美国陆军协会(AUSA)近日在华盛顿特区举行了其年度会议。在新兴防务技术——尤其是人工智能(AI)——蓬勃发展的背景下,多家公司展示了新的软件和软件定义系统。

今年议程上值得注意的一项是自主性与驾驶软件。诺斯罗普·格鲁曼公司展示了其“灯塔计划”(Beacon Project)——一个自主软件测试平台,项目合作伙伴包括 Applied Intuition、Merlin 和 Soar Tech。Shield AI 公司展示了其 Hivemind 软件,该软件是该公司在 V-BAT、MQ-20 和 F-16 VISTA 等平台上实现自主化的基础。Anduril 公司同样出席,其 Lattice Mesh 软件为陆军的“下一代指挥与控制”(NGC2)现代化项目做出了贡献。

特别令人关注的是 Leidos 公司基于 AlphaMosaic AI 的作战管理软件,该软件已在 F-15EX 上进行过演示。AlphaMosaic 是在国防高级研究计划局(DARPA)现已完成的“空战演进”(ACE)项目中开发的,目前正接受美国空军(USAF)的测试。

AI 驾驶的早期辉煌时刻

AlphaMosaic 是对一个旧理念的新尝试。DARPA 早在 1983 年就资助了一次早期的尝试,即其雄心勃勃的“战略计算计划”,旨在开发一种“飞行员助手”(Pilot’s Associate),能够在所有座舱决策和规划过程中协助飞行员。其基础是人工智能(软件)、新型硬件和自然语言理解能力的结合。DARPA 的规划者试图通过五个基于符号 AI 的专家系统来支撑“飞行员助手”,这些系统在任务规划、系统状态、态势评估、战术以及与人类飞行员的前端通信方面协同工作。

这一“飞行员助手”必须克服通过足够强大的计算硬件实现实时处理以及在嘈杂环境中有限词汇理解的障碍。虽然取得了进展——通常对语音识别等领域产生了长期、渐进性的影响——但“飞行员助手”在真实场景中未能表现出足够的鲁棒性。底层的专家系统无法有效相互协调,有时会向人类飞行员提供相互矛盾的建议。它们同样无法理解某些飞机机动动作,也无法对其产生的几何结果做出准确预测。

Leidos的 AlphaMosaic

Leidos 的 AlphaMosaic 与 DARPA 的“飞行员助手”梦想非常相似。该公司实际上提及了一套与 AI 辅助驾驶相关的预期能力,让人联想到 DARPA 20 世纪的计划:Leidos 专注于构建一个能够跨域协调和通信的系统,以实现机器生成的有效响应、目标选定和空中加油动态。

作为 DARPA ACE 项目的一部分,AlphaMosaic 已在 F-15EX 上成功演示,目前正由美国空军进行测试,目标是在 2027 年投入使用。短期来看,Leidos 指出重点是争取与美国太空军签订合同,以便与卫星信息进行交叉参考,使 AlphaMosaic 能够将相关数据、威胁和响应指引给美国空军内部相应的指挥机构和中队。展望未来,它计划将这些能力扩展到跨域作战以及导弹和无人机集成。

AlphaMosaic 的概念设计与“战略计算计划”的“飞行员助手”有着有趣的相似之处,但也存在重要但不那么明显的差异。20 世纪的“飞行员助手”项目采用的是 AI 驾驶的集成方法——基于当时首选 AI 技术的专家系统将相互协调以提供所需能力。AlphaMosaic 似乎在高层面上借鉴了这种集成方法,让 AI “智能体”相互协调。支撑这些智能体技术的细节尚未公开,但可以稳妥地假设,在这种情况下已转向使用基于神经网络的智能体,以提供灵活的应用,或许再结合人类程序员提供的硬编码规则。

AI 驾驶的未来

AI 驾驶的未来很可能反映一种基本的成本-风险权衡:平台的可替代性越高,就越适合完全由 AI 控制。由于战斗机平台成本过高且底层技术过于不成熟而无法完全信赖,AI 驾驶的主流趋势将偏向于开发副驾驶和作战管理程序。

这些更具局限性的方法利用 AI 来获取最大战术优势,同时保持“人在回路”。AlphaMosaic——以及任何其他类似的正在进行的工作——仍必须面对一个前景:一项在严格控制条件下独立运行良好的技术,最终可能在现实世界中失效。

最终,对 AI 能够可靠完成的任务保持审慎的期望,可能会使本轮 AI 驾驶迭代更加成功。这是从“战略计算计划”中汲取的关键教训:那些对通用智能过度承诺的系统将无法融入现实世界的作战行动。通过将 AI 驾驶和决策限制在明确指定并经过验证的角色内——这些新程序可以在“飞行员助手”失败的地方取得成功。

成为VIP会员查看完整内容
2

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
用于自动驾驶的生成式人工智能:前沿与机遇
专知会员服务
24+阅读 · 5月16日
通用人工智能时代的国防优势
专知会员服务
21+阅读 · 2月4日
人工智能与美国空军的未来
专知会员服务
48+阅读 · 2024年7月22日
无人机与大型语言模型:现状与未来之路
专知会员服务
116+阅读 · 2024年6月16日
美陆军的人工智能新政策:引领大语言模型的未来
专知会员服务
83+阅读 · 2024年5月27日
无人系统集群与生成式人工智能: 挑战、应用和机遇
专知会员服务
139+阅读 · 2024年3月29日
自动驾驶开源数据体系:现状与未来
专知会员服务
41+阅读 · 2024年1月28日
融合:人工智能与新旧大规模毁灭性武器
专知会员服务
42+阅读 · 2023年12月11日
人工智能技术在军事领域的应用思考
专知
43+阅读 · 2022年6月11日
变局中探新局:从俄乌局势,看数字时代网络战争演进
CCF计算机安全专委会
14+阅读 · 2022年5月24日
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
反无人机技术的方法与难点
无人机
28+阅读 · 2019年4月30日
图神经网络综述:模型与应用
PaperWeekly
198+阅读 · 2018年12月26日
【机器学习】机器学习工业领域应用
产业智能官
11+阅读 · 2018年10月23日
计算:XGBoost背后的数学之美
论智
12+阅读 · 2018年8月20日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
27+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
484+阅读 · 2023年3月31日
Arxiv
175+阅读 · 2023年3月24日
Arxiv
25+阅读 · 2023年3月17日
VIP会员
相关VIP内容
用于自动驾驶的生成式人工智能:前沿与机遇
专知会员服务
24+阅读 · 5月16日
通用人工智能时代的国防优势
专知会员服务
21+阅读 · 2月4日
人工智能与美国空军的未来
专知会员服务
48+阅读 · 2024年7月22日
无人机与大型语言模型:现状与未来之路
专知会员服务
116+阅读 · 2024年6月16日
美陆军的人工智能新政策:引领大语言模型的未来
专知会员服务
83+阅读 · 2024年5月27日
无人系统集群与生成式人工智能: 挑战、应用和机遇
专知会员服务
139+阅读 · 2024年3月29日
自动驾驶开源数据体系:现状与未来
专知会员服务
41+阅读 · 2024年1月28日
融合:人工智能与新旧大规模毁灭性武器
专知会员服务
42+阅读 · 2023年12月11日
相关资讯
人工智能技术在军事领域的应用思考
专知
43+阅读 · 2022年6月11日
变局中探新局:从俄乌局势,看数字时代网络战争演进
CCF计算机安全专委会
14+阅读 · 2022年5月24日
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
反无人机技术的方法与难点
无人机
28+阅读 · 2019年4月30日
图神经网络综述:模型与应用
PaperWeekly
198+阅读 · 2018年12月26日
【机器学习】机器学习工业领域应用
产业智能官
11+阅读 · 2018年10月23日
计算:XGBoost背后的数学之美
论智
12+阅读 · 2018年8月20日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
27+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员