其他
人工智能军事应用概述
The following article is from 从心推送的防务菌 Author 掰棒子的防务菌
前沿君微信：tech99999 手机：18501361766
来源：从心推送的防务菌
作者：掰棒子的防务菌
现在貌似只要一谈到军事人工智能，大家脑海里就会浮现出美国大片的经典画面，比如《终结者》系列的各种机器人，《钢铁侠》系列里的“贾维斯”（它也是防务菌的好盆友），还有防务菌昨天观看的《天使陷落》（Angel Has Fallen）里无人机蜂群利用人脸识别技术精准团灭美国总统特勤人员，特意放过男主以进行后续栽赃，这样的桥段。
继《奥林匹斯陷落》《伦敦陷落》后的《天使陷落》，不离窠臼
铺天盖地的蜂群战术
男主第一时间发现并发出警报
利用人脸识别技术精准攻击总统特勤人员
无人机蜂群携带的少量高爆炸药瞬间令目标灰飞烟灭
唯独放过男主
电影里的场景早在现实世界中存在，本月初，美国国防部长马克·埃斯珀（Mark Esper）就公开表示，美国国防部正在大规模使用人脸识别，他认为中国正在出售致命的无人驾驶无人机（估计指的就是在美军中大受欢迎的大疆无人机）。
通过对当前世界军事和国防领域进行的研究，我们可以发现全球军事、情报机构如何利用人工智能，以及人工智能可能很快为该领域带来的能力趋势。目前，军队和国防组织在以下领域使用人工智能：
自主武器和武器定位
监控
网络安全
国土安全
后勤
自动驾驶汽车
目标定位系统是根据其准确性和锁定目标的速度来判断的。随着这种瞄准方式的对抗措施越来越流行，电子瞄准系统必须进行创新，以降低对这些反制措施的敏感性。因此，机器学习和计算机视觉将是这项猫和老鼠技术游戏的下一个应用。
如今，自主武器平台正在使用计算机视觉来识别和跟踪目标。当系统能够识别和跟踪部署在其防护空间中的目标时，自主武器基本上就能够实现自主。
目标背后的人工智能需要接受训练，以确定战略目标到底值得把火力集中在哪里，并提醒监控平台的操作者。应用展现的场景可能是一架敌机以极快的速度飞向有争议的空域，一枚火箭向一个城镇发射，或者是一艘装甲运兵车沿着一条次要道路行驶。
目前，与传统的有人系统相比，没有一个自主武器平台在未经监测操作员明确批准的情况下被设计用来发射其弹药，自主武器可能提供的一个战略优势是有人系统容易受到人为干扰和需求的影响。
自主武器可以让计算机视觉中时刻保持警惕的“眼睛”在使用环境中接受训练，在敌人火箭在人口稠密地区引爆之前，通过瞄准并将其击落。而如果是有人系统，遇到操作员在发布信息时分心或打瞌睡，则可能失去宝贵的响应时间。
全球军工百强之一的法国泰雷兹（Thales）公司生产的自主武器炮塔“RAPIDFire”充分展示并强调这种自主瞄准能力：
泰雷兹“快火”自主防空武器（翻译&字幕 by 防务菌）
这种自主武器瞄准软件背后的机器学习模型通过接受训练，学习安装在炮塔和其他武器平台上的摄像机从不同角度、在不同照明条件下从该公司以前开展的项目中收集的视觉数据。
这些图像和镜头会被标记为目标、敌对行动或自然地形。随后将运行机器学习算法。这将训练算法识别1和0的序列和模式，在人眼看来，这些序列和模式形成目标、敌对活动或自然地形的图像或画面，如跟踪界面所示。
计算机视觉目前也应用于便携式导弹发射系统和大型海军打击导弹的武器系统。
导弹在飞行和观察试图部署反制措施或规避机动的目标时，其瞄准软件将允许导弹作出适当的反应，并仍然与其目标相连。
以色列拉斐尔先进防御系统（Rafael Advanced Defense Systems）公司声称，他们的GIL-2便携式火箭系统使用计算机视觉增强瞄准。美国海军也表示，由L3技术公司制造的HE-4G导弹仍在研发中，但在波托马克河试验场取得了成功，在较长距离内比标准炮弹更精确地击中移动目标。2017年，美国海军对其设计进行了审查并通过，允许该项目进行重要的设计鉴定活动，然后进行潜在的部署。
人工智能也可以作为网络世界的武器。自适应电子战系统的行为学习（Behavioral Learning for Adaptive Electronic Warfare，BLADE）是一种利用人工智能攻击和破坏无线通信网络的系统。在后期测试中，BLADE项目是洛克希德·马丁公司与美国国防高级研究计划局（DARPA）签订的2900万美元合同中创建的一个系统。
出于安全目的，这个项目的细节不可知。但众所周知，人工智能在BLADE探测和表征新的通信威胁、学习如何干扰它、然后评估干扰效果的能力方面发挥着关键作用。此外，洛克希德·马丁公司声称，BLADE项目能够预测敌方软件的对抗措施，并与之适应从而开展持续干扰。
一种能够像BLADE项目一样在战场上禁用无线通信的网络武器，不仅可以中断语音和文本通信，还可以提供简易爆炸装置（Improvised Explosive Device，IED）的对抗手段。
通常，小型商用无人机可以用作遥控炸弹，恐怖分子可以在无人机上附加小型爆炸物，并在军事基地上空飞行。无人机通过手机或无人机遥控器本身无线引爆。BLADE项目可以使试图引爆简易爆炸装置的遥控器或手机的无线通信信号失效，从而使无人驾驶飞机和炸药失效，防止恐怖袭击。
世界各地的军队每天从各种来源获取大量的视觉监视数据，如电话摄像机、笔记本电脑馈送、视频监视、人造摄像机、无人机和卫星镜头。挑战不在于收集数据，而在于将其处理为战略信息，这正是机器视觉和人工智能可以发挥作用的地方。
机器视觉软件有潜力比训练有素的人类分析员更快地对大量数据进行排序，以获得洞察力。美国国防部和其他国家组织目前使用机器学习和计算机视觉软件进行监视行动。
Maven计划是美国国防部创建计算机视觉人工智能的一次尝试，该人工智能可以对无人机等低空作战监视设备拍摄的大量监视录像进行分类和识别。
我们可以从谷歌和美国国防部提供的材料中推断出，Maven计划中使用的软件背后的机器学习模型被训练来识别38种不同的物体，因此，人工智能在不同角度和不同照明条件下，通过数小时的录像对目标物体进行画像。镜头中的物体会被标记为我们所知道的事物，如旅行的汽车、武器或人。这些贴上标签的视频将通过软件的机器学习算法运行。这将训练算法识别1和0的序列和模式，在人眼看来，这些序列和模式形成了无人机监控录像中显示的作战区域视频。美国国防部还没有公开定义这38个软件标记的对象。
监视小组可以上传新拍摄的录像，这些录像没有贴上Maven计划软件的标签。经过训练标记，软件背后的算法将能够确定录像的内容，并识别任何异常或相关的对象。然后，系统会以某种未知的方式提醒操作员，并在视频中突出显示标记的对象。
Orbital Insights公司提供了一个产品，展示了应用于卫星图像时机器视觉的能力。该公司对大型区域的空间卫星图像进行地理空间分析。此外，我们可以推断，中情局目前使用Orbital Insights的产品和服务，因为该公司在2016年从In-Q-Tel（一家总部位于弗吉尼亚州阿灵顿的美国非营利风险投资公司）风险基金获得了2000万美元的资金。In-Q-Tel风险投资基金的唯一目的是资助公司开发其预测可能有利于美国情报和军事行动的产品。此外，In-Q-Tel声称，美国政府的一些机构使用了Orbital Insights的产品，尽管它没有对这些机构的身份发表评论。
卫星成像允许操作员跟踪大面积的目标移动，确定一个位置的正常活动模式，并在这些模式不同时检测异常。Orbital Insights公司将来自不同网络的大量卫星成像数据连接在一起，以汇集全球任何位置的高清晰度图像，在从图像中去除云层、烟雾、天气影响或雾霾的同时，获取每个位置最有用的部分。
有意思的是，Orbital Insight公司还撰写了一篇预测中国地上石油储量的案例研究。Orbital Insight的计算机视觉软件可以识别油罐，然后测量其容量，以计算总供应量。他们说：“油的体积是可见的，因为油罐有浮顶。利用我们的阴影检测技术，我们可以测量屋顶上新月形阴影的大小，并计算出阴影的饱满程度。”
特朗普政府提议在明年的预算中增加两倍多的资金，仅用于一个依靠军事视觉数据的人工智能驱动导弹探测项目，该资金额度达到了8300万美元。
人工智能的一个核心能力是识别数据集中的趋势和模式，然后预测这种趋势再次出现的可能性和时间。这被称为预测分析，目前正在应用于国土安全领域。
预测分析模型可用于关联准备进行非法活动的迹象，例如在商店购买武器或临时制造炸弹的材料，从而允许情报机构在这些非法活动展开前进行拦截行动。预测分析软件还可以根据各种环境因素和过去的犯罪记录数据，对可能的犯罪嫌疑人进行预测。
美国中央情报局、联邦调查局、洛杉矶警察局和其他美国政府机构目前使用Palantir（Palantir Technologies是一家美国私人软件公司，专门从事大数据分析 ）作为预测分析软件，通过机器学习将消息数据、状态标识数据、图表、电子表格、电话记录、状态数据库中的文档（如已存档的警察报告）、网络数据、传感器数据和全动态视频汇集在一起，以识别看不见的模式并帮助刑事调查。
汇集大量数据可以让人工智能找到与非法行为相关的模式，在这方面，数据分析人员可能难以自行调查和识别。从2011年开始，美国海军陆战队在阿富汗战争期间整合了Palantir软件，以编制可能帮助恐怖组织的炸弹制造者名单。
根据Palantir的案例研究，调查人员检测到气象数据、简易爆炸装置攻击的指挥线信号以及从爆炸装置收集到的与个人和炸弹制造网络相关的生物特征。因此，他们能够为特定人员部署搜捕小组，以减少一个地区的简易爆炸装置攻击次数。
中情局还使用另一个预测分析软件Stabilitas。Stabilitas是中情局用来评估世界上某个地区的稳定性和安全性的软件。Stabilitas似乎能够通过在社交媒体帖子、当地新闻文章和政府报告中爬行来预测地区动荡的迹象。
研究人员发现针对网络安全的人工智能解决方案有很高的需求。对于网络安全来说，这似乎是可以理解的，因为军事和国防网络中的数据泄露风险很高。一些人工智能供应商和国防承包商似乎正在使用机器学习来提供安全产品，这些产品可以在威胁影响网络之前识别和预测威胁。
鉴于大量收集数据以及政府情报泄露的危险，网络安全似乎是美国陆军和海军的高度优先事项。当前业界的许多网络安全解决方案可以被私营企业利用，世界上的黑客可以像军事行动一样容易地将私人实体的秘密作为攻击目标。
网络安全威胁有多种形式和规模。人工智能在军事预防措施中具有很大的作用。如今，软件能够识别各种数字情况，如电子邮件或新的闪存驱动器，很可能是植入恶意软件的陷阱或工具，然后在恶意软件激活前消除等待军事行动者的网络威胁。
BAE系统公司（BAE Systems）是一家总部位于伦敦的国防、安全和航空航天公司。DARPA与其合作，开发CHASE软件工具，利用人工智能识别和预测对大型企业网络的网络威胁。
CHASE软件可能首先需要对相关数据集进行标记，这些数据集指示来自内部网络服务器和非人工智能入侵检测系统的各种度量的“正常”值。这将允许CHASE识别标准操作网络条件的基线读数。然后，该软件将接受训练，以识别由于以前的安全入侵而导致的网络特性异常。一旦软件“了解”活动威胁可能产生的参数值，系统就可以通过仪表板提示人类安全分析师，以确保尽早识别所有新的安全威胁。
CHASE的能力或其他使用人工智能进行网络安全应用的同一类软件都可以监控每个部门每天发生的正常下载数据水平。当某个特定部门超出其正常的每日下载预量时，该软件可对安全专业人员造成的潜在威胁进行标注指示。
美国认知计算分析领域的领军者SparkCognition公司在2019年初声称，它在其DeepArmor（通过使用先进的机器学习和人工智能，以高水平的准确性和有效性来预防和检测恶意软件）解决方案中使用机器学习来识别和分析未知文件，并在其入侵军事物联网网络之前检测恶意软件等网络威胁。受益的设备包括诸如被称为“端点”的笔记本电脑、其他无线和移动设备以及物联网传感器等远程设备。
这些终端极易受到网络攻击，DeepArmor软件可以自动监控武器系统、移动设备和飞行器。SparkCognition公司声称，DeepArmor被用来捕获和阻止一些全球网络安全威胁，如WannaCry勒索软件攻击、“爆米花时间”（Popcorn Time）和Adylkuzz。
由In-Q-Tel资助的初创公司Cylance是一家软件公司，专注于开发防病毒程序和其他类型的计算机软件，以防止病毒和恶意软件。Cylance被描述为“第一家将人工智能、算法和机器学习应用于网络安全的公司。”2019年2月，该公司被黑莓有限公司收购。Cylance也设计了一个类似的预测分析系统。
近期 ，Cylance发表了一篇案例研究，展示了之前媒体报道的Cylance Safelite的价值。负责Safelife业务的信息技术副总裁MatthewCoy评论了Cylance目前的能力，他表示：“Cylance每天检测并阻止数以万计的事件。他们中没有一个人被现有的反病毒系统所注意到或采取行动。”在案例研究中，Matthew Coy提到了管理Cylance PROTECT所需的低管理工作为Safelite带来了显著的成本节约。他估计，管理他们以前的杀毒产品每周需要150小时。
俗话说，“知识就是力量”，人工智能有能力增强决策者掌握的知识，让他们做出更好、更明智的决策。当涉及到组织的后勤和维护实践时，人工智能具有很大的优势，有能力实现更高效、数据支持的后勤和军事装备维护。
（一）接收警报和生成报告
人工智能改善组织后勤的一个方面是提高决策和执行的速度。会话接口能够提高军事官员决策的效率和速度，它允许官员请求与安装在其上的系统相关的各种各样的信息，并将其准确地显示在他们面前或向他们广播，而无需人工交互并避免了人为错误。
例如，在战斗中，巡洋舰舰桥上的指挥官可以指示对话界面，不断地倾听指令，当特定发射架的弹药减少到15%以下时，立即向他们发出警报。准确地知道何时达到这一阈值，可以让指挥官下达命令，在战略上最佳的时间补充该炮台的指令。
军事用途的会话接口比公共用途的会话接口有更多的问题。他们需要在高度确定的情况下工作，否则错误或不准确的缺点可能会导致一个或多个军事行动人员的生命损失。一种系统，如果在战斗中不能正确地将预定的报告传递给领导者，可能会导致领导者和他们指挥的武器装备措手不及，陷入潜在的危险境地。
（二）对军事载具进行保养
由于军队维修载具众多，这些载具在作战中受到环境破坏或正常磨损时，必须进行维修。鉴于需要维修的载具数量巨大，任何提高维修效率的方法都可能受到欢迎。人工智能就有能力帮助修理这些载具。
洛克希德·马丁公司与NGRAIN（加拿大人的一家工智能公司）公司合作开展了大数据分析项目，以提高美国空军使用的F-35飞机的维修效率。该项目简化了损伤数据的采集，降低了成本，并通过高效的维护操作提高了飞行员的安全性。
根据工业互联网联盟发表的一份案例研究，洛克希德·马丁公司目前生产F-35闪电II型飞机，还为该飞机提供培训、预测和维护支持服务。为了提供有效的维修，洛克希德·马丁公司需要一种方法来准确评估由于战斗或环境危害对飞机机身造成的任何损坏。
传统上，维修技术人员通过在受影响区域上放置透明薄膜并在薄膜上标记参考点来评估机身损坏区域。然后，胶片上的线条图与电子表格中的维修数据历史记录相互参照。在实际操作过程中，洛克希德·马丁公司的维修工程师发现这一过程既繁琐又费时，于是他们开发了用于F-35的自主后勤信息系统（Autonomic Logistics Information Systems，ALIS）软件套件，可以让工程师以高精度的3D可视化来生成查看损伤报告。此间，洛克希德·马丁公司使用NGRAIN的软件开发工具包（Software Development Kit，SDK）生成飞机的三维虚拟模型。
根据案例分析，维修技术人员可以使用NGRAIN工具输入飞机唯一的尾数，并调出历史损坏和维修数据。然后，技师在每个新的保养周期中输入损坏类型和尺寸详细信息。这些信息自动存储在ALIS软件中，以后可以检索。
NGRAIN声称他们的三维建模解决方案帮助洛克希德·马丁公司的维修工程师减少了维修时间。随后，美国空军还要求在F-22猛禽上部署损伤报告解决方案。
美国国防部负责研究和工程的副部长迈克尔·格里芬（Michael Griffin）曾经表示，在战争期间，执行后勤保障运行的军事行动者至少占伤亡人数的50%。他对国会议员说：“如果能用一种相对简单的人工智能驾驶算法，让我不用担心行人和路标之类的事情，通过一种自动无人驾驶汽车来实现这一点，我为什么不这么做呢？”
正如迈克尔·格里芬在其评论中所回避的那样，与出售给商业公众的自动车辆相比，军用自动车辆的安全法规和培训水平可能要低一些。当人的生命处于危险之中时，功利主义的价值计算就变得容易得多。本质上，如果一辆自动驾驶汽车的任务是拯救一个或多个驾驶员的生命，那么它就可以不那么在意其他车辆的驾驶员。
由于军队使用的车辆种类繁多，因此自主车辆在军事上的理论能力是众多的。全球军工百强企业中的多个巨头都在研究用于军事建设和后勤的自动汽车和工作卡车。
以色列航空工业公司（IAI）正在建造一种自动推土机，以及一种能够改变其尺寸以适应各种通行情况的车辆。
洛克希德·马丁公司早在2011年就启动了车队主动安全技术（Convoy Active Safety Technology，CAST）系统。CAST是一种安装在军用卡车上的系统，一旦启动，可以锁定前方的车辆，并使用机器视觉自动驾驶，从而创建车队。
洛克希德·马丁公司车队主动安全技术（翻译&字幕 by 防务菌）
波音公司已经设计并正在测试用于常规卫星部署的自主航天器。他们家还向军方提供自主无人机和飞机，并正在设计自主潜艇。
诺斯罗普·格鲁曼的X-47B在2015年就进行了世界上第一次自主空中加油。
诺斯罗普·格鲁曼X-47B完成世界首次自主空中加油（翻译&字幕 by 防务菌）
随着美国国防部高级研究计划局（DARPA）组建联合人工智能委员会（JAIC），以及拥有各种自主车辆项目的大型军事国防承包商数量的增加，自主车辆的开发显然是美国国防部的一项优先任务。
此外，国防承包商行业的牵引力似乎是可以理解的，因为车辆自主性可以提高生产率，提高人类操作员的安全性。例如，能够在安全区域巡逻并通过将摄像机对准可能发生骚乱的地方来调查入侵者的任何迹象，然后向人类安全部队发出入侵警报的自动车辆，将大大减少人类巡逻人员。
这样，这些巡逻人员就可以把时间花在更有价值的任务上，而设施却看不到监视质量的下降。军方也可能会看到，由于消除了人的操作因素，如需要吃喝拉撒分散他们个人的注意力，监视质量有所提高。
美国通信电子研发与工程中心任务指挥部总工程师欧西·大卫（Osie David）对此表示：“许多公司正试图在各种车辆上增加自主能力。波音公司正在研制自主式潜艇。中国政府和美国国防部都在开发一套可以安装在不同地面平台上的硬件和软件，如坦克和装甲运兵车，以提高自主性。”
| 一网打尽系列文章，请回复以下关键词查看： |
|---|
| 创新发展：习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 科研管理 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧 |
| 热点专题：军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估 |
| 预见未来：预见2016 |预见2020 | 预见2025 | 预见2030 | 预见2035 | 预见2045 | 预见2050 |
| 前沿科技：颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 | 基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | 5G | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口 | 传感器 |
| 先进武器：中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 直升机 | 战斗机 | 六代机 | 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器 |
| 未来战争：未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空战 | 反卫星 |
| 领先国家：美国 | 俄罗斯 | 英国 | 德国 | 法国 | 日本 | 以色列 | 印度 |
| 前沿机构：战略能力办公室 | DARPA | 快响小组 | Gartner | 硅谷 | 谷歌 | 华为 | 阿里 | 俄先期研究基金会 | 军工百强 |
| 前沿人物：钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普 |
| 专家专栏：黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨 |
| 全文收录：2017文章全收录 | 2016文章全收录 | 2015文章全收录 | 2014文章全收录 |
| 其他主题系列陆续整理中，敬请期待…… |