隨著人工智能發(fā)展速度的加快，國防規(guī)劃人員開始重視人工智能技術(shù)為指揮和控制帶來的超匹配能力。大量的規(guī)劃、計劃和預算編制工作已經(jīng)開始，這將提高未來戰(zhàn)場上的通信能力和生存能力。現(xiàn)在，部隊也在設(shè)計和原型開發(fā)現(xiàn)代系統(tǒng)，以幫助指揮官比以往任何時候都更全面地感知、觀察、定位、決策和行動。它們將穿透戰(zhàn)爭迷霧。

隨著武裝沖突時間的縮短，會產(chǎn)生哪些技術(shù)影響？過去可能耗時數(shù)年的戰(zhàn)爭可能在數(shù)月甚至數(shù)周內(nèi)就能決定勝負。歷時數(shù)周的行動必須在數(shù)天或數(shù)小時內(nèi)完成。而指揮官們在做出決定之前，在歷史上可能有充足的時間，但現(xiàn)在卻不得不在幾秒鐘內(nèi)做出決定。每個指揮所的組織和運行將發(fā)生怎樣的變化？這些都是軍事領(lǐng)導人面臨的重大問題，因為他們正在規(guī)劃一條融合并充分利用自主性、機器學習、可信通信和邊緣計算優(yōu)勢的前進道路。

未來戰(zhàn)場上的指揮所場景設(shè)想

一只兔子正在咀嚼三葉草，咬到一半就僵住了，耳朵轉(zhuǎn)向左邊。透過樹林，它聽到了另一種生物向它走來的腳步聲。如果聲音的來源是捕食者，兔子就準備逃跑，它聽著不明動物的四只腳有節(jié)奏地小跑，看著它出現(xiàn)在空地邊緣。它飛快地躲開了這只越來越近的四足動物，因為它從未見過這樣的動物。這只像狗一樣的生物是當晚在該地區(qū)出現(xiàn)的 12 個自主機器人之一，它們在一個摩托化師準備建立的指揮所周圍的關(guān)鍵地形上各就各位。這是戰(zhàn)爭的開端，這些狗的任務是進行偵察。

幾分鐘后，隨著師長和參謀人員停下腳步并建立防御態(tài)勢，一陣低沉而穩(wěn)定的裝甲踩踏聲從樹林中傳出。指揮所的自主防御部隊--軍犬--現(xiàn)在占據(jù)了安全位置。“軍犬”每三個一組。當其中一只正在進行四小時輪班時，另外兩只正在充電。

這些“軍犬”距離指揮所很近，可以將自己作為網(wǎng)狀網(wǎng)絡(luò)的節(jié)點進行通信和數(shù)據(jù)傳輸。在沖突的這一階段，“軍犬”只有一個簡單的交戰(zhàn)規(guī)則：如果有人類靠近，就向指揮所發(fā)出警報。如果探測到人類，它們就會使用傳感器記錄并向指揮所傳輸音頻、視頻和熱紅外數(shù)據(jù)。被指派保衛(wèi)指揮所的連長將根據(jù)該人是友軍、敵軍還是非戰(zhàn)斗人員來決定采取何種行動。

在行動的這一階段，指揮所將在原地停留長達 48 小時，然后再移動。在這 172800 秒的時間里，“軍犬”每小時將以近乎穩(wěn)定的速度傳輸 288 千字節(jié)。這是它們的指揮和控制數(shù)據(jù)傳輸速率，可以讓它們一遍又一遍地重復熟悉的模式--向左看、向前看、向右看、報告系統(tǒng)狀態(tài)、重復。這可以確保它們彼此保持聯(lián)系，并保持警惕。如果它們懷疑或探測到附近有人類，那么它們的數(shù)據(jù)傳輸速率就會膨脹到每小時 720 千兆字節(jié)，來自機載傳感器的態(tài)勢感知觀測數(shù)據(jù)。

在這種環(huán)境下，帶寬在功率、重量和冷卻方面都很昂貴。通信資源還有其他需求者。由于該師的每個成員及其設(shè)備都是一個傳感器，因此還有更多的情報、監(jiān)視和偵察信息在網(wǎng)絡(luò)上爭奪優(yōu)先權(quán)。后勤系統(tǒng)、語音通信、地理空間更新、指揮命令、醫(yī)療診斷數(shù)據(jù)和氣象數(shù)據(jù)都在試圖通過這些網(wǎng)絡(luò)進行傳輸。此外，還有計劃的網(wǎng)絡(luò)限制和從主要路徑到備用路徑的轉(zhuǎn)換，以混淆任何敵對系統(tǒng)對該師真實組成和身份的認識。

出于這些原因，“軍犬”機器人（或分艦上的其他傳感器）中的計算機視覺模型必須盡可能減少誤報。值得慶幸的是，軍犬“眼睛 ”上的計算機視覺模型已經(jīng)在高度多樣化的生物群落、一年四季、無數(shù)種天氣和光線條件下完成了近五萬小時的訓練。它們還消耗了關(guān)于現(xiàn)代軍事遮蔽物對視覺的影響、偽裝技術(shù)和模式以及人類和機器人軍事編隊的步態(tài)和身體姿勢差異的特殊訓練數(shù)據(jù)。盡管這種訓練數(shù)據(jù)機制聽起來令人印象深刻，但它不可能考慮到所有情況，這也是為什么該師的機器學習作戰(zhàn)部門準備根據(jù)部隊遇到的生物群落以及首戰(zhàn)中不可避免的敵方戰(zhàn)術(shù)、技術(shù)和程序變化，對軍犬和其他傳感器進行微調(diào)的原因。

重新訓練計算機視覺模型與所有其他統(tǒng)計分析一樣。簡單地說，需要有一個有代表性的樣本，以便用數(shù)學方法表達樣本關(guān)鍵變量之間的關(guān)系。在計算機視覺中，場景中的物體--天空、云層、地平線、有樹的山丘、無樹的山丘、單個建筑物、建筑物上的窗戶、透過窗戶看到的人臉等等--都是樣本。每只“軍犬”的傳感器都在收集周圍生物群落的無數(shù)樣本。在這些樣本中，有計算機視覺模型從未見過的新的異常值，因為它的制作者沒有一個能容納地球上所有多樣性的實驗室。

經(jīng)過最初 8640 秒的夜間巡邏，“軍犬”誤報了一只熊，這只熊蹣跚地走到一棵樹下，然后用后腿站起來，試圖去夠一些橡子。當它這樣做時，其中一只“軍犬”發(fā)現(xiàn)了它，通過傳感器捕捉到了幾分鐘的畫面，并向指揮所安全人員發(fā)出警報。在早上的員工會議上，指揮所安全連連長問機器學習操作人員，他們能對這只讓他們夜不能寐的熊做些什么。

機器學習小組是整個聯(lián)合部隊的眾多小組之一。他們都在沖突的早期階段收集樣本。感知到的異常值以及所有觀察結(jié)果中的大量隨機樣本，都會根據(jù)其能力和隊列優(yōu)先級流回戰(zhàn)區(qū)內(nèi)外的計算集群。部分數(shù)據(jù)通過戰(zhàn)術(shù)網(wǎng)狀網(wǎng)絡(luò)傳輸。其他數(shù)據(jù)則由在單元間移動的各種后勤車輛被動收集，然后通過物理存儲設(shè)備傳輸移動。

數(shù)據(jù)科學家在處理整個視覺傳感器隊的誤報時，確定他們對當?shù)匦茴惖挠^察結(jié)果具有統(tǒng)計學意義，可以將所有觀察結(jié)果反饋給人工智能數(shù)據(jù)產(chǎn)品團隊，以完成一輪半監(jiān)督負訓練，將其分類為非人類和非戰(zhàn)斗人員。團隊相信，新訓練的計算機視覺模型對熊的誤報率將減少約 70%。

早期樣本的另一個重要發(fā)現(xiàn)是發(fā)現(xiàn)了計算機視覺模型未檢測到的敵方戰(zhàn)術(shù)哨兵。這種誤報可能會對部隊保護造成不利影響。哨兵就像一只坐在樹枝上的鳥，但實際上它是一個離散的視聽傳感器包。通過將哨兵的多次觀察結(jié)果與互聯(lián)網(wǎng)上業(yè)余觀鳥者的視頻樣本進行比較，數(shù)據(jù)科學團隊能夠訓練出一個分類器，將哨兵與活鳥區(qū)分開來。

有了這個新的計算機視覺模型，團隊就可以準備軟件更新策略了。在接下來的 21600 秒內(nèi)，整個聯(lián)合部隊將部署數(shù)百個計算機視覺更新。它們不可能也不應該一次性全部部署。在過去三年中，這些團隊已經(jīng)數(shù)百次實踐了這種持續(xù)集成和持續(xù)交付（CI/CD）方法。與現(xiàn)代云計算提供商一樣，他們也有一套部署策略，通過一系列測試和小規(guī)模部署來確認功能是否正常。

除了這些現(xiàn)代軟件實踐外，機器學習操作人員還確保他們的計算機視覺模型部署到狗的樣本中，這些狗會重新觀察類似鳥類的對象，以及熊產(chǎn)生誤報最多的地方。由于新數(shù)據(jù)顯示誤報和誤報率大幅降低，團隊繼續(xù)在計算機視覺傳感器機群的其余部分進行部署。值得慶幸的是，更新計算機視覺模型可以有效利用帶寬。根據(jù)傳感器的不同，原始模型的大小在 40 到 60 兆之間。更新只需原始模型的 10%-20%，在這種情況下，更新只需五到十兆字節(jié)。所有這些微小的效率在戰(zhàn)術(shù)邊緣及其潛在的拒絕、斷開、間歇或受限條件下都非常重要。

數(shù)據(jù)時代、戰(zhàn)斗演練和 WERX

在每個數(shù)據(jù)時代都必須進行的一系列更新就是新的戰(zhàn)斗演練。它們必須像士兵清除卡住的武器一樣熟悉和磨練。

必須展示哪些概念才能最終投入實戰(zhàn)？軍隊編制、人員和領(lǐng)導者必須如何采用和塑造這些新的數(shù)據(jù)作戰(zhàn)演習？美國陸軍已經(jīng)開始了云計算、軟件定義網(wǎng)絡(luò)、算法戰(zhàn)爭、自主性和人機團隊的數(shù)字奧德賽。美國各軍種都在迅速啟用其采購、安全和信息技術(shù)干部，以提供這些技術(shù)和實踐。由此產(chǎn)生的軟件開發(fā)實踐不僅限于后臺職能部門。它們正通過傳統(tǒng)和替代性的采購途徑，在各個層級同時出現(xiàn)。久經(jīng)考驗的研究、開發(fā)、測試和評估計劃，以及專門致力于成功實現(xiàn)數(shù)字化和人工智能能力的新組織，都在加速這些實踐。引領(lǐng)這些新努力的是一個擁有共同愿景和重新審慎承擔風險的領(lǐng)導者網(wǎng)絡(luò)。

走進任何一家新的軟件工廠或 Dev/Ops（開發(fā)/運營）軟件團隊，如 AFWERX、SOFWERX 等，就會看到了解自己使命和技能的專業(yè)人士。就像他們之前在航空、機械化作業(yè)和非機組人員系統(tǒng)領(lǐng)域的先驅(qū)一樣，他們知道自己所從事的工作的新穎性很容易被誤解或否定。然而，當他們考慮到烏克蘭和以色列正在進行的戰(zhàn)爭時，他們積極推動新能力的發(fā)展，以戰(zhàn)勝任何對手。

人工智能加速路線圖

所有這些工作都有意義所在。要想讓它們結(jié)出碩果并最大限度地影響軍事效率，領(lǐng)導者必須積極努力，加快團隊的效果。為此，他們可以采取幾個關(guān)鍵步驟。

首先，消除開發(fā)團隊與最終用戶之間的距離。這對成功采用軟件和硬件至關(guān)重要。用戶和開發(fā)人員之間的接觸點是你應該衡量和投資的。如果用戶沒有破壞技術(shù)，而開發(fā)人員也沒有根據(jù)他們無法預料的用例迅速調(diào)整技術(shù)，那么你就會把這些不幸的發(fā)現(xiàn)推遲到第一場戰(zhàn)斗中。

第二，與官僚機構(gòu)中的現(xiàn)狀偏見作斗爭。如果有人告訴你，生成式人工智能沒有需求，那么請?zhí)嵝阉麄儯谲娛率返钠渌拯c上，槍械、坦克、飛機、反簡易爆炸裝置和反無人機技術(shù)也沒有需求--直到技術(shù)和用例匯聚在一起，使需求變得非常明確。

第三，將人工智能項目分解成一個組合，在一般的開發(fā)、安全、機器學習、運營（DevSecMLOps）流水線與不同機器學習學科（如自然語言、計算機聽覺和計算機視覺）的獨特需求之間取得平衡，以滿足遙感、感知和自主等不同應用的需求。

第四，除了你的團隊正在構(gòu)建的人類角色外，還必須為另一個用戶--新興力量結(jié)構(gòu)中的機器角色--提供服務。部隊結(jié)構(gòu)中每個支持機器學習的設(shè)備都需要一個人工智能就緒的數(shù)據(jù)產(chǎn)品戰(zhàn)略和數(shù)據(jù)網(wǎng)絡(luò)戰(zhàn)略，以便在各種沖突、生物群落和任務中對其進行再訓練。當人類繼續(xù)消耗豆子和子彈時，機器將消耗電池和字節(jié)。

第五，除了已經(jīng)建立的物理和虛擬訓練環(huán)境，還需要一個設(shè)備農(nóng)場、一個模型動物園和一個數(shù)字孿生家族。移動應用開發(fā)人員必須在各種設(shè)備制造商之間進行測試，以確保向前和向后的兼容性。設(shè)備農(nóng)場可以幫助開發(fā)人員從這些異構(gòu)設(shè)備群中快速獲得技術(shù)反饋。在下一個戰(zhàn)爭時代，這些設(shè)備可能是四足機器人、無人機群，也可能是載人履帶車。機器學習工程師建立并迭代了大量開源和專有模型。在對它們進行訓練和再訓練的過程中，工程師們將擁有越來越多的模型集合（動物園），這些模型將成為在新情況下進行快速微調(diào)的更好起點。數(shù)字孿生將有助于確保您擁有一個具有充分代表性的環(huán)境，以展示新的網(wǎng)絡(luò)-設(shè)備-數(shù)據(jù)-模型組合的預期效果。

第六，零信任運動。就像 Hedy Lamarr 和 George Antheil 發(fā)明的跳頻擴頻一樣，零信任系統(tǒng)不斷強制執(zhí)行憑證和其他證書的連接、輪換和重新認證，以確保安全一致性，抵御外部和內(nèi)部威脅。要做到這一點是一門復雜的藝術(shù)，但您應該在數(shù)據(jù)和系統(tǒng)訪問中要求具備這種能力。BYOD（自帶設(shè)備）是企業(yè)能夠以零信任方式運行的標志。當您可以信任員工帶去工作的異構(gòu)敵對外國設(shè)備時，您將具備必要的組織和技術(shù)實力，與盟友和聯(lián)合部隊中的任務合作伙伴實現(xiàn)同樣的目標。

第七，組織需要每周部署到生產(chǎn)中，領(lǐng)導應參與 CI/CD 流程。現(xiàn)代云計算服務通過多種策略實現(xiàn)高可用性。其中最關(guān)鍵的是，在發(fā)生中斷事件時，開發(fā)人員與其領(lǐng)導之間通過軟件定義的連接。在純粹的形式下，DevOps 意味著構(gòu)建軟件的同一個團隊也會部署軟件，如果部署失敗，他們會在半夜接到呼叫。這就加強了測試過程中對細節(jié)的關(guān)注。傳呼過程還可以與主要領(lǐng)導聯(lián)系起來。如果知道有一定的時間來解決軟件部署失敗的問題，并在經(jīng)理被傳呼之前恢復正常服務，那么每個人都會在測試過程中更加關(guān)注細節(jié)。

第八，明確允許在哪些領(lǐng)域進行 “系統(tǒng) 1 ”和 “系統(tǒng) 2 ”機器思維實驗。丹尼爾-卡尼曼（Daniel Kahneman）在《思考，快與慢》（Thinking， Fast and Slow）一書中普及了現(xiàn)代人對人類思維能力的理解，即人類的思維能力是兩個系統(tǒng)的副產(chǎn)品。系統(tǒng) 1 自動做出快速反應，就像 “戰(zhàn)斗或逃跑 ”反應一樣。你的視覺、聽覺或嗅覺幾乎不費吹灰之力就能處理房子著火的情況。卡尼曼將其與系統(tǒng) 2 區(qū)分開來，后者 “將注意力分配給費力的心理活動”，并完成復雜計算等任務。通過它，我們對何時將精力分配給專注力有了更多的自主權(quán)和選擇權(quán)。人機協(xié)作的關(guān)鍵在于將系統(tǒng) 1 和系統(tǒng) 2 的任務分配給合適的隊友。

我們不希望有一天會經(jīng)歷這種情況，但在未來的戰(zhàn)場上，兩支陸軍將在夜間發(fā)生沖突。清晨，雙方的幾個營可能只剩下殘兵敗將。哪一方能更快地執(zhí)行重組戰(zhàn)斗演習，哪一方就能立即獲得優(yōu)勢。從原屬組織脫離并加入新組織的任務命令需要幾個行政和控制步驟。指揮官應首先選擇新的領(lǐng)導和編隊，這是系統(tǒng) 2 的流程。不過，一旦命令下達，一系列系統(tǒng) 1 應用程序和信息應能使所有人員、醫(yī)療、后勤和其他支持數(shù)據(jù)迅速準確地傳送到新的指揮人員手中。如果我們把眼前的工作做好，新營應該能在 3600 秒內(nèi)做好戰(zhàn)斗準備，而不是 28800 秒。分秒必爭。