人工智能在军事领域的广泛应用，智能化战争逐渐成为备受瞩目的焦点话题。
随着人工智能在军事领域的广泛应用，智能化战争逐渐成为备受瞩目的焦点话题。历史多次证明，战争形态的演进将引发制胜机理的深刻变革。在信息化战争向纵深发展、智能化战争初露端倪的当今时代，世界主要国家军队纷纷下大力推进军事智能化，其中的诸多动向值得关注。
加强顶层设计
勾勒智能化战争“路线图”
在新一轮科技革命和产业革命推动下，智能化军事变革正向纵深发展。美国、俄罗斯、日本等国纷纷把人工智能视为“改变战争游戏规则”的颠覆性技术，并提前布局，加强顶层设计和规划引领，探索人工智能的军事应用方向。
美军在《为人工智能的未来做好准备》《国家人工智能研究与发展战略计划》《人工智能与国家安全》《2017至2042财年无人系统综合路线图》《“美国人工智能计划”：首个年度报告》等文件中，详述了人工智能的发展现状和发展规划，并将人工智能发展提升至国家战略层面。2021年，美军在其发布的《美国防部人工智能态势：评估和改进建议》中指出，美军发展人工智能应考虑三个指导性问题：与美军相关的人工智能现处于何种状态；美军目前在人工智能方面的态势如何；哪些内部行动以及潜在的立法或监管行动可能会增强美军的人工智能优势。
俄罗斯投入大量资源，以保持与美国在人工智能军事领域应用竞争中的平衡。2021年，俄总统普京在年度首场国防部会议上表示，人工智能将极大推动军事领域变革，俄联邦武装力量要加快机器人、智能单兵系统和武器智能化模块等人工智能应用技术的研发工作，早日形成核心技术能力和战场竞争优势。《2025年前未来军用机器人技术装备研发专项纲要》《未来俄军用机器人应用构想》《人工智能在军事领域的发展现状以及应用前景》等文件，从国家层面为俄军推动人工智能军事应用确立了一系列机制。
日本政府也出台了《人工智能战略》，旨在引领人工智能技术研发和产业发展。在英国制定的《机器人与人工智能》战略规划中，强调了人工智能在战场建设中的应用。2021年1月，澳大利亚国防部发布《打好人工智能战争：未来智能化战争之作战构想》，这一文件探讨了如何将人工智能应用到陆、海、空作战领域。
创新作战概念
推动智能化战争“思想先行”
作战概念创新对军事科技发展、战争形态演变具有思想牵引作用。过去人们对战争的认识和把握，主要源于对实践经验的归纳总结，作战概念即经验概念。未来智能化战争时代，作战概念不仅是经验概念，更是对作战的构想、设计和前瞻。
美陆军提出“多域战”概念，要求陆、海、空、天、电磁、网络等各域作战能力深度融合与密切协同。为此，美陆军先后发布《多域战：21世纪合成兵种的发展（2025至2040）》《美国陆军多域战（2028）》《运用机器人与自主技术支持多域战》等白皮书。2021年3月，美陆军部发布文件《陆军多域转型：准备在竞争和冲突中取胜》，表明“多域战”已经成为引领美陆军转型发展的一面“旗帜”。美国防高级研究计划局提出“马赛克战”概念，旨在打造一种由不同作战功能单元构成的、以先进计算机技术与网络技术为基础的、高度分散、具有高度适应性的“杀伤网”。美国防部大力支持“联合全域作战”概念。2020年3月，美空军率先将“联合全域作战”写入条令，探讨空军如何在“联合全域作战”中发挥作用。
俄军提出“指控瓦解”概念。“瓦解”是当前俄罗斯最为重要的作战概念之一，俄军电子战部队把使敌人的信息、指控、电子战和机器人系统失效作为目标，认为这一目标将“决定所有军事行动的命运”。扰乱敌方部队和武器系统的指挥和控制，降低敌方侦察和使用武器的效率，是进行电子战的首要任务。目前，俄军正在考虑组建12种类型的电子战部队。俄军还提出“非核遏制体系”概念，核心是使用非核进攻性战略武器遏制对手。其所定义的非核进攻性战略武器既包括所有装备非核弹头的弹道导弹，也包括战略轰炸机和远程空基、海基巡航导弹。此外，俄军还提出“混合战争”概念，希望利用人工智能系统谋求战场信息优势。
英国防部提出“多域融合”概念，将开发具备智能化能力的新型指控系统，以实现全面、持久、准确、快速的战场感知与力量协同。
注重技术研发
塑造智能化战争作战模式
人工智能发挥效用的关键是与其他多种技术的组合，这种组合也被描述为“人工智能堆栈”。各种技术通过互动的方式产生组合效应，进而提升每项技术所产生的能力和效果。在人工智能技术支撑的智能化战争中，“人机一体、云脑控制”的协同作战模式，“混搭编组、群体智能”的集群作战模式，“智能主导、攻智为上”的认知作战模式等，将不断更新人们对战争的认知。
聚焦创新项目研发。美军正在大力推广人工智能芯片在现有武器装备系统中的应用，给武器加上“智能大脑”，使之具备类人思考和自主交互能力。2021年10月，美海军推出被视为“当前最高优先事项”的“超越计划”，旨在通过构建海上作战军事物联网，整合有人无人联合编队，加速交付人工智能和机器学习工具，支撑全新的智能化海军架构，提升大规模火力杀伤、实现海军智能化分布式作战。此外，美国防高级研究计划局还开展了“自适应电子战行为学习”“自适应雷达对抗”“极端射频频谱条件下的通信”等认知电子战项目，研制出认知雷达电子战系统原型机。俄国防部智能技术装备科研试验中心与俄联邦科学院控制问题研究所合作，开发测试了包括无人机群指挥控制在内的自主智能算法，还与国家航空系统科研所联合开发基于神经网络原理的物体自动识别软件系统。
组建创新研发机构。新技术的不断涌现是军事智能化蓬勃发展的不竭动力，高水准的军事智能化建设离不开专职机构的技术研发。一些国家和军队组建研发中心，注重从技术层面创新发展。美国国防部建立了联合人工智能中心，计划将该中心打造成国家级重点实验室，用于牵头推进几百个与人工智能相关的项目，确保对人工智能相关数据信息的高效利用，以保持美国在该领域的技术优势。俄罗斯组建了人工智能和大数据联盟、国家人工智能中心和隶属国防部的机器人技术科研试验中心，主要开展人工智能和信息技术领域的理论和应用研究。法国成立了创新防务实验室，英国设立了人工智能实验室，印度组建了人工智能特别工作小组，进行相关技术探索。
加强装备研发列装。近年来，多国高度重视研发智能化武器装备，无人飞行器、无人战车、无人舰艇、无人潜航器等不断涌现。当前，美空军已开始在F-35战机上实践“人机协同，人在回路”的作战理念。美XQ-58A“女武神”隐身无人机此前主要与F-35和F-22战机进行人机协同作战，2021年4月该隐身无人机成功投放ALTIUS-600小型无人机系统，进一步提升了其有人无人协同作战能力。俄罗斯正聚焦侦察监视、指挥决策、火力打击、作战支援等多领域，展开智能装备研制和列装工作，计划到2025年将无人作战系统在武器装备中的比例提高到30%以上。以“天王星”系列和“平台-M”“阿尔戈”等型号为代表的俄地面无人作战武器发展迅猛。其中，Nerekhta无人战车可搭载遥控机枪和火箭发射器，除拥有一般装甲车的战斗力外，还兼具运输和侦察功能。此外，日本自卫队计划在2035年正式部署具有较强作战能力的无人空中编队。
来源：解放军报
人工智能军事对抗技术发展趋势
原标题：人工智能军事对抗技术发展趋势人工智能军事对抗技术
田天
人工智能（AI）作为新一代科技革命的典型代表性技术，目前已在世界各国的工业、金融、娱乐和公共安全等领域广泛应用，而其在军事领域的应用也正在快速发展。随着人工智能技术与军事知识与应用的迅速结合，新型智能化决策算法、无人化武器装备将在军事中普遍运用，信息和算法对抗将发展成为未来军事行动中的主流场景。为应对对抗新形势，一方面需要利用AI技术研发新型军事装备，另一方面要了解对手所可能采用的AI对抗技术和装备，并寻找其中的算法漏洞，研发相应的防御和反制AI措施也尤为重要。军事AI将在这种攻与防的环境中不断发展。
1、人工智能对抗技术概述
近年来，人工智能在人脸识别、图像识别等民用领域已广泛应用，在发挥诸多正面作用的同时，黑客也在逐步利用AI的漏洞实施定向攻击。例如，黑客攻击手机刷脸解锁，戴上制作简易的拥有伪装效果的眼镜，就可以攻破人脸识别算法解锁他人的智能手机；黑客利用深度伪造DeepFake算法伪造奥巴马、特朗普、扎克伯格等多位政要名人发布虚假观点的视频在社交媒体上大量传播。这些AI对抗技术一方面能够欺骗AI模型给出攻击者意图的计算输出结果，另一方面可以制造以假乱真的伪造内容欺骗目标受众，因而这些技术对国家社会的安全稳定造成了巨大威胁。
2、军事人工智能算法漏洞对抗场景及对策
AI图像识别系统已在军事场景中广泛应用，可被用于遥感卫星和无人飞行器自动侦查、自动确认攻击目标乃至武器装备的AI辅助瞄准系统等。然而，当攻击者利用了AI图像检测或识别算法模型的漏洞，在装备目标上加装特定伪装图案后，便可对卫星、无人飞行器和各类智能装备背后所依赖的军事图像识别系统进行攻击，使其无法正常识别视频图像内容，无法正常工作。这类对抗技术中最典型的针对图像AI模型的攻击技术称为对抗样本攻击。图一所示，通过对图片添加轻微扰动噪音，AI模型便产生了错误的分类结果，将熊猫识别成为长臂猿。现实图二所示，测试者和测试卡车通过携带由对抗样本生成的特殊图案，即可成功逃过AI模型的检测识别。现实应用中，攻击者可以利用类似的方法，使图像识别系统将视频中的军事武器识别或个人识别为无害的物体，亦或是无法识别出带伪装的武器或人员。
（图一）
展开全文（图二）
军事单位通过这类反智能化的对抗样本技术，可以对自身装备和建筑进行伪装，实现AI隐身迷彩服、AI隐身军事装备、AI隐身建筑等，具体操作示意图如下：
图三
加装这些反智能化伪装的军事装备可以逃避对手的AI自动侦查和打击，保证自身在智能化作战中抢占先机。
而当敌对方的军事装备采用了以上AI对抗技术，我方则需开发相应的漏洞防火墙来加固自身AI系统，实现对这类反智能的“AI隐身”目标的有效侦查。目前的防御方案主要分为两种：数据预处理和对抗训练。数据预处理即通过对图像数据中的攻击噪声进行识别并过滤掉，来达到防御的效果。对抗训练即通过将对抗样本图像数据和正常图像数据放到模型里训练，进行有监督学习，得到安全加固后的模型。
3、AI伪造情报问题及对策
目前的军事自动情报系统会对互联网上的文本、视频进行自动采集和分析，以获取相关情报。而针对图像场景，以DeepFake为代表的基于深度学习的视频伪造技术发展迅速。如图三所示，现在已经可以实现通过对伪造目标人脸照片的学习，实时地将伪造者的行为以被模仿者的形象输出，令人真假难辨。这类假冒政要的虚假视频以及其他采用AI技术伪造特定情报可以误导情报分析人员得到错误的分析结论，对战局产生重大影响。
图四
对于虚假视频的检测，较早的方案是通过对视频中人脸细节的检测以进行判别，例如是否长时间不眨眼、脸部有不自然高光等。在伪造技术进一步发展后，对于以上细节的模仿也越来越逼真，导致检测难度提升。目前检测方法主要依据深度学习的方法进行检测：利用大量的伪造视频和真实视频，让算法模型通过学习的方式自动学习出两者的差异，然后获得分辨视频真假的能力。
4、人工智能对抗技术发展趋势
目前各类攻击、伪造技术正在快速发展中，且呈现出训练需要的原始数据需求越来越少、生成时间越来越快的趋势，导致攻击门槛越来越低。面对AI安全威胁，2019年美国国防部高级研究计划局（DARPA）发起了一项针对媒体取证的研究计划（名为MediaForensics）以加速虚假数字视觉媒体检测方法的开发。除此之外，国外市场也涌现出了AI安全公司（如ClaypsoAI）提供针对有关政府部门的AI模型攻击测试、模型加固服务。针对这种新形势，我国也已有科研单位与领先科技公司（如RealAI瑞莱智慧）在这一领域开展基础研究与应用开发，并在人工智能对抗国际比赛中取得领先成绩。随着AI对抗的不断深入，这一新的竞争领域将越来越显示出其重要性。
本文来源：战略前沿技术
C2
北京返回搜狐，查看更多
责任编辑：人工智能应用的细分领域有哪些
什么是人工智能？人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是认知、决策、反馈的过程。
人工智能技术的细分领域有哪些？
人工智能技术应用的细分领域：深度学习、计算机视觉、智能机器人、虚拟个人助理、自然语言处理—语音识别、自然语言处理—通用、实时语音翻译、情境感知计算、手势控制、视觉内容自动识别、推荐引擎等。
下面，我们就每个细分领域，从概述和技术原理角度稍微做一下展开，供大家拓展一下知识。
1、深度学习深度学习作为人工智能领域的一个重要应用领域。说到深度学习，大家第一个想到的肯定是AlphaGo，通过一次又一次的学习、更新算法，最终在人机大战中打败围棋大师。
对于一个智能系统来讲，深度学习的能力大小，决定着它在多大程度上能达到用户对它的期待。。
深度学习的技术原理：
1.构建一个网络并且随机初始化所有连接的权重；
2.将大量的数据情况输出到这个网络中；
3.网络处理这些动作并且进行学习；
4.如果这个动作符合指定的动作，将会增强权重，如果不符合，将会降低权重；
5.系统通过如上过程调整权重； 6.在成千上万次的学习之后，超过人类的表现；
2、计算机视觉计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉有着广泛的细分应用，其中包括，医疗领域成像分析、人脸识别、公关安全、安防监控等等。
计算机视觉
计算机视觉的技术原理：
计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。
3、语音识别语音识别，是把语音转化为文字，并对其进行识别、认知和处理。语音识别的主要应用包括电话外呼、医疗领域听写、语音书写、电脑系统声控、电话客服等。
语音识别
语音识别技术原理：
1、对声音进行处理，使用移动函数对声音进行分帧； 2、声音被分帧后，变为很多波形，需要将波形做声学体征提取； 3、声音特征提取之后，声音就变成了一个矩阵。然后通过音素组合成单词；
4、虚拟个人助理苹果手机的Siri，以及小米手机上的小爱，都算是虚拟个人助理的应用。
虚拟个人助理技术原理：（以小爱为例）
1、用户对着小爱说话后，语音将立即被编码，并转换成一个压缩数字文件，该文件包含了用户语音的相关信息； 2、由于用户手机处于开机状态，语音信号将被转入用户所使用移动运营商的基站当中，然后再通过一系列固定电线发送至用户的互联网服务供应商(ISP)，该ISP拥有云计算服务器； 3、该服务器中的内置系列模块，将通过技术手段来识别用户刚才说过的内容。
5、自然语言处理自然语言处理（NLP），像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合，实现人机间自然语言的通信。
NLP
自然语言处理技术原理：
1、汉字编码词法分析； 2、句法分析； 3、语义分析； 4、文本生成； 5、语音识别；
6、智能机器人智能机器人在生活中随处可见，扫地机器人、陪伴机器人……这些机器人不管是跟人语音聊天，还是自主定位导航行走、安防监控等，都离不开人工智能技术的支持。
智能机器人技术原理：
人工智能技术把机器视觉、自动规划等认知技术、各种传感器整合到机器人身上，使得机器人拥有判断、决策的能力，能在各种不同的环境中处理不同的任务。智能穿戴设备、智能家电、智能出行或者无人机设备其实都是类似的原理。
7、引擎推荐淘宝、京东等商城，以及36氪等资讯网站，会根据你之前浏览过的商品、页面、搜索过的关键字推送给你一些相关的产品、或网站内容。这其实就是引擎推荐技术的一种表现。
Google为什么会做免费搜索引擎，目的就是为了搜集大量的自然搜索数据，丰富他的大数据数据库，为后面的人工智能数据库做准备。
引擎推荐技术原理：
推荐引擎是基于用户的行为、属性（用户浏览行为产生的数据），通过算法分析和处理，主动发现用户当前或潜在需求，并主动推送信息给用户的浏览页面。
未来人工智能应用领域的展望除了上面的应用之外，人工智能技术肯定会朝着越来越多的分支领域发展。医疗、教育、金融、衣食住行等等涉及人类生活的各个方面都会有所渗透。
未来已来，顺应未来发展大势，让自己的企业具备应对未来发展环境的能力，这就是你最应该做的事情。希望大家能在读了本片文章后，能激发出更大的兴趣去了解、学习人工智能的知识，也许，下一步可以从《人工智能简史》开始。
人工智能在物流领域的应用，我们整理了6大方向
第二、无人驾驶体系
使用机器学习和深度学习打造无人物流驾驶体系。国内物流业面临着干线运输司机短缺问题，无人驾驶技术可以提高物流效率，降低交通运输过程中的安全事故，克服人为因素所带来的诸多痛点。商用车无人驾驶技术会在港口等特殊场景率先使用，在高速公路干线得到普及，并与车联网车路协同等技术结合，推动整个公路运输体系智能化。
第三、图像、视频识别
图像、视频识别与理解技术，结合GIS、多媒体压缩和数据库技术，有效建立起可视化的仓储管理、订单管理、车辆管理系统。在智能仓库管理系统中，基于图像、视频识别分析技术的监控设备将视频、图像等数据信息汇集于主控中心，便于各级决策人获得前端仓库异常状况，从而实现即时决策、指挥调度、调查取证。在智能订单管理、车辆管理系统中，图像、视频识别分析技术可有效实现订单跟踪管理，并降低运输过程中货物的损毁、丢失等问题，从而帮助制定生产计划与排产，保证货物及时、安全地到达目的地。
第四、语音识别技术
使用语音识别技术优化智能客服系统。语音识别是包含特征提取技术、模型训练技术以及模式匹配准则在内的智能科技，是让机器通过识别与理解，把语音信息转变为相应的文本符号。在物流领域，语音识别已成为电话信道上最为重要的应用之一。基于语音识别技术的客服座席，可实现客户语音的可视化和智能分析，辅助人工坐席迅速完成词条和关键字识别，并进行关键知识库与知识点的搜索匹配，从而提高物流行业客服坐席的工作效率、服务质量与电话接通率。
第五、智能化场站管理
智能化物流场站管理、仓库作业。为实现垛口、车辆、物理格口的自动协同，进场车辆调度引导、智能停靠，可通过对运输车辆进行智能扫描、装卸垛口加装智能传感器等手段。在智能仓库作业环境中，对搬运机器人、分拣机器人与机架进行有序操作与协作，能够极大提升仓库操作的处理速度、拣取精度和存储密度。通过测算数百万SKU商品的体积数据和包装箱尺寸，利用深度学习算法技术，由系统智能地计算并推荐耗材和打包排序，从而合理安排箱型和商品摆放方案；通过对商品数量、体积等基础数据分析，对各环节如包装、运输车辆等进行智能调度。
第六、物流运营管理
人工智能还能为新一代物流行业提供更加智慧的运营管理模式。人工智能结合大数据分析，在物流转运中心、仓库选址上能够结合运输线路、客户分布、地理状况等信息进行精准匹配，从而优化选址、提升效率。采用人工智能分析，供应链各环节的产品生产制造商、供应商、物流提供商也能得到相当程度的提升，在人工智能辅助下，提前有针对性的制定产品营销策略和货物的仓、运、配计划。
总之，以上人工智能技术将应用于物流中的运输、仓储、配送以及管理等整个供应链各个环节中，形成高效的物流体系。新一代物流的发展离不开人工智能技术，因为全智能的物流行业相比现在的物流，可以更高效，更精准地为客户服务。在人工智能促进下，一系列智能物流技术应用将引领行业未来发展方向。返回搜狐，查看更多