广泛。他将人工智能在军事的应用分为三类：一种是允许机器在无人监督的情况下运行，另一种是处理和解释大量数据，第三种是协助甚至直接指挥和控制战争。

　　就战场而言，自动化的吸引力是显而易见的——机器人比人类更便宜、更坚强且更易进行扩展。但是，一台能够在战场上运动甚至战斗的机器必须拥有足够的智能来执行任务，不够智能的无人机无法在战斗中长期存活；更糟糕的是，一个无知的持枪机器人很可能酿成一场事故。

　　所有的这些都要求人工智能赋予机器必要的技能，包括一些简单技能——感知和导航，以及其它更高级的技能，例如与其他军事人员进行合作。

　　结合了这些能力的智能机器可以完成个人无法完成的任务。伦敦国王学院的Kenneth Payne介绍说：“在模拟空战中，人工智能系统已经胜过了经验丰富的军事飞行员。”

　　今年二月，美国国防部高级研究计划局（DARPA）的“蓝天思维”部门（blue-sky-thinking branch）对能够在“高威胁”环境下协作的最强大的六个无人机群进行了最新测试，这其中甚至包括无人引导的情形。

　　尽管如此，大多数此类系统的智能都表现出了狭窄而脆弱的特性——在定义明确的环境中能很好地执行一项任务，但在不熟悉的环境中很容易失败。

　　因此，现有的自动武器要么是可攻击雷达的巡航导弹，要么是用于防御舰船和基地的速射炮。这些武器都很有用，但不是革命性的，也没有用到近年来出现的高级机器学习技术。

　　需要不断提高的“智能”武器

　　不要认为AI只能做一些战场上的苦力活，机器人，杀手亦或者是任何事物，都必须对它们“看到”的东西作出反应。

　　但是对于许多诸如间谍飞机和卫星这样的军事平台，关键是要发回原始数据，这些原始数据只有经过处理才可能变成有用的情报。现在，这种情报比以往任何时候都多，仅在2011年，美国的大约11,000架的无人机就发回了超过327,000个小时（约合37年）的影像。

　　其中大部分的数据都还来得及进行处理。所以说，人工智能在军事中的第二个主要应用就是处理数据。斯坦福大学的年度AI进步指数显示，在基于实验室的测试中，截止2015年，算法在图像分类中的性能已经超过了人类，并且在2015年至2019年之间，算法在一项更艰巨的任务——图像分割（从单个图像中挑选出多个对象）中的性能更是几乎翻了一番。

　　计算机视觉远非完美但也可以为人所运用。人类的视觉系统对一些细微变化并不敏感，而计算机视觉则不然。比如在一项研究中，改变熊猫图像中0.04％的像素（人类无法察觉），系统就会误判为长臂猿。

　　尽管存在种种弱点，但五角大楼在2017年2月得出的结论是，深度学习算法“可以以接近人类的水平执行”。据此，其成立了“Algorithmic Warfare” （算法战争）团队，代号Project Maven（专家项目），通过使用深度学习和其它技术来识别物体和可疑行动。该项目最初是用来处理在针对伊斯兰国的战争中拍摄到的影像，现在的应用则更为广泛。这样操作的目的是产生“可操作的”情报，常以导弹轰炸或特种部队破门而入而告终。