在象棋和围棋之类的游戏中，人工智能已经反复证明了其胜过人类顶级专家的能力。广告网络和推荐引擎已经非常擅长于预测消费者接下来想要购买的东西。人工智能似乎正在改变我们生活的方方面面，尤其是在互联网上。

虽然经常有人预测人工智能将彻底改变军事，但所谓的人工智能革命目前并没有席卷美国军方。人工智能在军事领域应用的广度和深度远远不及互联网商业领域。而这种差异与军事人工智能系统可用的数据有很大关系。

以识别来自敌方传感器或平台的信号为例，美国军方很难收集到足够的数据来训练相应的人工智能算法。人工智能算法（尤其是深度学习）通常需要大量数据，这些数据必须经过精确标记，并与每个特定问题域相关。军事对手开发了复杂的战术和技术来防止这些数据被美军收集，或者让我们获得错误的数据。由于有关军事局势的信息已经损坏，我们做出的决策可能远非最佳，这反而会给对手带来优势。

在动态冲突的情况下尤其如此，技术先进的对抗双方努力使用电磁传感器和通信链路来获取对方的信息。同时，双方又都会采取电子战手段来拒止对手的传感器和通信链路。当使用算法来适应这些动态电子战交互时，诸如“阿尔法狗”之类的策略游戏学习方式将是无效的。

在部分军事应用中，现代人工智能算法确实已经很好地发挥了作用，比如识别图像或信号的复杂模式或变化，这些信号可由智能传感器大量收集。例如，卫星传感器可以在一段时间内收集大面积的数据，并寻找农业、建筑、运输和造船业的变化模式。旨在检测此类变化的算法可大大减少对大量视频和图像进行整理的耗时工作。例如，美国国防部的“专家项目”（Project Maven）收集了大量的视频样本，并由分析人员标记出这些视频记录了哪些类型的活动。然后，深度学习人工智能就可以用来识别新视频中的类似模式。

美军在自动驾驶汽车方面也取得了巨大的成功，这是另一类人工智能系统，但这些系统很大程度上受到由工程师精心设计的算法的控制和指导，以确保车辆以可预测的方式运行。尽管这些车辆控制算法具有适应性，但它们并未像深度学习那样通过数百万次的尝试和错误来学习其基本行为。在这些情况下，关键算法的开发和行为是基于相对安全的数据，以防遭到对手的拒止或欺骗。

那么，有没有这样一种可能，即更先进的人工智能已经在整个美军中秘密地兴旺发展，但由于保密限制，外界并不知情。答案是否定的。诚然，特定的系统功能、策略或漏洞必须要保密。但国防部的项目会定期分享非涉密的成功案例，以激发新的人员进入该领域，吸引企业投资其内部研发资金参与竞争，并为项目继续争取到资金。对国防预算的监督要求大多数项目都要提供其目的和进展的一些描述。

相比之下，互联网上一些最受欢迎的平台，其设计目的是生成可以反馈给人工智能系统的数据，以改善它们的性能。每天，数以十亿计的互联网用户发布有关他们活动的数据。这些数据通常带有标题、标签、位置或好友链接。这些相关数据包含我们发布的图片主题、个人兴趣、社交网络、偏好等信息。随着社交媒体和互联网商务平台吸收并存储这些数据，它们积累了庞大的数据库，这些数据库非常适合训练、测试和快速改进人工智能算法。这些人工智能算法可以推测我们的个人兴趣，然后把我们的信息卖给广告商。

这个游戏的大部分是合作的：用户提供对其行为和偏好数据的访问权，作为回报将获得免费信息以及建议,而互联网平台向我们提供免费的服务并从广告销售中获利。在绝大多数日常数据交易中，游戏中并没有玩家试图破坏正在做出的决策。

军方根本没有可与之相比的数据源来输入其系统。社交媒体公司可以免费获得数据，而军方则必须建立专门的系统，付钱来收集和标注信息。而最最需要的数据——关于敌方系统和行为——往往又是最难收集的，需要仔细分拣以防被骗。

虽然军方将继续面对笼罩在战争迷雾中的决策环境，但仍将积极训练下一代人工智能。军方将需要继续努力收集数据，以用于自动化决策，尤其是针对日益老练的对手。人工智能在解决一些问题时可能会被证明是有用的，但这将是一个漫长而缓慢的进化过程。与此同时，我们应该继续投资于最广泛的理论、计算和算法，以改进我们的信息驱动系统来应对我们所面临的日益复杂的竞争。

射声有言

①机械化战争离不开石油，智能化战争离不开数据。实际上，美军从国防部到各军种都在积极推出数据战略，并把数据建设放在了前所未有的战略高度上。美国空军全球打击司令部Timothy Ray上将表示：“如果能多一美元预算，我将把它花在建立最好的数据库和分析工具上，而不是用来购买B-21隐身轰炸机或巡航导弹。”

②除了数据匮乏，军事人工智能面临的另一个重大挑战是各种各样的算法偏差，详见裁研所研究报告《算法偏差和自主技术武器化》，后台回复“200512”可提取报告原文。

声明：本文来自电磁频谱战，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。