:::

寰宇韜略

【寰宇韜略】美軍AI發展循序漸進 逐步克服挑戰(上)

◎邱榮守(譯)

 2019財政年度,美國會立法要求國防部針對人工智慧(AI)議題提出專題報告。美國防部「聯合人工智慧中心」委託智庫蘭德公司,對國防部的AI態勢進行獨立評估。重點包括評估與美國防部相關的AI狀態,指出錯誤的認知;對美國防部的AI發展現況進行獨立反省評估;針對內部作為、外部參與和立法或監管行動提出政策建議,進而強化及改善國防部的AI態勢。本報特別摘錄重要內容與讀者共享。(編按)

 前言

 2019財政年度「國防授權法」規定,美國防部應針對AI技術研發、成長和投入作戰運用等議題,進行專案研究。在2018年12月,「聯合人工智慧中心」(JAIC)主任夏納漢中將委託著名智庫蘭德公司的國防研究所(NDRI)進行研究,本著獨立客觀精神,對國防部AI態勢進行評估。蘭德公司與負責起草法案的國會幕僚協商後,將國會立法要旨精煉為3項主要研究目標:一、評估與美國防部相關AI態勢及提出錯誤的認知;二、對美國防部AI發展現況進行獨立反省評估;三、針對內部作為、外部參與和立法或監管行動提出政策建議,以增強及改善國防部的AI態勢。

 AI定義隨時間改變

 關於人工智慧(AI)的定義,經綜整政府、工商業界和學界各方意見,欠缺一致性的共識。這並不奇怪,因為從公開資訊(官方)中蒐集一些關於AI定義,也都缺乏收斂性和操作性。實際上,關於如何定義AI的爭論,自從此術語首次被提出後,數十年來一直延續中。總體而言,為AI設計一個好的定義,是一項挑戰。

 根據國防高層的理想目標(例如「會思考的機器」或「執行需要人類智慧的計算機」)來定義AI的話,內容簡單明瞭,但沒有任何實際效用,根本無助於國防部描述和評估AI的投資目標,或闡明及評估所需的AI人才需求。不幸的是,它還帶來炒作AI的副作用。用特定技術(例如「專家系統」或「深度學習」)來定義AI,也是十分困難的事,因為歷史告訴我們,AI構成要素將隨著時間和觀點的改變,而產生顯著的變化。

 由於技術的快速發展,以及預期技術進步速度和用途的困難,根據特定性能(例如「圖像中的目標識別」)來定義AI的話,亦會面臨同樣問題。美國防部需要一致性的定義,處理AI投資及AI人才的需求。要達此目標,美國防部需要針對AI內容達成內部共識。然而,無論如何精心努力,如僅採用國防部範圍內的定義,都不太可能達成此一任務。

 此文提出的概念框架與AI的精準定義無關,但允許人們有系統地思考技術與能力空間的複雜性、國防部AI的應用種類,以及投資空間和時程。更重要的是,此框架允許探索3項因素間的相互作用關係,以及其最終如何影響美國防部研發或採購AI技術的成功、擴大軍事任務的運用範圍及預期達成目標的期程。

 技術和能力空間

 此概念框架中,第1個要素是技術和能力空間,涵蓋理論結果和方法論(包括模型,演算法和經驗法則),這些方法是當前可用AI解決方案的基礎。技術和功能空間,還包括AI解決方案所能實現的潛在功能。

 國防部AI應用因素範圍

 第2個要素是運用在國防部任務的AI種類。國防部對AI的應用遵循4項獨立的因素:一、對AI解決方案研發和部署環境的控制;二、相關資源(包括數據集,計算能力和通信頻寬)的可用程度;三、AI演算法預期處理和輸出訊息能力,從慢速(數小時或數天)到即時處理;四、AI解決方案失敗的影響,以及當失敗發生時,從中復原的可能性。

 國防部AI應用範圍特徵,對於技術人員而言至關重要,從考量AI解決方案的發展和所需相對應的研究方法(即技術和能力空間),到潛在運用或使用場域(即國防部AI的運用範圍)。事實上,必須認知到這些因素對AI解決方案的可行性,以及預估發展期程將產生重大的影響。例如在不同操作環境和不同資源限制下,正確識別圖像中的目標,可能需要運用不同的技術方法,識別從網路下載圖片中的貓,可使用標記數據集(如ImageNet)的演算法加以訓練,並提升其識別能力。但就五角大廈立場而言,識別衛星即時戰場圖像中的飛彈類型,則需要採用不同的方法。

 儘管這2類應用軟體對用戶而言,非常相似,但其技術人員或操作員不一定是雷同的。更重要的是,根據上述4項要素,描述美國防部AI的應用類型,可歸納3大類:企業型、任務支援型及作戰型。企業型AI是指AI應用軟體(通常是在美國境內)的系統研發和運作環境受到良好控制且相對友善,諸如數據和基礎設施(存儲、計算、通信頻寬)等資源能夠獲得充分支援、資訊處理和決策的節奏相對寬鬆、當發生故障失效時,能從即時從有限損壞中復原。企業型AI應用軟體的運用案例,包括財務或人員管理AI系統,或軍人醫療記錄管理AI系統。

 在應用軟體頻譜的另一端,是作戰型AI,那些AI解決方案部署運用的作戰環境特徵,包括在動態、不確定、對抗且部分超出控制範圍,也就是某些資源使用受到更多限制、資訊處理和決策節奏遠快於預期及失敗的後果,也會高於預期。作戰型AI的案例有愛國者防空系統、神盾戰鬥系統,以及目前美空軍正在研發的Skyborg無人機AI系統。

 在企業型AI和作戰型AI頻譜間的某範圍,是屬於任務支援的AI應用軟體,例如作戰演算跨功能團隊(CFT),也被稱為Maven專案、網際網路監控系統、AI後勤規劃系統。尤其是,Maven專案旨在開發「計算機視覺算法」的機器學習,協助美國防部從無人機收集的全動態影片數據中,分析大量圖像。儘管資料蒐集在各戰區執行,但其處理運作是在美國境內執行。更應強調的是,這3類AI應用軟體的區隔,並未明確界定。實際上,主要是為了讓美國防部政策制定和決策者,能更直觀地思考AI的運用範疇。

 投資空間和時程

 概念框架的最後一個要素,是投資空間和時程。各種投資必須確保國防部能夠充分適當運用AI。很顯然地,投資是研發或採購AI技術和能力不可或缺的手段,但預算並非由美國防部全盤吸收,聯邦政府亦可提供部分資源,如國家科學基金會(NSF)。與投資層面最終及關鍵的考慮因素是時程,時程對於制定切合實際目標與期望的計畫至關重要;時程可區分為短(5年以內)、中(5至10年)、長(10年以上)等3種。(待續)  

友善列印

相關新聞

熱門新聞