美军如何利用人工智能高效处理情报信息
海量数据人工无法及时处理
美国国防部每年利用1.1万多架次无人机收集数十万小时的录像资料。据称，美国情报部门在一个战区范围内利用单个传感器每天能够采集的高清图像数据就超过了美国橄榄球联盟比赛三个赛季图像数据的总和。
美国国防部情报局局长空军中将杰克·沙纳罕称：“谈到情报、监视和侦察，我们有比国防部历史上任何时候更多的平台和传感器。”在一次由英伟达公司在华盛顿主办的人工智能技术会议上，他又指出：“这些平台和传感器产生了海量的情报数据，但我们却无法充分利用。”
例如，美军五角大楼部署了一个广域运动图像传感器，它可以观察整个城市。但即使有大约20名分析师夜以继日地工作，也只能处理6%至12%的原始信息，其余信息则因过期而失去利用价值。随着情报、监视和侦察数据量的不断增加，美军目前没有更多的人力来投入这项工作，矛盾问题变得越来越尖锐。根据美国国家地理空间情报局的一份报告，即使再招募更多的情报分析专家，仅凭人工手段，仍然不可能处理现有的海量信息。
沙纳罕称：“没有足够的分析人员来处理所有的录像和其他输入数据并不是现在遇到的唯一问题，能否及时地利用情报信息则是另外一个更为关键的挑战。”五角大楼的情报分析专家们每天12个小时一直盯着视频，并对看到的东西进行消化处理。有时重大事件发生几个小时以后，他们才能向决策者汇报情况简报。美国地理空间情报局在其名为《2022年地理空间情报作战概念》的报告中指出：“如果单独依靠人工手段进行信息的生成采集、特征描述、来源分析和识别处理，将一定程度上制约任务完成的速度，这也是自动化能力不足的弊端。”
人工智能技术提供解决方案
美国中央情报局认为人工智能，特别是机器学习和深度学习是一种解决这些问题的有效途径。美国国防部已经成立一个跨职能团队来负责人工智能算法项目，此项目用于开发人工智能技术来辅助处理无人机采集到的动态视频信息。该项目于2017年4月启动，六家公司已经签订了开发算法技术的协议，第一批算法于去年12月底交付并运用于无人机系统。这个项目下步还要进行额外的技术突破，近期目标是在2018年年底前为MQ-1捕食者无人机和MQ-9收割者无人机提供基于人工智能的算法，并进一步开发广域运动图像处理系统。沙纳罕表示，如果一旦成功，该技术有望被国防部推广运用。美军还将考虑用人工智能技术代替分析人员，这样分析人员才能够集中精力去做更多的分析工作，比如进行逆向思维，结合其他情况进行分析等等，而不是全时盯着屏幕。
美国国防部资助的约翰霍普金斯大学应用物理实验室正在进行一系列计算机视觉项目的研究，主要包括图像分类、检测和分割等。该实验室高级研究员佩德罗·罗德里格斯说：“有了人工智能技术的辅助，情报分析人员只需要在事件发生时接收警报即可，而不必实时地盯着监控视频等待事件发生。”
到2022年，美国国家地理空间情报局希望尽可能多的情报、监视和侦察部门实现自动化，而仅将最重要的决策任务留给人类分析师。该机构在报告中指出，因为信息来源的数量和种类都在增加，自动化技术提供了越来越多的能力来整合不同来源的情报。机器智能可以筛选出大量的信息以感知活动模式的变化，还可以自动调整几十个集合来快速匹配目标模型，并向人类分析师提供目标未来发展趋势的预测信息。
哈里斯公司的一位项目经理威尔·若勒预计，随着人工智能算法的广泛应用，深度学习技术正在朝着美国国家地理空间情报局设想的方向发展。情报人员面临的困难将从处理海量的数据转换为研究人工智能的算法，在开发大量的算法技术以后，如何实现自动化的人工智能侦察技术将成为下一个目标。
军民融合共同解决问题挑战
沙纳罕和其他参与这个项目的人注意到，人工智能技术的研究也存在一些挑战，其中之一便是学习算法对于训练数据和标记数据过度依赖。为了提高计算机的视觉能力，我们必须对成千上万的图像进行标记，这样计算机系统才能识别它看到的信息。沙纳罕表示，他们正在建立一个国防部数据分类标记企业，但这方面动作还比较慢。政府、学术界和工业界正在寻找更好的方法，使机器利用大量未标记的数据来理解新的数据。目前正在进行一些非常有趣的研究和开发，下步也许不需要15万个标记的图像就可以生成一个有效的算法。
罗德里格斯解释说：“约翰霍普金斯大学应用物理实验室致力于研究学习迁移技术来进行图像的分类、检测与分割。通过使用卷积神经网络，针对一个问题前一个数据集的机器学习可以应用到针对另一个问题的不同数据集上。”若勒也看到了利用迁移学习和无监督学习技术对改进机器学习算法的优势。下步，情报界和工业界需要探索用什么样的方法将信息引入神经网络以提高其准确性，并设计出预先训练处理新信息的算法，或使用其他技术使机器在很少或没有人监督的情况下学习。
沙纳罕指出，另一个挑战是对于计算能力的过度依赖。如果没有云计算，算法研究就不会有效，但今天的云计算技术并没有为人工智能和机器学习做任何优化。先进的计算能力也许是必需的，目前国防部的项目在图形处理单元和图形处理器的计算能力上做了大量投资，然而未来可能会有更好的选择。知名的行业专家表示，量子计算可能是改变游戏规则的技术，量子计算机将要改变未来业务的形态。目前国防部的重点是研究算法和开发工作站，最终目标是让它们嵌入到平台和传感器之中。
美国国防部的官员正试图利用商业部门的研发工作来帮助他们实现人工智能的需求，五角大楼已经引导私营部门在人工智能领域进行投资，也就是国防创新实验单元。该单元成立于2015年，总部设在硅谷，是美国国防部与国内诸多顶尖创新技术公司之间的一个枢纽机构。它负责将美国国防部的具体业务或技术需求与创新企业主体之间进行精准对接，它在购买人工智能技术上对于所有人都开放，从一个人的公司到世界上最大的数据互联网公司都可以是解决方案的竞争者。
沙纳罕指出，国防部对人工智能技术的追求带来了重大商机，军方的目标是最终建立实现算法的程序，如果达不到要求的标准，军方会寻找更好的合作伙伴。若勒表示，他们已经投资了五多年的深度学习技术，并将持续推进这方面的发展。作为一个大型的国防承包商，他们正在采取一切行动为这场大规模的人工智能技术革命做好准备。
责任编辑：何周重
人工智能 "投身" 情报界 有望成 "大咖"
人工智能"投身"情报界有望成"大咖"情报工作远比我们想象的要繁琐和复杂.这不,美国情报部门都开始用人工智能算法来替代人工了.
据悉,美国国防部目前正加紧研发可辅助情报人员搜集情报信息的人工智能技术,并计划借助人工智能算法分析整理极端恐怖组织的情报数据.无独有偶,美国中央情报局也在开发用来获取社交媒体数据的人工智能.美国安全中心发布的人工智能与国家安全报告中,详细阐述了人工智能技术对情报搜集与情报分析的重要价值.
人工智能"投身"情报界,可充分融合卫星,互联网,无人机等技术手段,加快情报提取与分析速度,实现全天候,多层次,实时广泛的情报搜集,甚至有望成为情报界的"大咖".
测试"空中慧眼"--
情报界迫切需要"人工智能间谍"
这些年,得益于信息化技术手段的提升和网络融合趋势的加快,看不见摸不着的数据呈现出"井喷"态势.尤其是无人机和卫星影像等新兴技术的发展,正源源不断地传送着大量图像和视频信息.这可"害苦"了情报分析人员.相比于以往邮件,手写文档,电话录音等情报收集方式,当今的社交网络上每分每秒都诞生着"海量"数据,如何从中快速有效提取出关键信息,成为情报部门研究的重点.
情报界迫切需要"人工智能特工"的原因,主要是如今获取的情报数据日益复杂,超出了人类分析员执行情报分析任务的能力.美国中央情报局此前公开透露,将依托硅谷开发商开展137个人工智能情报处理项目.这些项目的涉猎范围也相当广泛,大到通过对比数据变化来预测未来重大事件发生的可能性,小到让计算机自动标记出能引起情报分析员注意的人或物.随着人工智能项目的快速发展,人们已经具备从社交媒体收集数据的能力,那些看似不经意发出的"朋友圈",或许早就被"人工智能间谍"给盯上了.
与此同时,美国情报高级研究计划局也积极"试水"人工智能,通过开展一系列研究项目寻求人工智能在情报领域的突破.前不久,美国情报高级研究计划局就专门举办了深度学习挑战赛,招募能自动解析卫星影像的人工智能"特工".
众所周知,军用间谍卫星就如同"太空狗仔队"一般,每天围绕地球疯狂拍下海量图像.情报分析员处理图像能力确实有限,而诸如导弹发射井等军事设施的情报搜集工作,交给人工智能再合适不过.据悉,现有的人工智能技术,已经实现了75%工作量的自动化.
事实上,美国中央情报局早在2015年就创建了数字创新局.他们开发的用于预测社会动荡事件的人工智能系统,能在事件发生前提供预警,并已应用在美国各州针对警察的暴力事件中.2017年底,美军就在中东地区开展了人工智能情报分析试验.加载有特殊算法的计算机被用来辅助分析无人机采集的视频信息,从中自动识别出人,汽车以及各类建筑物.经过不断学习和算法更新,人工智能在复杂环境下自动识别率已经超过80%.下一步,美军还将在更多的无人机平台上测试这一"空中慧眼".
搭起"算法之桥"--
在海量数据中靠算法"泅渡"
数据无处不在,关键看你"用不用心".此前,有"好事者"通过飞行轨迹记录软件找出了100架来自美国国土安全部和美国联邦调查局的飞机.通过这些飞行数据构建模型,然后借助人工智能算法与其他飞机飞行记录不断进行数据分析,他们还找出了许多被"雪藏"的专用飞机乃至军机.
如此看来,人类行为本身就是数据,而人工智能只是对数据加以利用的算法模型.由于有太多的数据需要筛选,情报机构把希望寄托在人工智能上,试图借助人工智能来快速处理亿万比特的数据.可以说,人工智能在可用资源和紧迫需求之间搭起了一座"算法之桥",借助算法在海量数据中"泅渡",使情报分析自动化程度大幅度提升.人们再也不用耗费大量时间找寻坦克在哪里,而是可以花更多的时间考虑坦克为什么在那里,下一步坦克要做什么.
人工智能投身情报工作,其原理并不复杂.借助语音识别,文本识别,人脸识别等技术,人们就可以把大量非结构化数据"整合标注",把已采集的数据处理成计算机较易理解的有用信息.据悉,美国空军正在研究利用机器视觉识别系统监控视频中的内容.这还只是较为初级的数据信息筛选,理想情况下,人工智能并不是机械地对特定关键词或画面做出警报,而是能对所有的文本,图像和视频信息有一个整体,动态化的理解过程.
当然,这只是人工智能用于情报工作的冰山一角.研究人员借助人工智能技术,实现对离散数据的关联集成,不仅提升了情报的自动化处理水平,还可以自主学习得出基于用户识别的开源情报数据.美国军方目前正花费数十亿美元建立地理空间情报系统,这些涉及到"人文地理"的网页,电子邮件,即时消息和社交媒体等数据,恰好可以通过人工智能和机器学习实现收集处理自动化.人工智能"情报分析员"的优势就在于算法可以适应不断变化的环境和场景,还可以代替人工操作员实施目标识别等任务.
挺进"无形战场"--
日益成为军事较量的最前沿
人工智能与情报的有机融合,恰恰说明了科技进步正推动情报获取,整理和分析过程的技术变革与创新.正是人类面临情报威胁领域的巨大"数据黑洞",不断推动着人工智能,机器学习等技术在国防科技领域的发展.如今,人工智能早已成为军事较量的最前沿,像人类一样思考的人工智能"大咖",只不过是众多应用中的佼佼者.
早在2015年12月,伴随着"第三次抵消战略"的提出,美国国防部就围绕智能化和自主化提出了5大关键技术,进一步推动了人工智能领域军事应用的快速发展.美国于2016年专门发布为人工智能的未来做好准备和国家人工智能研究与发展战略规划两份报告,事实上已经将人工智能置于维持其全球军事大国地位的科技战略核心.在美国情报高级研究计划局参与下的人工智能与国家安全报告中,更明确提出了对人工智能在情报分析领域发展的迫切需求.如今,美军已经计划使用人工智能算法来分析整理极端组织的大量情报数据,美国国防部"算法战跨职能小组"的第一份"算法武器",也是用于无人机目标探测,分类和预警的人工智能算法.人工智能如今早已"跑向"情报这一"无形战场".
人工智能用于情报分析,也并非会使人类彻底"下岗".美国情报高级研究计划局开展的卫星影像分析比赛中,就出现了多角度拍摄物体影像上下颠倒,云朵移动影响成像效果,卫星影像分辨率参差不齐等诸多问题,进一步增加了人工智能深度学习的工作难度.更何况地球卫星图像并非完美无瑕,即便是人工智能识别精确度达到90%以上,依旧无法自主完成全部工作.
此外,人工智能最大的"克星",当属来自人类的欺骗或"诱导输入".我们只需要通过简单的数据输入就可以"欺骗"人工智能系统.哪怕只是像素被放错位置,一张坦克的照片就可能被误判为汽车,但人眼就很容易辨别出个中差异.为此,人们正在为人工智能寻找预防和应对"欺骗"的方法.看来,尔虞我诈的军事博弈,早已从传统战场转移到了数字领域.
来源:http://ai.51cto.com/art/201808/580409.htm
与本文相关文章核心业务不稳，Uber却投身于研发飞行汽车获Linux支持的开源指令集RISC-V投身存储和AI领域 欧盟拒绝Wi-Fi作为车联网技术标准高通宝马成大赢家百度无人车两年幻梦：10亿美元拆分未成，大神携手离职创业蔚来汽车有望于明年下半年上市加密货币PK现金:哪些国家会抢先投身这一波转型浪潮?泪奔，Google重返中国有望！90后CEO率图鸭投身开源，视频通信也成"隐形"红海