人工智能軍事應用概述_風聞

來源：從心推送的防務菌

作者：掰棒子的防務菌

現在貌似只要一談到軍事人工智能，大家腦海裏就會浮現出美國大片的經典畫面，比如《終結者》系列的各種機器人，《鋼鐵俠》系列裏的“賈維斯”（它也是防務菌的好盆友），還有防務菌昨天觀看的《天使陷落》（Angel Has Fallen）裏無人機蜂羣利用人臉識別技術精準團滅美國總統特勤人員，特意放過男主以進行後續栽贓，這樣的橋段。

繼《奧林匹斯陷落》《倫敦陷落》後的《天使陷落》，不離窠臼

鋪天蓋地的蜂羣戰術

男主第一時間發現併發出警報

利用人臉識別技術精準攻擊總統特勤人員

無人機蜂羣攜帶的少量高爆炸藥瞬間令目標灰飛煙滅

唯獨放過男主

電影裏的場景早在現實世界中存在，本月初，美國國防部長馬克·埃斯珀（Mark Esper）就公開表示，美國國防部正在大規模使用人臉識別，他認為中國正在出售致命的無人駕駛無人機（估計指的就是在美軍中大受歡迎的大疆無人機）。

通過對當前世界軍事和國防領域進行的研究，我們可以發現全球軍事、情報機構如何利用人工智能，以及人工智能可能很快為該領域帶來的能力趨勢。目前，軍隊和國防組織在以下領域使用人工智能：

自主武器和武器定位

監控

網絡安全

國土安全

後勤

自動駕駛汽車

一、自主武器和武器定位

目標定位系統是根據其準確性和鎖定目標的速度來判斷的。隨着這種瞄準方式的對抗措施越來越流行，電子瞄準系統必須進行創新，以降低對這些反制措施的敏感性。因此，機器學習和計算機視覺將是這項貓和老鼠技術遊戲的下一個應用。

如今，自主武器平台正在使用計算機視覺來識別和跟蹤目標。當系統能夠識別和跟蹤部署在其防護空間中的目標時，自主武器基本上就能夠實現自主。

目標背後的人工智能需要接受訓練，以確定戰略目標到底值得把火力集中在哪裏，並提醒監控平台的操作者。應用展現的場景可能是一架敵機以極快的速度飛向有爭議的空域，一枚火箭向一個城鎮發射，或者是一艘裝甲運兵車沿着一條次要道路行駛。

目前，與傳統的有人系統相比，沒有一個自主武器平台在未經監測操作員明確批准的情況下被設計用來發射其彈藥，自主武器可能提供的一個戰略優勢是有人系統容易受到人為干擾和需求的影響。

自主武器可以讓計算機視覺中時刻保持警惕的“眼睛”在使用環境中接受訓練，在敵人火箭在人口稠密地區引爆之前，通過瞄準並將其擊落。而如果是有人系統，遇到操作員在發佈信息時分心或打瞌睡，則可能失去寶貴的響應時間。

全球軍工百強之一的法國泰雷茲（Thales）公司生產的自主武器炮塔“RAPIDFire”充分展示並強調這種自主瞄準能力：

泰雷茲“快火”自主防空武器（翻譯&字幕 by 防務菌）

這種自主武器瞄準軟件背後的機器學習模型通過接受訓練，學習安裝在炮塔和其他武器平台上的攝像機從不同角度、在不同照明條件下從該公司以前開展的項目中收集的視覺數據。

這些圖像和鏡頭會被標記為目標、敵對行動或自然地形。隨後將運行機器學習算法。這將訓練算法識別1和0的序列和模式，在人眼看來，這些序列和模式形成目標、敵對活動或自然地形的圖像或畫面，如跟蹤界面所示。

計算機視覺目前也應用於便攜式導彈發射系統和大型海軍打擊導彈的武器系統。

導彈在飛行和觀察試圖部署反制措施或規避機動的目標時，其瞄準軟件將允許導彈作出適當的反應，並仍然與其目標相連。

以色列拉斐爾先進防禦系統（Rafael Advanced Defense Systems）公司聲稱，他們的GIL-2便攜式火箭系統使用計算機視覺增強瞄準。美國海軍也表示，由L3技術公司製造的HE-4G導彈仍在研發中，但在波托馬克河試驗場取得了成功，在較長距離內比標準炮彈更精確地擊中移動目標。2017年，美國海軍對其設計進行了審查並通過，允許該項目進行重要的設計鑑定活動，然後進行潛在的部署。

人工智能也可以作為網絡世界的武器。自適應電子戰系統的行為學習（Behavioral Learning for Adaptive Electronic Warfare，BLADE）是一種利用人工智能攻擊和破壞無線通信網絡的系統。在後期測試中，BLADE項目是洛克希德·馬丁公司與美國國防高級研究計劃局（DARPA）簽訂的2900萬美元合同中創建的一個系統。

出於安全目的，這個項目的細節不可知。但眾所周知，人工智能在BLADE探測和表徵新的通信威脅、學習如何幹擾它、然後評估干擾效果的能力方面發揮着關鍵作用。此外，洛克希德·馬丁公司聲稱，BLADE項目能夠預測敵方軟件的對抗措施，並與之適應從而開展持續干擾。

一種能夠像BLADE項目一樣在戰場上禁用無線通信的網絡武器，不僅可以中斷語音和文本通信，還可以提供簡易爆炸裝置（Improvised Explosive Device，IED）的對抗手段。

通常，小型商用無人機可以用作遙控炸彈，恐怖分子可以在無人機上附加小型爆炸物，並在軍事基地上空飛行。無人機通過手機或無人機遙控器本身無線引爆。BLADE項目可以使試圖引爆簡易爆炸裝置的遙控器或手機的無線通信信號失效，從而使無人駕駛飛機和炸藥失效，防止恐怖襲擊。

二、監控

世界各地的軍隊每天從各種來源獲取大量的視覺監視數據，如電話攝像機、筆記本電腦饋送、視頻監視、人造攝像機、無人機和衞星鏡頭。挑戰不在於收集數據，而在於將其處理為戰略信息，這正是機器視覺和人工智能可以發揮作用的地方。

機器視覺軟件有潛力比訓練有素的人類分析員更快地對大量數據進行排序，以獲得洞察力。美國國防部和其他國家組織目前使用機器學習和計算機視覺軟件進行監視行動。

Maven計劃是美國國防部創建計算機視覺人工智能的一次嘗試，該人工智能可以對無人機等低空作戰監視設備拍攝的大量監視錄像進行分類和識別。

我們可以從谷歌和美國國防部提供的材料中推斷出，Maven計劃中使用的軟件背後的機器學習模型被訓練來識別38種不同的物體，因此，人工智能在不同角度和不同照明條件下，通過數小時的錄像對目標物體進行畫像。鏡頭中的物體會被標記為我們所知道的事物，如旅行的汽車、武器或人。這些貼上標籤的視頻將通過軟件的機器學習算法運行。這將訓練算法識別1和0的序列和模式，在人眼看來，這些序列和模式形成了無人機監控錄像中顯示的作戰區域視頻。美國國防部還沒有公開定義這38個軟件標記的對象。

監視小組可以上傳新拍攝的錄像，這些錄像沒有貼上Maven計劃軟件的標籤。經過訓練標記，軟件背後的算法將能夠確定錄像的內容，並識別任何異常或相關的對象。然後，系統會以某種未知的方式提醒操作員，並在視頻中突出顯示標記的對象。

Orbital Insights公司提供了一個產品，展示了應用於衞星圖像時機器視覺的能力。該公司對大型區域的空間衞星圖像進行地理空間分析。此外，我們可以推斷，中情局目前使用Orbital Insights的產品和服務，因為該公司在2016年從In-Q-Tel（一家總部位於弗吉尼亞州阿靈頓的美國非營利風險投資公司）風險基金獲得了2000萬美元的資金。In-Q-Tel風險投資基金的唯一目的是資助公司開發其預測可能有利於美國情報和軍事行動的產品。此外，In-Q-Tel聲稱，美國政府的一些機構使用了Orbital Insights的產品，儘管它沒有對這些機構的身份發表評論。

衞星成像允許操作員跟蹤大面積的目標移動，確定一個位置的正常活動模式，並在這些模式不同時檢測異常。Orbital Insights公司將來自不同網絡的大量衞星成像數據連接在一起，以彙集全球任何位置的高清晰度圖像，在從圖像中去除雲層、煙霧、天氣影響或霧霾的同時，獲取每個位置最有用的部分。

有意思的是，Orbital Insight公司還撰寫了一篇預測中國地上石油儲量的案例研究。Orbital Insight的計算機視覺軟件可以識別油罐，然後測量其容量，以計算總供應量。他們説：“油的體積是可見的，因為油罐有浮頂。利用我們的陰影檢測技術，我們可以測量屋頂上新月形陰影的大小，並計算出陰影的飽滿程度。”

特朗普政府提議在明年的預算中增加兩倍多的資金，僅用於一個依靠軍事視覺數據的人工智能驅動導彈探測項目，該資金額度達到了8300萬美元。

三、國土安全

人工智能的一個核心能力是識別數據集中的趨勢和模式，然後預測這種趨勢再次出現的可能性和時間。這被稱為預測分析，目前正在應用於國土安全領域。

預測分析模型可用於關聯準備進行非法活動的跡象，例如在商店購買武器或臨時製造炸彈的材料，從而允許情報機構在這些非法活動展開前進行攔截行動。預測分析軟件還可以根據各種環境因素和過去的犯罪記錄數據，對可能的犯罪嫌疑人進行預測。

美國中央情報局、聯邦調查局、洛杉磯警察局和其他美國政府機構目前使用Palantir（Palantir Technologies是一家美國私人軟件公司，專門從事大數據分析 ）作為預測分析軟件，通過機器學習將消息數據、狀態標識數據、圖表、電子表格、電話記錄、狀態數據庫中的文檔（如已存檔的警察報告）、網絡數據、傳感器數據和全動態視頻彙集在一起，以識別看不見的模式並幫助刑事調查。

彙集大量數據可以讓人工智能找到與非法行為相關的模式，在這方面，數據分析人員可能難以自行調查和識別。從2011年開始，美國海軍陸戰隊在阿富汗戰爭期間整合了Palantir軟件，以編制可能幫助恐怖組織的炸彈製造者名單。

根據Palantir的案例研究，調查人員檢測到氣象數據、簡易爆炸裝置攻擊的指揮線信號以及從爆炸裝置收集到的與個人和炸彈製造網絡相關的生物特徵。因此，他們能夠為特定人員部署搜捕小組，以減少一個地區的簡易爆炸裝置攻擊次數。

中情局還使用另一個預測分析軟件Stabilitas。Stabilitas是中情局用來評估世界上某個地區的穩定性和安全性的軟件。Stabilitas似乎能夠通過在社交媒體帖子、當地新聞文章和政府報告中爬行來預測地區動盪的跡象。

四、網絡安全

研究人員發現針對網絡安全的人工智能解決方案有很高的需求。對於網絡安全來説，這似乎是可以理解的，因為軍事和國防網絡中的數據泄露風險很高。一些人工智能供應商和國防承包商似乎正在使用機器學習來提供安全產品，這些產品可以在威脅影響網絡之前識別和預測威脅。

鑑於大量收集數據以及政府情報泄露的危險，網絡安全似乎是美國陸軍和海軍的高度優先事項。當前業界的許多網絡安全解決方案可以被私營企業利用，世界上的黑客可以像軍事行動一樣容易地將私人實體的秘密作為攻擊目標。

網絡安全威脅有多種形式和規模。人工智能在軍事預防措施中具有很大的作用。如今，軟件能夠識別各種數字情況，如電子郵件或新的閃存驅動器，很可能是植入惡意軟件的陷阱或工具，然後在惡意軟件激活前消除等待軍事行動者的網絡威脅。

BAE系統公司（BAE Systems）是一家總部位於倫敦的國防、安全和航空航天公司。DARPA與其合作，開發CHASE軟件工具，利用人工智能識別和預測對大型企業網絡的網絡威脅。

CHASE軟件可能首先需要對相關數據集進行標記，這些數據集指示來自內部網絡服務器和非人工智能入侵檢測系統的各種度量的“正常”值。這將允許CHASE識別標準操作網絡條件的基線讀數。然後，該軟件將接受訓練，以識別由於以前的安全入侵而導致的網絡特性異常。一旦軟件“瞭解”活動威脅可能產生的參數值，系統就可以通過儀表板提示人類安全分析師，以確保儘早識別所有新的安全威脅。

CHASE的能力或其他使用人工智能進行網絡安全應用的同一類軟件都可以監控每個部門每天發生的正常下載數據水平。當某個特定部門超出其正常的每日下載預量時，該軟件可對安全專業人員造成的潛在威脅進行標註指示。

美國認知計算分析領域的領軍者SparkCognition公司在2019年初聲稱，它在其DeepArmor（通過使用先進的機器學習和人工智能，以高水平的準確性和有效性來預防和檢測惡意軟件）解決方案中使用機器學習來識別和分析未知文件，並在其入侵軍事物聯網網絡之前檢測惡意軟件等網絡威脅。受益的設備包括諸如被稱為“端點”的筆記本電腦、其他無線和移動設備以及物聯網傳感器等遠程設備。

這些終端極易受到網絡攻擊，DeepArmor軟件可以自動監控武器系統、移動設備和飛行器。SparkCognition公司聲稱，DeepArmor被用來捕獲和阻止一些全球網絡安全威脅，如WannaCry勒索軟件攻擊、“爆米花時間”（Popcorn Time）和Adylkuzz。

由In-Q-Tel資助的初創公司Cylance是一家軟件公司，專注於開發防病毒程序和其他類型的計算機軟件，以防止病毒和惡意軟件。Cylance被描述為“第一家將人工智能、算法和機器學習應用於網絡安全的公司。”2019年2月，該公司被黑莓有限公司收購。Cylance也設計了一個類似的預測分析系統。

近期 ，Cylance發表了一篇案例研究，展示了之前媒體報道的Cylance Safelite的價值。負責Safelife業務的信息技術副總裁MatthewCoy評論了Cylance目前的能力，他表示：“Cylance每天檢測並阻止數以萬計的事件。他們中沒有一個人被現有的反病毒系統所注意到或採取行動。”在案例研究中，Matthew Coy提到了管理Cylance PROTECT所需的低管理工作為Safelite帶來了顯著的成本節約。他估計，管理他們以前的殺毒產品每週需要150小時。

五、後勤

俗話説，“知識就是力量”，人工智能有能力增強決策者掌握的知識，讓他們做出更好、更明智的決策。當涉及到組織的後勤和維護實踐時，人工智能具有很大的優勢，有能力實現更高效、數據支持的後勤和軍事裝備維護。

（一）接收警報和生成報告

人工智能改善組織後勤的一個方面是提高決策和執行的速度。會話接口能夠提高軍事官員決策的效率和速度，它允許官員請求與安裝在其上的系統相關的各種各樣的信息，並將其準確地顯示在他們面前或向他們廣播，而無需人工交互並避免了人為錯誤。

例如，在戰鬥中，巡洋艦艦橋上的指揮官可以指示對話界面，不斷地傾聽指令，當特定發射架的彈藥減少到15%以下時，立即向他們發出警報。準確地知道何時達到這一閾值，可以讓指揮官下達命令，在戰略上最佳的時間補充該炮台的指令。

軍事用途的會話接口比公共用途的會話接口有更多的問題。他們需要在高度確定的情況下工作，否則錯誤或不準確的缺點可能會導致一個或多個軍事行動人員的生命損失。一種系統，如果在戰鬥中不能正確地將預定的報告傳遞給領導者，可能會導致領導者和他們指揮的武器裝備措手不及，陷入潛在的危險境地。

（二）對軍事載具進行保養

由於軍隊維修載具眾多，這些載具在作戰中受到環境破壞或正常磨損時，必須進行維修。鑑於需要維修的載具數量巨大，任何提高維修效率的方法都可能受到歡迎。人工智能就有能力幫助修理這些載具。

洛克希德·馬丁公司與NGRAIN（加拿大人的一家工智能公司）公司合作開展了大數據分析項目，以提高美國空軍使用的F-35飛機的維修效率。該項目簡化了損傷數據的採集，降低了成本，並通過高效的維護操作提高了飛行員的安全性。

根據工業互聯網聯盟發表的一份案例研究，洛克希德·馬丁公司目前生產F-35閃電II型飛機，還為該飛機提供培訓、預測和維護支持服務。為了提供有效的維修，洛克希德·馬丁公司需要一種方法來準確評估由於戰鬥或環境危害對飛機機身造成的任何損壞。

傳統上，維修技術人員通過在受影響區域上放置透明薄膜並在薄膜上標記參考點來評估機身損壞區域。然後，膠片上的線條圖與電子表格中的維修數據歷史記錄相互參照。在實際操作過程中，洛克希德·馬丁公司的維修工程師發現這一過程既繁瑣又費時，於是他們開發了用於F-35的自主後勤信息系統（Autonomic Logistics Information Systems，ALIS）軟件套件，可以讓工程師以高精度的3D可視化來生成查看損傷報告。此間，洛克希德·馬丁公司使用NGRAIN的軟件開發工具包（Software Development Kit，SDK）生成飛機的三維虛擬模型。

根據案例分析，維修技術人員可以使用NGRAIN工具輸入飛機唯一的尾數，並調出歷史損壞和維修數據。然後，技師在每個新的保養週期中輸入損壞類型和尺寸詳細信息。這些信息自動存儲在ALIS軟件中，以後可以檢索。

NGRAIN聲稱他們的三維建模解決方案幫助洛克希德·馬丁公司的維修工程師減少了維修時間。隨後，美國空軍還要求在F-22猛禽上部署損傷報告解決方案。

六、自動駕駛汽車

美國國防部負責研究和工程的副部長邁克爾·格里芬（Michael Griffin）曾經表示，在戰爭期間，執行後勤保障運行的軍事行動者至少佔傷亡人數的50%。他對國會議員説：“如果能用一種相對簡單的人工智能駕駛算法，讓我不用擔心行人和路標之類的事情，通過一種自動無人駕駛汽車來實現這一點，我為什麼不這麼做呢？”

正如邁克爾·格里芬在其評論中所迴避的那樣，與出售給商業公眾的自動車輛相比，軍用自動車輛的安全法規和培訓水平可能要低一些。當人的生命處於危險之中時，功利主義的價值計算就變得容易得多。本質上，如果一輛自動駕駛汽車的任務是拯救一個或多個駕駛員的生命，那麼它就可以不那麼在意其他車輛的駕駛員。

由於軍隊使用的車輛種類繁多，因此自主車輛在軍事上的理論能力是眾多的。全球軍工百強企業中的多個巨頭都在研究用於軍事建設和後勤的自動汽車和工作卡車。

以色列航空工業公司（IAI）正在建造一種自動推土機，以及一種能夠改變其尺寸以適應各種通行情況的車輛。

洛克希德·馬丁公司早在2011年就啓動了車隊主動安全技術（Convoy Active Safety Technology，CAST）系統。CAST是一種安裝在軍用卡車上的系統，一旦啓動，可以鎖定前方的車輛，並使用機器視覺自動駕駛，從而創建車隊。

洛克希德·馬丁公司車隊主動安全技術（翻譯&字幕 by 防務菌）

波音公司已經設計並正在測試用於常規衞星部署的自主航天器。他們家還向軍方提供自主無人機和飛機，並正在設計自主潛艇。

諾斯羅普·格魯曼的X-47B在2015年就進行了世界上第一次自主空中加油。

諾斯羅普·格魯曼X-47B完成世界首次自主空中加油（翻譯&字幕 by 防務菌）

隨着美國國防部高級研究計劃局（DARPA）組建聯合人工智能委員會（JAIC），以及擁有各種自主車輛項目的大型軍事國防承包商數量的增加，自主車輛的開發顯然是美國國防部的一項優先任務。

此外，國防承包商行業的牽引力似乎是可以理解的，因為車輛自主性可以提高生產率，提高人類操作員的安全性。例如，能夠在安全區域巡邏並通過將攝像機對準可能發生騷亂的地方來調查入侵者的任何跡象，然後向人類安全部隊發出入侵警報的自動車輛，將大大減少人類巡邏人員。

這樣，這些巡邏人員就可以把時間花在更有價值的任務上，而設施卻看不到監視質量的下降。軍方也可能會看到，由於消除了人的操作因素，如需要吃喝拉撒分散他們個人的注意力，監視質量有所提高。

美國通信電子研發與工程中心任務指揮部總工程師歐西·大衞（Osie David）對此表示：“許多公司正試圖在各種車輛上增加自主能力。波音公司正在研製自主式潛艇。中國政府和美國國防部都在開發一套可以安裝在不同地面平台上的硬件和軟件，如坦克和裝甲運兵車，以提高自主性。”