用機器學習分析美國新財年1萬個國防項目，7054億軍費都投給了哪些技術？_風聞

大數據文摘出品

來源：warontherocks

編譯：lin、曹培信

2月10日，美國國防部發布了2021財年預算，概述了下一財年國防部的支出重點，總金額達到7054億美元。

都説財年預算的目的是為下一場戰爭做準備，早在2018年，國防部就明確指出了為什麼新興技術對於美國軍方的長期現代化以及與同等對手競爭的能力至關重要。

當時的財政預算文件指出，“前沿計算、‘大數據’分析、人工智能、自主系統、機器人技術、定向能武器，高超音速和生物技術都是至關重要的”，以“確保我們能夠打贏未來的戰爭。”

那麼在這些方向上，哪些項目是最受重視的（預算最多），哪些項目又會面臨資金不足的困境呢？

著名軍事評論平台“warontherocks”上刊登了一篇文章，作者另闢蹊徑，通過機器學習模型來分析國防部財政預算中超過10000多個研發項目，並給項目進行分類，統計各個項目的預算情況。他們發現：

高超音速滑翔武器獨佔鰲頭，總預算金額達33.6億美元；

生物技術的研製增加到10億；

定向能武器研究略有減少；

量子計算大幅增加，但仍需加大投入。

用隨機森林對10000個國防項目進行分類統計

作者使用了一個機器學習文本分類模型，來嘗試分析2020財年和2021財年預算之間新興技術的資金變化，同時闡釋每個類別的基礎項目規劃。

在國防部網站上我們可以看到所有的財政預算子文件：

  

除了這些子文件，還有個各軍種的數千頁的預算文件，包括20多個單獨的PDF。其中每個文件包含了各自的項目，每個項目規劃的描述都説明了每年取得的進展，並説明了增加或減少預算的理由。

為了瞭解每種新興技術的資金變化情況，研究人員從預算文件中抓取並清理了這些信息，然後將每個研發項目規劃進行歸類，包括人工智能、生物技術、定向能武器、高超音速武器和車輛、量子技術、自主和集羣系統，微電子/5G以及非新興類技術項目。

有許多種機器學習模型可用於對數據進行分類，為了選擇最能有效地對項目規劃數據進行分類的模型，研究人員編寫了1200個程序，以測試模型隨機森林、k近鄰和支持向量機以及模型數據集。

每個模型都會查看規劃説明中所有單詞的詞頻，以決定如何對每個規劃進行分類。例如，對於陸軍的遠程高超音速武器規劃，該模型可能在描述中看到了“高超音速”、“滑行”和“熱”字，並猜測這很可能是一個超音速項目規劃。

隨機森林模型的性能略勝於支持向量機模型，並且明顯優於k最近鄰模型，它也是一種僅在項目規劃描述中查找特定關鍵字的簡單方法，因此研究人員選擇了隨機森林作為最終模型。

選擇了要使用的機器學習模型後，研究人員對現有的10000個項目規劃進行分類。最終結果是2020年和2021年研發預算中提到的所有項目的一個大型數據集，包括規劃的完整描述、預測出的類別和年度的預算資金。

通過按模型對項目規劃進行排序和分類，各個新興技術之間的預算差異清晰易見。

高超音速滑翔武器獨佔鰲頭

國防部的官方預算新聞稿和新聞發佈會聲明瞭對高超音速武器的研究和開發投資。作為美國國防部的“前沿能力推動者”之一，高超音速武器和防禦和相關研究在2021財年預算中獲得了32億美元，幾乎是新聞稿中提到的其他三個優先規劃項（微電子/5G、自主系統和人工智能）的總和。

在2021年的預算文件中，有96個項目規劃（2020年預算中是60個項目規劃）被模型分類為與超音速相關的，總預算合計33.6億美元，比2020年的27.2億美元大幅增加。

從軍種來看，包括了陸軍的遠程高超音速武器、海軍的常規突擊武器和空軍的快速反應武器。

陸軍的遠程高超音速武器獲得了62042萬美元的資金加持，用於實施一種“具有剩餘作戰能力的實驗原型”。

空軍的空中快速反應武器增加了1.8066億美元，這是由於取消了2021財年空軍的高超音速常規打擊武器的資金——與2020財年相比節省了2.9億美元。這是一個有趣的決定，值得進一步分析，因為兩個相互競爭的規劃的雄心和技術風險似乎有所不同：空中快速反應武器規劃旨在“推動前沿可能性”，而常規打擊武器則側重於整合已經成熟的技術。

海軍的常規突擊獲得了2021年資金預算中的最大一筆10億美元，比2020年的預算申請增加了4.526億美元。與陸軍規劃相似，海軍常規突擊預算的增加來自採購兩個規劃共享的“通用高超音速滑翔機體”和海軍設計的34.5英寸推進器，以及在潛艇上進行的測試和集成。

可以肯定的是，2021年預算中的高超音速資金增加對於遠程武器的現代化至關重要，而與高超音速技術相反，許多其他新興技術的研發資金在2021年預算中或停止或下降。除高超音速技術外的所有新興技術預算僅僅從2020年的78.9億美元增加了1億美元，其中主要是由於人工智能相關規劃的增長。

生物技術增加至10億

生物技術方面的預算從2020年的9.69億美元增加到2021年的10.5億美元。

這可能該模型高估了新興生物技術規劃的資金，其中包括了與士兵健康和醫學相關的研究規劃，涉及已經成熟技術。

國防生物技術的分析通常集中於人體增強、合成生物學和基因編輯技術等國防應用。以前的分析都對生物技術創新缺乏全面戰略以及資金不確定性感到遺憾。戰略與國際研究中心認為：“生物技術仍然是打擊大規模毀滅性武器的投資領域，但在國防預算中似乎體現不出優先級。”

這些擔憂似乎是有充分根據的，儘管納米管、蜘蛛絲、工程益生菌和生物類傳感器等生物技術提供了巨大的潛力，其中許多可能成為其他新興技術的關鍵推動者，但資金卻停滯了。例如，這裏麪包括一個有趣的“持久水生生物傳感器”規劃（2570萬美元），該規劃試圖利用活性組織來監測沿海水域中的潛艇和無人水下航行器。

定向能武器研究預算略有減少

包括電磁武器在內的定向能武器的資金在2021年的預算中略有減少，從2020年的17.4億美元降至16.6億美元。

值得注意的是，陸軍以2.46億美元的價格採購了三個定向能原型機，以支持機動短程防空任務。

其他幾個規劃也值得注意。高能武器規劃（1.0541億美元）將完成設計並將系統集成到300千瓦級高能激光器原型中，以測試用於300千瓦級以及最終能達到500千瓦級的激光武器。

其次，空軍的“定向能/電子戰”規劃（8903萬美元）包括測試在複雜環境中使用的空中定向能武器。

量子計算的投入仍需加大

量子技術研究的預算到2021年將增加1.09億美元，達到3.67億美元。

總的來説，與量子相關的規劃更具探索性，着重於基礎研究和應用研究，而不是提供原型機器。它們通常也由國防部長辦公室或國防高級研究計劃局資助，而不是由單個服務部門資助。比如被模型分類為量子計算技術的幾個項目，包括國防部長辦公室的科學促進與技術優先發展的應用研究（5452萬美元），以及國防高級研究計劃局的功能材料和器件規劃（2825萬美元）。

國防部增加對量子技術的資助值得稱讚，但鑑於量子技術具有潛在的顛覆性，美國應進一步增加其對量子研究和開發的聯邦資助，保證長期穩定的資助，並激勵年輕的研究人員投入該領域。

2021財年預算的資金增加顯然是積極的一步，但是量子技術的革命性潛力使得國防部需要投入更多的資金。

自主系統預算降低，人工智能卻大幅增加

2021年，被歸類為“自主系統”或“羣體編組”研究與開發的規劃從35億美元下降到28億美元，其中包括陸軍無人作戰車規劃（從2020年的8918萬美元停滯在8622萬美元）。

Skyborg自主無人機計劃（低成本，發射後無需回收的無人系統）需要4090萬美元，並且也屬於“自主系統”類別，空軍的“ Golden Horde”也是如此（7209萬美元）， 還有國防部長辦公室的“無人駕駛”阿凡達組合計劃（7140萬美元）以及海軍的低成本無人機編組技術（LOCUST）規劃（3479萬美元）。

但是與之類似的人工智能計劃卻有所增加，2021年，按模型分類為“人工智能”類別的規劃從13.6億美元增加到19.8億美元。

這主要表現在一些小計劃上，2021年人工智能方面有161個5000萬美元以下計劃，而在2020年是119個。

一些批評家認為，聯邦撥款有可能會重複商業領域的人工智能工作，這種説法有幾個問題。

2017年有關美國人工智能戰略的報告指出：“在可預見的未來，對於商業化潛力有限或不太可能獲利的研究和創業公司的資金資助也呈現短缺趨勢。”其次，在人工智能技術從商業開發到國防應用的過渡中，存在許多技術，過程，人員和文化方面的挑戰。最後，特朗普政府的反移民政策阻礙了美國技術和工業基礎的發展，特別是在人工智能方面，“因為移民佔據了美國四分之一的初創企業。”

長期看來，新興技術的投入還不夠

雖然有一些重要規劃的個例，用以提高美國軍方長期競爭力尤其是在高超音速武器方面，但總的來説，2021年的總體預算未能實現將研發經費轉移到新興技術和基礎研究上的目標。

新興技術的研發資金與2020年基本持平並不令人驚訝，美國已經比其他任何國家都花了更多的國防費用，即使預算保持不變，與2020年預算相比，新興技術的資金分配也無法反映出對高端競爭的長期規劃的更多重視。

具體來説，美國應增加對高超音速技術以外的新興技術的投資包括定向能武器、生物技術和量子信息科學以及基礎科學研究等，即使需要在其他領域進行權衡。

其實問題不一定是2020財年和2021財年預算之間的年度變化，相反，問題在於，對於美國國防部戰略目標的研發支持，2021財年在新興技術資金將延續上一年這一結果有點令人失望。

總的來説，作者認為，新興技術的研究的預算規模與它該有的地位並不吻合。

相關報道：

https://warontherocks.com/2020/03/put-your-money-where-your-strategy-is-using-machine-learning-to-analyze-the-pentagon-budget/