人工智能在算法战中的应用（上）

温馨提示：这篇文章已超过1015天没有更新，请注意相关的内容是否还可用！

简介

本文是美国博思艾伦汉密尔顿咨询公司（BAH）战略创新小组的首席科学家Courtney Crosby博士在《MILITARY REVIEW》上发表的关于将人工智能应用于算法战的文章。Courtney Crosby博士目前负责C5ISR领域内的人工智能运用与创新，专门为美国国防部研发战场人工智能（AI）系统。本文阐述了军事人工智能效能框架，首次提出了评估人工智能效能的五项要求，并对人工智能项目投入实战应用提出了建议。

冲突的胜负取决于军事抵消战略，或者防御部队以不对称的方式对抗敌方优势的手段。随着大国竞争加剧、对手的技术不断超越以及战区的范围不断扩大，通常可通过人工智能（AI）增强常规抵消战略。但美国防部（DOD）运用人工智能的能力尚处于起步阶段。美国防部最初采用的人工智能计划侧重于将商业能力转移至国防部门，从而突出技术性能并淡化面向任务的功能。因此，未能在实战环境中开展最初的试点项目。

运用人工智能

人工智能不是最终状态，而是实现军事优势的一种方式。人工智能技术的应用必须与作战环境相结合。这种考量与传统思想不同， 因为人工智能解决方案通常旨在实现某个统计阈值（如召回率、准确率），而非某个军事目标（如增加防区外投射距离）。

这种动态被“算法战”这一术语所混淆，该术语目前将技术和军事特征描述混为一谈。 算法战旨在减少处于危险中的作战人员人数，提高时敏作战决策速度，并在人类无法介入的时间和地点展开作战。然而，这些目标均不涉及数学或计算机科学，而是完全基于军事最终状态。问题在于美国防部开展其人工智能项目之前，从未建立科学、技术、工程和数学等学科与军事最终状态之间的桥梁。

理想的桥梁是一个能指导和评估人工智能实际运用情况的框架，一方面关注算法性能，另一方面注重任务效用。这种组合确保了数学方程可以证明或以数字方式验证人工智能系统，而定性基准保证了实际应用。因此算法战不仅基于统计数据，也基于更广泛的作战相关性体系结构。这种相关性体现在以下五项要求中：

• 具备最小可行性；

• 适应未知和不可知场景；

• 优先将信息转化为洞察力；

• 应用程序所需的自主性级别；

• 战场上的战备状态。

此类要求首次为评估军事人工智能项目和定义成功的人工智能项目奠定了基础。

将技术方法与国防条令相结合

为军事人工智能计划制定效能标准（MOE）需将研究方法和技术方法（如扎根理论）与国防条令相结合。缺少这种结合，算法战就会沦为算法开发过程，而非作战部署。例如，旨在检测视频中目标的计算机视觉算法（如地理空间情报分析）会沦落为算法模型找到的车辆数量或找到这些车辆的准确度。按照这种理论，找到车辆的正确率达到85%就算成功了。

但在军事行动中找到车辆的正确率达到85%有何作用？这就是我们说的要结合任务背景来保持作战条令的完整性。以上面的示例为例，评估相同算法不是为了看它有多少次正确检测到车辆了，而是其对任务的影响：凭借该模型，分析员识别相关车辆的速度提高了95%。这种方法将算法设计的好坏与其任务部署联系起来。尽管这看起来是常识，在某些项目文档中可能有模棱两可的表述，但在国防部的任何条令中均无明确的量化标准。

评估标准需不依赖于解决方案（即无论智能类型、使用的算法、所部署的作战环境或任务要求如何，该标准均适用）。因此，在这项研究中人工智能原则被编入与系统和程序无关的各种可量化属性和指标中。

同时也按“通过/不通过（go-no-go）”的方式提出评估标准，以创建一个与相关联合出版物同义的合乎逻辑、自上而下的层级结构。从而构建一个规范、监控和评估国防部人工智能系统的基准。

军事人工智能框架

如前所述，实际运用的人工智能是由任务效能的五个方面定义的人工智能：具备最小可行性、适应未知和不可知场景的能力、优先将信息转化为洞察力、应用程序所需的自主性级别以及战场上的战备状态。这些效能标准（MOE）中的每一项都是算法战的基础。对这些信息的分析为每项效能标准提供了一个全面的指标和效果框架。整个框架以理论定义和程序为基础。

图1 算法战（人工智能）的效能标准（MOE）

衡量有效性

衡量有效性的军事过程取决于一种自上而下的“通过/不通过”体系结构。这意味着仅当该衡量标准的每个单独指标也存在时，该衡量标准才存在。同理，仅当该衡量标准的所有影响也存在时，该衡量标准才存在。这是一个二元的、全有或全无的过程，可像常规军事活动一样轻松应用于人工智能。

在高价值目标（HVT）生命模式分析的常规案例中，效能标准将定义军事行动的某种预期结果（例如，HVT转移到责任区域（AOR）外）。必须满足该效能标准的所有规定指标，从而无法随意地或选择性地认定成功。例如，情报应表明以下情况：（a）在新的责任区域中探测到高价值目标；（b）在新的责任区域中探测到已知的高价值目标的关联物；（c）高价值目标在新的责任区域中获得了基本的生命保障系统（如住房、交通）。随后的影响遵循相同的过程：支持指标“a”的影响可能包括识别已知的物理特征和探测通信信号。