久久99国产精品尤物-国产高清色播视频免费看-男生肌肌往女人桶爽视频-精品国产-91PORNY九色|www.jqdstudio.net

         據“戰爭困境”網9月21日報道，大自然蜂群的法則可以用來控制廉價無人機機群，眾多的個體可以完成巨大而復雜的任務。到目前為止，開發人員主要集中在管理蜂群，而實際上分散的群體更具有彈性，因為集中執行任務會帶來脆弱性，在鄰近對手的敵對競爭環境中可能會出現問題。

美軍飛行員克萊頓•舒特和盧卡斯·威爾兩位少校發表在該網站的文章稱，“作為兩名空軍軍官，我們最近觀看了空軍官方視頻的一個假想場景，其中一架F-35與一組無人機合作深入打擊戰略目標的使命。我們想知道如果出現動態威脅將會發生什么，迫使人們偏離預先計劃好的飛行路徑，要求飛行員對每架無人機的決策進行微觀管理。”在這種情況下，情況的速度、范圍和復雜性將使飛行員不堪重負。盡管F-35擁有一支強大的無人機團隊，但關鍵的教訓是，無人機的數量眾多并不等于真正的無人機蜂群。

響應性控制蜂群超出了人類認知能力

對于空軍而言，在戰斗中部署大量無人機并不具有決定性作用。部隊必須首先弄清楚如何執行無人機的任務，并重新平衡無人機群的任務量。正如海軍陸戰隊作戰實驗室最近的一份報告所示，響應性控制無人機蜂群超出了人類的認知能力。相反，每架無人機必須能夠執行整個群體的基本特征，即獨立協調自己的決策以產生支持集體目標的行為。因此，為了有效地發揮無人機群作用，人們必須將更多的自主權交由系統的集體算法決策。

文章認為人工智能和戰爭游戲不僅可以用來訓練人員，還可以用來訓練無人機。“雅典娜”（Athena）是個戰爭游戲平臺，用于測試人工智能功能，捕獲和評估結果數據，以改善軍事訓練。通過使用AI來完成數百萬次特定戰爭游戲任務的迭代，該框架揭示了人機交互的最佳規則，這些規則推動了支持特定任務的集群行為。這種“集群方式”提供了快速、高度靈活和不斷適應變化的方法，并且可以專注于特定任務，同時幫助單個無人機以分散的方式運行，以服務于編隊任務。

專注于特定的人工智能

在描述“Athena”的文章中，本杰明·詹森、斯科特·科莫和克里斯·懷特認為，與其等待人工智能的革命，還不如專注于特定的人工智能的成就，就執行特定任務而言，為解決特定軍事問題提供更直接的機會。文章稱：“戰爭游戲提供了探索如何將AI與指揮官操作判斷相結合的最佳平臺。......戰爭游戲Athena提供了一種方法，可以為將來的測試建立數據存儲庫，增強對AI如協助培訓，對紅隊和仿真的理解，并強調這些功能在與人類交互時的極限環境有不確定性。”

Athena框架將傳統戰爭游戲與狹義人工智能相結合，可以通過加強指揮官的作戰和戰術決策過程來提高訓練的質量。此外，該框架可應用于訓練無人機。融入戰爭游戲平臺的人工智能提供了一種快速訓練、質量決策算法的方法，以滿足空軍對無人機和忠誠僚機不斷增長的需求。

隨著戰爭特征的變化，無人機群算法的快速，靈活和任務特定的訓練計劃將變得至關重要。人工智能和無人機等商用技術的融合，正在將戰爭推如到下一個演變中，任何部隊現在都可以將一個無人機蜂群部署到戰斗中。鑒于各國之間長期戰略競爭的興起以及他們對人工智能和自主性武器的投資，找出如何利用集群，而且如何防御集群，對于競爭戰略至關重要。

具有決定性作用的并非都是硬件

“數量具有自己的品質。”——約瑟夫•斯大林

就空中優勢而言，數量上的缺點會使部隊的質量顯得無關緊要。在第二次世界大戰中，俄羅斯軍隊用數量重挫東部戰線的德國空軍。太平洋地區的日本空軍與此相近：雖然日本飛行員最初訓練有素，但很快就難以對抗數量帶來的有效競爭優勢。當兩支假想部隊數量相匹敵，質量將最終勝出。擁有相同數量的無人機將不再是決定性的。此外，在現今的機群中，額外的無人機將增加人類控制的工作量，最終減少到無法部署更多的群體。在此情況下，成功將取決于機群的質量，而不是數量。

然而，質量在這種背景下意味著什么？縱觀歷史，通常在戰斗中具有決定性作用的并非都是硬件，而是人類在操作技術方面的表現。對軍事訓練的研究發現，人類通常是武器系統戰斗力的限制因素，導致整個部隊的訓練計劃發生革命。在越南戰爭期間，海軍實施了Top Gun，這是一項針對其飛行員的嚴格訓練計劃，有助于將空對空殺傷率從二比一增加到十二比一。在越南之后，空軍和陸軍都從海軍的成功中吸取了教訓，并建立了大型部隊演習，如紅旗和國家訓練中心，為其操作員提供額外的嚴格訓練周期。

除了觀察士兵如何訓練外，軍方開始關注優化人的決策過程。空軍訓練機組人員實施博伊德（John Boyd）上校的開創性模型，通過觀察環境的反饋循環，定位可能的解決方案，根據有限的信息做出決定，并采取行動以達到預期的效果，加速決策過程（OODA環）。

“永遠不要告訴人們如何做事。告訴他們要做什么，他們的聰明才智會讓你大吃一驚。”——喬治•巴頓將軍

大規模的部隊訓練有助于增強其集中控制和分散執行任務的理論。隨著戰斗規模、范圍和復雜性的增加，這一概念成為空軍“戰爭方式”的基本原則之一。這些部隊現在使用術語任務命令來體現戰爭中分散執行任務的重要性。

在處理集群自主性武器時，嚴格的培訓、更快的決策和分散的執行仍將是至關重要的。研究人員認為，自主性系統質量的決定性因素將是硬件內部的OODA循環算法，需要對這些算法進行訓練，以便武器系統知道該做什么。簡而言之，訓練人類將不再適用; 相反，訓練算法將變得越來越重要。質量算法將在戰術環境中實現更大的靈活性，并允許以前所未有的規模來分散執行。因此，需要快速訓練算法在人與自治系統之間建立信任和信心的戰略框架 。

戰略框架應結合人工智能

DARPA的進攻性群體戰術（OFFSET）計劃用于訓練成群自主性系統。OFFSET建議使用實時游戲環境和虛擬現實界面，以允許用戶通過“眾包”方法為自主性系統推導出新穎的群體策略。通過使用特定任務的游戲來訓練，測試和使用群集功能（而不是根據任務定制的蜂群活動），OFFSET框架顯現出重大的希望。

克萊頓和盧卡斯少校認為，“我們預見OFFSET會帶來三個弱點。”首先，隨著時間的推移，依靠眾包努力來試驗游戲可能很難維持。隨著項目中的興趣（和資金）消退和流動，“人群”的規模可能無法持續。其次，隨著不同的硬件和環境準備好進行測試，眾包方法在培訓中迅速重復變得麻煩。第三，OFFSET太慢了。它強調了訓練群體的實時模擬環境，無人機通過戰斗空間“點擊”移動。這種方法降低了群體在操作中的速度和主動性，并且使得難以加速重復以在幾分鐘或幾秒內通過數千種潛在的戰術場景訓練無人機。

然而，將OFFSET現有的框架與AI相結合，可以產生一種能快速靈活適應各種任務的新型框架。2017年，谷歌的Deep Mind在應用類似的“自我發揮”訓練框架（即強化機器學習）來生成一種掌握中國游戲Go的算法時感到驚訝。谷歌的人工智能能夠在短短幾天內積累數千年的人類知識，這只能通過比實時更快的模擬來實現。將谷歌在人工智能方面取得的突破與特定任務的戰爭游戲相結合，提供了一種強大的方式來訓練和戰斗成群的無人機。

例如，人工智能可以發揮戰爭游戲模擬高層決策、行動、互動，以及為一群負責保衛基地的空中無人機產生的行為。AI不是求解集中式解決方案來管理整個防御群的位置，而是迭代地發現個體交互的最佳規則，而這些規則相結合產生集體群體行為，最大限度地減少攻擊力造成的基礎傷害。最終，由此產生的“AI訓練的”本地交互規則被加載到蜂群中的每架無人機中，準備執行特定的基本防御任務。優化的本地無人機交互規則可實現自組織和分散，從而減少人員監督以執行特定任務。

這一擬議的空軍“集群方式”解決了當前無人機訓練框架的弱點。首先，它的執行速度很快，并且避免了眾包的不穩定性。無人機操控員的工作負載需求被人工智能算法和云計算的持續可用性所取代。其次，狹義AI和戰爭游戲都將具有高度的靈活性，能夠適應不斷變化的游戲假設，例如新的硬件或環境條件。如果新的傳感器可用，無人機則可以更好地監測對手，框架可以快速重新運行。第三，該框架繼續應用使用任務來確定能力的原則，通過解決保持分散執行原則的本地無人機交互規則來實現這一原則。

挑戰：沒有人真正知道最先進的算法是如何做到的 

結合高保真戰爭游戲和狹義人工智能需要融合私營部門和軍事專家。不幸的是，圍繞這種關系的摩擦已經發生，近4000名谷歌員工要求終止他們公司對國防部Project Maven的支持。該項目使用狹義的人工智能減少人工負擔并最大限度地減少非戰斗人員的傷亡，旨在通過幫助軍事分析人員更好地處理、利用和傳播大量收集的情報，監視和偵察數據。

此外，沒有人真正知道最先進的算法是如何做到的。當使用狹義AI時，存在“黑匣子”現象的風險，即由于所使用的機器學習技術的復雜性而無法對算法做出的決定進行簡單解釋時，會發生這種情況。最終，軍方必須在其承擔的風險方面進行權衡。

“除非敵人說一切都結束了，否則戰爭不會結束。我們可能會想一想，我們可以宣布結束，但事實上，敵人是有投票權的。”——美國國防部長吉姆·馬蒂斯

有質疑者認為蜂群可能“在到達時就完蛋”。首先，這些批評者指出，無人機可能不如那些倡導技術的人宣稱的那么便宜。但是，雖然我們承認武裝無人機在這一點上可能成本過高，但商業上可用的系統如“大疆”Mavic 2（美國士兵在最近的禁令中廣泛使用），足夠便宜（每架大約1000美元），便于保障蜂群數量的優勢。其次，懷疑論者聲稱，實現無人機蜂群的信息技術將使對手能夠部署廉價有效的防空來打敗他們。雖然有證據支持這一說法，但歷史提醒我們，即使最好的防空也不完美。例如，斯坦利·鮑德溫在1932年宣布“轟炸機將永遠通過”防空在第二次世界大戰期間被證明是真的，條件是轟炸機部隊愿意承受高傷亡。成本低廉的自主性無人機本質上降低了高傷亡的風險。因此，盡管防空技術先進，但只要數量足夠多，無人機蜂群總能通過。

最后，一些反對者認為，基于計算機的戰爭游戲模型會在理論與現實之間產生差距，因為它們無法捕捉人類的動機，如欲望、承諾、激情或意志。雖然這些批評有一定道理，但它也取決于戰爭游戲的預期用途：戰爭游戲越具體，模特就越具代表性。此外，使用現場測試等其他方法驗證戰爭游戲可以增強其預測效用，并縮小模擬與現實之間的差距。在現場測試蜂群的情況下，數據可以反饋到AI和戰爭游戲框架中，以在后續操作中生成更精準的行為。

容易忽略的關鍵：培訓蜂群分頭執行任務

美國軍方已經認識到軍事硬件的成本上升以及服役人員的數量相應減少。軍方試圖通過投資大量廉價系統（如無人機蜂群）來扭轉這一趨勢，但卻忽略了一個關鍵因素：如何訓練蜂群。為了充分利用蜂群的潛力，空軍必須在人類自主性系統中建立信任，并培訓蜂群分頭執行任務。

據稱，美國空軍“蜂群方式”有望成為其即將推出的自主系統機群訓練策略。狹義AI融入戰爭游戲提供了一種快速、靈活和自適應的方式來發現和體現集群行為的最佳交互規則，這可以通過減輕人的負擔來增強自主性系統。如果不將更多自主行動權交付給蜂群系統，未來作戰環境的速度、范圍和復雜性權將遠超過人類所能駕馭。展望未來，空軍無人機機群使用最優質的人機結合算法訓練，將有助于保持有競爭力的空中優勢。

作者丨遠望智庫技術預警中心  樂天