争分夺秒：人工智能速度下的战争

随着人工智能发展速度的加快，国防规划人员开始重视人工智能技术为指挥和控制带来的超匹配能力。大量的规划、计划和预算编制工作已经开始，这将提高未来战场上的通信能力和生存能力。现在，部队也在设计和原型开发现代系统，以帮助指挥官比以往任何时候都更全面地感知、观察、定位、决策和行动。它们将穿透战争迷雾。

随着武装冲突时间的缩短，会产生哪些技术影响？过去可能耗时数年的战争可能在数月甚至数周内就能决定胜负。历时数周的行动必须在数天或数小时内完成。而指挥官们在做出决定之前，在历史上可能有充足的时间，但现在却不得不在几秒钟内做出决定。每个指挥所的组织和运行将发生怎样的变化？这些都是军事领导人面临的重大问题，因为他们正在规划一条融合并充分利用自主性、机器学习、可信通信和边缘计算优势的前进道路。

未来战场上的指挥所

场景设想

一只兔子正在咀嚼三叶草，咬到一半就僵住了，耳朵转向左边。透过树林，它听到了另一种生物向它走来的脚步声。如果声音的来源是捕食者，兔子就准备逃跑，它听着不明动物的四只脚有节奏地小跑，看着它出现在空地边缘。它飞快地躲开了这只越来越近的四足动物，因为它从未见过这样的动物。这只像狗一样的生物是当晚在该地区出现的 12 个自主机器人之一，它们在一个摩托化师准备建立的指挥所周围的关键地形上各就各位。这是战争的开端，这些狗的任务是进行侦察。

几分钟后，随着师长和参谋人员停下脚步并建立防御态势，一阵低沉而稳定的装甲踩踏声从树林中传出。指挥所的自主防御部队--军犬--现在占据了安全位置。“军犬”每三个一组。当其中一只正在进行四小时轮班时，另外两只正在充电。

这些“军犬”距离指挥所很近，可以将自己作为网状网络的节点进行通信和数据传输。在冲突的这一阶段，“军犬”只有一个简单的交战规则：如果有人类靠近，就向指挥所发出警报。如果探测到人类，它们就会使用传感器记录并向指挥所传输音频、视频和热红外数据。被指派保卫指挥所的连长将根据该人是友军、敌军还是非战斗人员来决定采取何种行动。

在行动的这一阶段，指挥所将在原地停留长达 48 小时，然后再移动。在这 172800 秒的时间里，“军犬”每小时将以近乎稳定的速度传输 288 千字节。这是它们的指挥和控制数据传输速率，可以让它们一遍又一遍地重复熟悉的模式--向左看、向前看、向右看、报告系统状态、重复。这可以确保它们彼此保持联系，并保持警惕。如果它们怀疑或探测到附近有人类，那么它们的数据传输速率就会膨胀到每小时 720 千兆字节，来自机载传感器的态势感知观测数据。

在这种环境下，带宽在功率、重量和冷却方面都很昂贵。通信资源还有其他需求者。由于该师的每个成员及其设备都是一个传感器，因此还有更多的情报、监视和侦察信息在网络上争夺优先权。后勤系统、语音通信、地理空间更新、指挥命令、医疗诊断数据和气象数据都在试图通过这些网络进行传输。此外，还有计划的网络限制和从主要路径到备用路径的转换，以混淆任何敌对系统对该师真实组成和身份的认识。

出于这些原因，"军犬"机器人（或分舰上的其他传感器）中的计算机视觉模型必须尽可能减少误报。值得庆幸的是，军犬"眼睛 "上的计算机视觉模型已经在高度多样化的生物群落、一年四季、无数种天气和光线条件下完成了近五万小时的训练。它们还消耗了关于现代军事遮蔽物对视觉的影响、伪装技术和模式以及人类和机器人军事编队的步态和身体姿势差异的特殊训练数据。尽管这种训练数据机制听起来令人印象深刻，但它不可能考虑到所有情况，这也是为什么该师的机器学习作战部门准备根据部队遇到的生物群落以及首战中不可避免的敌方战术、技术和程序变化，对军犬和其他传感器进行微调的原因。

重新训练计算机视觉模型与所有其他统计分析一样。简单地说，需要有一个有代表性的样本，以便用数学方法表达样本关键变量之间的关系。在计算机视觉中，场景中的物体--天空、云层、地平线、有树的山丘、无树的山丘、单个建筑物、建筑物上的窗户、透过窗户看到的人脸等等--都是样本。每只"军犬"的传感器都在收集周围生物群落的无数样本。在这些样本中，有计算机视觉模型从未见过的新的异常值，因为它的制作者没有一个能容纳地球上所有多样性的实验室。

经过最初 8640 秒的夜间巡逻，"军犬"误报了一只熊，这只熊蹒跚地走到一棵树下，然后用后腿站起来，试图去够一些橡子。当它这样做时，其中一只"军犬"发现了它，通过传感器捕捉到了几分钟的画面，并向指挥所安全人员发出警报。在早上的员工会议上，指挥所安全连连长问机器学习操作人员，他们能对这只让他们夜不能寐的熊做些什么。

机器学习小组是整个联合部队的众多小组之一。他们都在冲突的早期阶段收集样本。感知到的异常值以及所有观察结果中的大量随机样本，都会根据其能力和队列优先级流回战区内外的计算集群。部分数据通过战术网状网络传输。其他数据则由在单元间移动的各种后勤车辆被动收集，然后通过物理存储设备传输移动。

数据科学家在处理整个视觉传感器队的误报时，确定他们对当地熊类的观察结果具有统计学意义，可以将所有观察结果反馈给人工智能数据产品团队，以完成一轮半监督负训练，将其分类为非人类和非战斗人员。团队相信，新训练的计算机视觉模型对熊的误报率将减少约 70%。

早期样本的另一个重要发现是发现了计算机视觉模型未检测到的敌方战术哨兵。这种误报可能会对部队保护造成不利影响。哨兵就像一只坐在树枝上的鸟，但实际上它是一个离散的视听传感器包。通过将哨兵的多次观察结果与互联网上业余观鸟者的视频样本进行比较，数据科学团队能够训练出一个分类器，将哨兵与活鸟区分开来。

有了这个新的计算机视觉模型，团队就可以准备软件更新策略了。在接下来的 21600 秒内，整个联合部队将部署数百个计算机视觉更新。它们不可能也不应该一次性全部部署。在过去三年中，这些团队已经数百次实践了这种持续集成和持续交付（CI/CD）方法。与现代云计算提供商一样，他们也有一套部署策略，通过一系列测试和小规模部署来确认功能是否正常。

除了这些现代软件实践外，机器学习操作人员还确保他们的计算机视觉模型部署到狗的样本中，这些狗会重新观察类似鸟类的对象，以及熊产生误报最多的地方。由于新数据显示误报和误报率大幅降低，团队继续在计算机视觉传感器机群的其余部分进行部署。值得庆幸的是，更新计算机视觉模型可以有效利用带宽。根据传感器的不同，原始模型的大小在 40 到 60 兆之间。更新只需原始模型的 10%-20%，在这种情况下，更新只需五到十兆字节。所有这些微小的效率在战术边缘及其潜在的拒绝、断开、间歇或受限条件下都非常重要。

数据时代、战斗演练和 WERX

在每个数据时代都必须进行的一系列更新就是新的战斗演练。它们必须像士兵清除卡住的武器一样熟悉和磨练。

必须展示哪些概念才能最终投入实战？军队编制、人员和领导者必须如何采用和塑造这些新的数据作战演习？美国陆军已经开始了云计算、软件定义网络、算法战争、自主性和人机团队的数字奥德赛。美国各军种都在迅速启用其采购、安全和信息技术干部，以提供这些技术和实践。由此产生的软件开发实践不仅限于后台职能部门。它们正通过传统和替代性的采购途径，在各个层级同时出现。久经考验的研究、开发、测试和评估计划，以及专门致力于成功实现数字化和人工智能能力的新组织，都在加速这些实践。引领这些新努力的是一个拥有共同愿景和重新审慎承担风险的领导者网络。

走进任何一家新的软件工厂或 Dev/Ops（开发/运营）软件团队，如 AFWERX、SOFWERX 等，就会看到了解自己使命和技能的专业人士。就像他们之前在航空、机械化作业和非机组人员系统领域的先驱一样，他们知道自己所从事的工作的新颖性很容易被误解或否定。然而，当他们考虑到乌克兰和以色列正在进行的战争时，他们积极推动新能力的发展，以战胜任何对手。

人工智能加速路线图

所有这些工作都有意义所在。要想让它们结出硕果并最大限度地影响军事效率，领导者必须积极努力，加快团队的效果。为此，他们可以采取几个关键步骤。

首先，消除开发团队与最终用户之间的距离。这对成功采用软件和硬件至关重要。用户和开发人员之间的接触点是你应该衡量和投资的。如果用户没有破坏技术，而开发人员也没有根据他们无法预料的用例迅速调整技术，那么你就会把这些不幸的发现推迟到第一场战斗中。

第二，与官僚机构中的现状偏见作斗争。如果有人告诉你，生成式人工智能没有需求，那么请提醒他们，在军事史的其他拐点上，枪械、坦克、飞机、反简易爆炸装置和反无人机技术也没有需求--直到技术和用例汇聚在一起，使需求变得非常明确。

第三，将人工智能项目分解成一个组合，在一般的开发、安全、机器学习、运营（DevSecMLOps）流水线与不同机器学习学科（如自然语言、计算机听觉和计算机视觉）的独特需求之间取得平衡，以满足遥感、感知和自主等不同应用的需求。

第四，除了你的团队正在构建的人类角色外，还必须为另一个用户--新兴力量结构中的机器角色--提供服务。部队结构中每个支持机器学习的设备都需要一个人工智能就绪的数据产品战略和数据网络战略，以便在各种冲突、生物群落和任务中对其进行再训练。当人类继续消耗豆子和子弹时，机器将消耗电池和字节。

第五，除了已经建立的物理和虚拟训练环境，还需要一个设备农场、一个模型动物园和一个数字孪生家族。移动应用开发人员必须在各种设备制造商之间进行测试，以确保向前和向后的兼容性。设备农场可以帮助开发人员从这些异构设备群中快速获得技术反馈。在下一个战争时代，这些设备可能是四足机器人、无人机群，也可能是载人履带车。机器学习工程师建立并迭代了大量开源和专有模型。在对它们进行训练和再训练的过程中，工程师们将拥有越来越多的模型集合（动物园），这些模型将成为在新情况下进行快速微调的更好起点。数字孪生将有助于确保您拥有一个具有充分代表性的环境，以展示新的网络-设备-数据-模型组合的预期效果。

第六，零信任运动。就像 Hedy Lamarr 和 George Antheil 发明的跳频扩频一样，零信任系统不断强制执行凭证和其他证书的连接、轮换和重新认证，以确保安全一致性，抵御外部和内部威胁。要做到这一点是一门复杂的艺术，但您应该在数据和系统访问中要求具备这种能力。BYOD（自带设备）是企业能够以零信任方式运行的标志。当您可以信任员工带去工作的异构敌对外国设备时，您将具备必要的组织和技术实力，与盟友和联合部队中的任务合作伙伴实现同样的目标。

第七，组织需要每周部署到生产中，领导应参与 CI/CD 流程。现代云计算服务通过多种策略实现高可用性。其中最关键的是，在发生中断事件时，开发人员与其领导之间通过软件定义的连接。在纯粹的形式下，DevOps 意味着构建软件的同一个团队也会部署软件，如果部署失败，他们会在半夜接到呼叫。这就加强了测试过程中对细节的关注。传呼过程还可以与主要领导联系起来。如果知道有一定的时间来解决软件部署失败的问题，并在经理被传呼之前恢复正常服务，那么每个人都会在测试过程中更加关注细节。

第八，明确允许在哪些领域进行 "系统 1 "和 "系统 2 "机器思维实验。丹尼尔-卡尼曼（Daniel Kahneman）在《思考，快与慢》（Thinking, Fast and Slow）一书中普及了现代人对人类思维能力的理解，即人类的思维能力是两个系统的副产品。系统 1 自动做出快速反应，就像 "战斗或逃跑 "反应一样。你的视觉、听觉或嗅觉几乎不费吹灰之力就能处理房子着火的情况。卡尼曼将其与系统 2 区分开来，后者 "将注意力分配给费力的心理活动"，并完成复杂计算等任务。通过它，我们对何时将精力分配给专注力有了更多的自主权和选择权。人机协作的关键在于将系统 1 和系统 2 的任务分配给合适的队友。

我们不希望有一天会经历这种情况，但在未来的战场上，两支陆军将在夜间发生冲突。清晨，双方的几个营可能只剩下残兵败将。哪一方能更快地执行重组战斗演习，哪一方就能立即获得优势。从原属组织脱离并加入新组织的任务命令需要几个行政和控制步骤。指挥官应首先选择新的领导和编队，这是系统 2 的流程。不过，一旦命令下达，一系列系统 1 应用程序和信息应能使所有人员、医疗、后勤和其他支持数据迅速准确地传送到新的指挥人员手中。如果我们把眼前的工作做好，新营应该能在 3600 秒内做好战斗准备，而不是 28800 秒。分秒必争。

参考来源：The Modern War Institute