图:拦截窗口仅有三分钟,人工智能正被推崇为这一雄心勃勃的天基系统的核心组件。图片来源——Forecast International(人工智能生成)
美国总统特朗普的“金穹”计划在太空产业内引起了热议。目前仍有许多未解之谜, 如该系统的架构将如何。尽管如此,仍可对其天基系统的最终构成做出一些推断。
已在开发中的系统,如“跟踪层”和“下一代过顶持续红外”,无疑将成为该系统的组成部分;然而,若“金穹”旨在拦截洲际弹道导弹和高超音速武器,则还需要更多。如果该系统采用助推段拦截,则很可能需要天基拦截器。
无论架构如何,决策方面可能高度依赖人工智能。如果该系统的主要推力确实是助推段拦截,那么作战人员只有大约三分钟的时间做出决策并进行拦截,时间并不充裕。无疑需要在一定程度上集成人工智能,以最大化任务成功的机会。
将人工智能用于助推段拦截并非一个明确定义的应用领域。鉴于“金穹”最终架构的不确定性,任何论述都带有一定推测性。
然而,有些问题可以预先指出。应用于导弹发射助推段威胁识别的人工智能模型至少必须完成基于输入数据对导弹发射进行准确识别。扩展用途可能包括确定发射的导弹类型(弹道导弹、高超音速导弹等),并将该信息重新格式化以供地面系统或作战人员使用。
这些任务要求模型在投入此类使用前必须满足某些条件:
(1)该模型必须能够与更广泛系统的其他组件接口,以处理输入数据;
(2)它必须在几分钟内适当识别导弹威胁;
(3)它必须具有评估其识别置信度的手段(例如,简单百分比)以及备份和故障保险机制;
(4)最后,必须有足够的底层硬件支持快速数据处理。
关于第(1)点,人工智能最有效的集成点可能是在太空军的“过顶持续红外”计划(用于导弹威胁预警和跟踪)内,或是在提供全球持续导弹预警和跟踪的低地球轨道“跟踪层”内(或两者兼有)。后者尤其特别,它由一个卫星网络组成,配备红外传感器,用于探测和跟踪导弹威胁的热信号。
传感器融合研究(部分由美国空军研究实验室进行)已在为类似需求试验机器学习。基本思路是通过集成具有不同且互补优缺点的传感器,并利用机器学习将收集的数据重新格式化为标准化格式,使其可供人类使用,从而缓解数据处理瓶颈。结果是,这种传感器融合实现了快速数据处理的承诺,同时提高了在挑战性环境中数据分析的鲁棒性。
应用于“金穹”部署天基拦截器是另一回事,但红外传感器收集的数据需要在威胁被识别之前得到充分处理,更不用说进一步分析和转译供人类使用了。这将需要在模型与传感器(可能搭载于多个不同平台)之间建立接口,对其进行分析,并可能在最终传输给作战人员之前进行重新格式化。
然而,在此之前,第(2)和第(3)点中的准确性和可靠性问题已十分突出。机器学习模型需要相关数据进行训练,以便学会对输入数据进行适当分类。此类数据(如果存在)大部分是保密的。但是,是否存在适当类型和数量的数据(无论是否保密)完全不清楚。
合成数据——让模型基于某种人为给定的程序生成数据——可以在此发挥作用,但此类技术在进入“开放”领域时往往很脆弱(与“封闭”领域相对,在封闭领域中所有相关信息都包含在其面临的问题内)。合成数据是一场赌博。
因此,应对这些机器学习模型在生产环境中产生结果的准确性和可靠性表示严重关切,因为尚不清楚该系统做出的识别会有多准确。
如果机器学习模型正在处理红外传感器收集的数据,该模型能生成的唯一输出将源自其训练数据之间的关系;这可以产生令人印象深刻的结果,但这并非精确操作。
有人指出这里存在战略模糊性的潜力——对手不知道模型何时未能做出正确识别——但机器学习模型无论应用为何,常有其同的缺陷;因此,了解这些缺陷的对手可能会测试这种模糊性。
这就是为什么人工智能通常最适合“封闭”领域,在那里可用信息即是模型所需全部,并且存在容错空间(Shield AI 的 Ryan Tseng 普遍且正确地指出了这一点)。在天基环境下拦截处于助推段的导弹发射是一个非常“开放”的领域,可用信息不完整,且鉴于时间限制,容错空间极低。
正如军控与不扩散中心最近正确指出的那样,“金穹”计划需要“传感器覆盖、作战管理和拦截器可靠性方面的若干进步,更不用说大量的新基础设施投资”。
因此,人工智能最适合作为更广泛、复杂得多的系统内的一组模块,该系统不单独地依赖其输出,因为它们可能代表单点故障。(而且,一旦导弹发射和类型得到确认,其他技术可能更适合用于弹道计算等任务。)
最后,第(4)点的问题在于,底层硬件必须足以处理快速数据处理以及与“金穹”其他方面的通信。传感器融合研究在此提供了另一个先例:边缘计算——即使用搭载人工智能模型的平台作为一个移动数据中心,可以这么说——正日益受到重视。然而,整体架构的可扩展性在多大程度上仍是一个挑战,不应低估。
围绕“金穹”计划仍存在许多问题。随着时间的推移,更多信息将得以披露,解答部分疑问,但非全部。如果助推段拦截是“金穹”的支柱之一,人工智能将扮演一定角色。
参考来源:dsm