美军开发用于城市战环境的人工智能系统

作者: 明日情报 2020-02-03 12:21:41

 为提升城市环境中士兵的态势感知和作战能力,美国陆军研究实验室启动了认知和神经生物工程协同技术联盟研究项目,寻求利用基于神经科学、工程学和心理学等方法将士兵与作战系统融合,利用人工智能和虚拟现实等技术构建“士兵即系统”的新型作战能力,目前已经开展了数字士兵和脑机接口方面的研究工作。

美国陆军构想了这样一种未来城市战场景:步兵正在敌方的火力压制下清理城市建筑,此时无人机探测到附近有一支敌方作战小队正埋伏在墙后。随着美陆军士兵不断清理房间并在敌方火力下逐步转移,士兵们需要迅速获取前方埋伏的敌军信息。这些信息不仅左右着士兵的生命,甚至决定着战争的胜负。如果人工智能系统能够根据无人机和其他高速机动信息源发送的信息快速分析出如敌军位置、武器和从属关系等,并将其传送给士兵,就能够为士兵提供决策优势。

目前,美国陆军虽然从技术上可以实现上述功能,但无法满足战场上高速信息处理需求,而人工智能算法驱动的程序则可以在几毫秒内将最新信息与已有的各种数据库进行对比和区分,以便为士兵提供决策信息。因此,美国陆军研究实验室开展了认知和神经生物工程协同技术联盟研究项目,寻求利用人工智能和自主化技术来大幅提升士兵的决策速度,同时保留人特有的关键决策能力。

1.士兵即系统

未来,在人工智能技术的支持下,士兵使用的各种系统可快速开展程序化功能,并为人的决策提供支持信息,这个决策过程被称为“士兵即系统”,即利用计算机网络和最新算法将士兵操控的各节点无缝集成。未来,美国陆军将利用单一架构来连接士兵的夜视镜、可穿戴计算机、显示移动数字地图和时敏情报数据的手持式设备、各武器站点、声学和光学传感器以及移动电源等装备,并通过各种自动化和人工智能应用程序来提升团队信息共享和决策能力,这将极大改变未来的战术和战略场景,提升士兵的生存能力。

美国陆军研究实验室正在与陆军未来司令部下属的士兵杀伤力跨职能团队合作,以便将士兵即系统的架构概念推广到陆军班组级部队。自主性系统可从各种系统中获取和处理数据,并为指挥官和士兵提供有用的决策方案,伴随着越来越多的智能化技术的使用,未来战场的本质和士兵执行任务的本质将发生翻天覆地的变化。

美军开发用于城市战环境的人工智能系统

图1 士兵即系统构建方式

2.数字士兵项目

美国陆军的认知和神经生物工程协同技术联盟中包含许多业界合作伙伴,如Booz Allen Hamilton公司。2019年10月,该公司获得美国陆军授予的价值5.61亿美元的“数字士兵”系统开发合同。“数字士兵”系统可更好地连接战场士兵的所有单兵设备,并将通过虚拟现实等技术为士兵提供训练辅助。

该系统可识别视频中的人及其行为,一旦发现有人举起武器就能够立刻向士兵的平视显示器或在附近飞行的无人机发送提示信息。此外,该系统能够创建一个逼真的虚拟现实环境,士兵们不需要上飞机就能够进行跳伞等训练,帮助士兵们做出正确的跳跃姿势,并完成规定动作。

美军开发用于城市战环境的人工智能系统

图2 数字士兵应用构想

Booz Allen公司正与美国陆军和其他业界伙伴共同探索决策过程中自主系统和人之间的关系。研究发现,战争中存在诸多互相交织的复杂变量,机器和计算机算法在这方面的处理能力较弱。即便是最好的人工智能系统,也无法完成特定类型的判断决策、感觉或与人认知相关的其他动态任务。

3.适应士兵需求的人工智能系统

2019年4月,美国陆军研究实验室的科学家发表了有关利用人的大脑活动信号来训练人工智能系统的论文,寻求优化人-机组队的性能。未来,先进的人工智能系统可动态响应士兵需求,并自适应地辅助士兵完成任务。

在战场上,士兵可同时执行测量地形、通过特定区域、接收通信信息、评估威胁等多项任务,这些任务是在大脑不同区域的指挥下执行的。研究人员希望能够分析士兵执行任务时大脑中的数据,以确定各种数据对应的任务。通过学习大脑各区域如何合作完成任务,科学家可构建能够预测任务完成方式的人工智能系统。

美军开发用于城市战环境的人工智能系统

图3 利用脑机接口训练人工智能系统

研究人员对30名受试者进行了脑部核磁共振成像,以绘制大脑中注意力、运动技能、视觉和听觉系统等九大不同的认知系统之间传递信息的组织通路。研究人员将组织通路地图转换为计算模型,以了解大脑中各区域之间的工作模式,并运行仿真系统来展示对特定大脑区域的刺激所造成的影响。研究人员开发的数学框架使他们能够在特定仿真中测量大脑活动如何在各种认知系统间同步,此项研究在大脑基本协调原则方面的成果可应用于人-机组队的动态任务分配。

在试验过程中,一名有作战经验的士兵佩戴装有脑电图传感器的头盔,在他观看到具有威胁性的图片时,传感器能够检测到士兵的高度焦虑、恐惧和紧张情绪。使用脑电波来标记威胁图片可收集足够多的标注训练数据,从而可快速教会机器学习算法识别威胁图像。在战场上,由头盔传感器检测到的表示高度焦虑的脑电波可以传输给同一小队的其他成员,以警告他们可能存在的危险。

4.面临的挑战

目前,美国陆军开展的主要工作是寻找能够成功分析与人认知和行为相关的主观性判断方法,如识别言语模式或与人过往行为、倾向或决策相关的各种信息,这类研究工作目前还处于早期阶段,并且也不一定能够解决已知的人工智能限制因素——信息。这是因为问题的含义和推理都是以信息来表示的,而人工智能系统难以完全融合或对比不同信息所处的“生态系统”,例如特定信息收集系统只能应对专用的数据集,因此解决多领域的数据交互问题存在困难。未来的人工智能系统需要能够分析不同信息所处的生态系统,并根据这些分析来融合信息,以提供可靠的输出结果。

人工智能 技术 无人机
上一篇:OpenAI全面拥抱PyTorch,TensorFlow:我哪里比不上它? 下一篇:人工智能已辅助分析242万份病历
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载