美国需要与盟国一起实现人工智能优势


美国需要与盟国一起实现人工智能优势文章插图
随着美国与中国争相将人工智能应用于军事目的 , 许多专家担心 , 人工智能的性质可能会阻碍人工智能的发展 。 传统的看法是 , 直到现在 , 美国技术人员仍可以依靠精英研究人员和更快的计算机来胜过其中国竞争对手 。 但是 , 这些优势不再是最有效地利用AI的关键 。 中国的AI专家认为 , 中国人口众多 , 隐私控制松懈 , 在收集最佳数据集以教授AI算法如何优化性能方面 , 中国拥有持久的优势 。中国最杰出的AI研究人员李开复(Kai-Fu Lee)将中国称为 “数据的沙特阿拉伯”并指出 , 中国的数据优势正在日益扩大 。 该中心数据创新 , 美国智库也认为 , 中国的人口产生TB数据比美国人有更多的信息 。
实际上 , 确定谁在数据中拥有优势远比简单地计算每个国家存储多少字节信息要复杂得多 。 正如安全与新兴技术中心最近的一份报告正确指出的那样 , 数据的质量以及对其进行精心整理和标记的程度通常比仅仅拥有多少数据更重要 。 即便如此 , 分析人士认为中国的规模最终将使其在商业数据方面具有优势 , 这可能会让中国的公司在人工智能方面超过美国 。
但是 , 这些结论忽视了美国技术公司相对于中国同行的主要优势:其全球用户群 。 对于像Google和Facebook这样的公司而言 , 聚集数据的竞争不是在3.3亿美国人的数字活动与10亿中国公民的虚拟足迹之间的竞争 。 相反 , 他们的产品在美国 , 欧洲 , 拉丁美洲 , 非洲和亚洲大部分地区几乎垄断 。 相比之下 , 百度和微信等中文对等词只有少数非中文用户 。 这种全球影响力使美国科技公司在收集的数据总量和收集的数据多样性方面均具有优势 。 到目前为止 , 中国的数据集仍然基本上不了解中国境外的情况 。 在这些数据集上受过训练的AI算法将很难在边界之外传播 。
美国科技公司的成功表明 , 美国军方在AI时代到来之际 , 便是最有前途的道路 。 这并不意味着国防部应该简单地盲目模仿硅谷的战略 。 尽管来自商业领域的数据(例如个人的社交关系 , 当前雇主或个人财务状况)将继续成为全球情报机构的金矿 , 但与未来战场相关的数据主要涉及士兵 , 车辆 , 训练演习等 。 没有任何组织比军事机构拥有更多与这些用例相关的数据 。 幸运的是 , 正如美国技术公司在其领域中统治着全球市场一样 , 美国国防部已经做好了自己的准备 , 使其成为军事数据的全球主导平台 。 美国将大多数工业化国家视为由美国或其北约盟国制造的军事同盟和装备 , 并在世界各地飞行 。 但是 , 国防部尚未利用这一潜力 。 北约的武器和车辆最初被设计成可以在工业时代实现互操作 , 可以发射相同的子弹或通过相同的连接器进行加油 。 不幸的是 , 北约尚未为信息时代升级 。 美国陆军坦克产生的数据无法轻易访问或与海军陆战队坦克产生的数据进行汇总 , 更不用说英国坦克了 。 就像《戈德华特-尼科尔斯法案》曾经推动美国独立的武装部队突破其孤立的战场领域一样 , 军事数据现在也必须发现如何共同行动 。 三项举措对于实现这一目标可能至关重要 。
首先 , 美国国防部可以为升级数据互操作性制定10年的路线图 , 该路线图列出了具体的作战目标以证明改进 。 为了确保实现这些目标 , 可以将它们纳入与北约和东亚盟国进行的主要年度演习中 。 例如 , 美国和韩国的单位在进行年度培训时可以互相提取零件和其他消耗品 。 在整个演习过程中 , 双方都可以确认他们的后勤数据库可以结合起来 , 提供有关后勤情况的统一图片 , 并随着模拟战斗事件的发展提供对未来需求的预测 。
【美国需要与盟国一起实现人工智能优势】建立切实的目标并使时间表与现有的跨国活动保持一致将是成功的关键 。 军方投入大量时间和精力来训练其人员为战斗做好准备 。 他们现在必须学习如何“训练”并准备数据 。 这可能意味着很多事情 。 在训练人员时 , 军队花费一些时间来传授在战斗中有用的特定技能 。 在其他情况下 , 士兵会学习如何共同努力解决出现的不可预见的问题 , 或者只是学习其他单位或盟军的行动程序与自己的程序有何不同 。 无论如何 , 指挥官都认识到 , 如果期望士兵在战场上成为一支有效的部队 , 他们必须在现实世界中例行练习技能 。