【荟聚军事】“知识积累”(Meven)工程点燃美国军事智能化人工智能技术及其军事应用芯片技术是人

文章图片
人工智能技术及其军事应用
芯片技术是人工智能技术实用化加速的基础国际上对于人工智能研究的起源，普遍认为从1950年代开始。标志性事件就是1956年的达特茅斯会议，赛弗里奇和纽厄尔分别发布了关于模拟神经系统的模式识别、计算机下棋的研究成果。同年，麦卡锡在组织“关于人工智能的达特茅斯夏季研究项目”中，首次提出了“人工智能”一词。 1954年，明斯基也完成了“神经模拟强化系统的理论及其在大脑模型问题上的应用”的博士论文，但长期以来人工智能的研究主要还是局限在理论研究的范畴。到1990年代，在军事上针对因无线电弱区造成对无人机失联失控的问题，美国有运用神经网络对遥控飞行进行训练，进而实现自主飞行的报道。当时，第一代256位的图形处理芯片GeForce256才刚刚诞生。受限于计算能力的限制，无线电弱区的问题主要还是通过通信中继的方式解决。
【【荟聚军事】“知识积累”(Meven)工程点燃美国军事智能化】人工智能的核心共性技术大致可以分为人工智能芯片、基础算法和系统平台3类。各种不同算法是系统平台的软件基础人工智能芯片则是算法实现的硬件基础。近年来，芯片计算能力和用户数据量的发展使机器学习技术进展迅速，最终推动人工智能技术达到实用化。以谷歌、微软、英特尔、Facebook为代表的科技巨头争相加大在人工智能芯片领域的布局。据国际权威基金评级机构晨星公司预测，到2021年，全球人工智能芯片市场规模有可能超过200亿美元。目前，在人工智能芯片的技术体制中比较成熟的主要有两种：一是基于GPU、FPGA等通用芯片打造半定制方案，建立包含深度学习网络、深度神经网络、深度感知网络，以及强化学习网络等算法的平台，使人工智能算法可以与多种类型的智能终端相融合。比较有代表性的是恩伟达公司（NVIDA）于2016年发布的TeslaP100 ，运算速度达到每秒21.2万亿次。二是针对深度学习算法开发ASIC（特定用途集成电路）芯片。 2018年，谷歌发布的CloudTPU使用4个定制化ASIC构建，进一步对谷歌TensorFlow算法进行优化，每秒180万亿次浮点运算，一天之内就能达到基准训练精度，成本低于200美元，已应用于美国防部的“知识积累”工程。

文章图片
2016年， NVIDA公司发布的TeslaP100深度学习GPU芯片

文章图片
谷歌发布的CloudTPU使用4个定制化ASIC构建，成本低于300美元，已应用于美国防部的“知识积”工程长远来看，利用类脑芯片进行神经形态计算，最有可能带来计算的体系革命与架构变革，本质是借鉴人脑的工作原理来实现深度学习，进而解决极其复杂的计算问题。
人工智能具有广泛的军事应用前景2018年4月，美国国会研究中心（CRS）发布了《人工智能与国家安全报告》，分析了当前人工智能项目在国防领域应用的进展。
一是情报、监视与侦察（JSR）领域的自动化情报处理由于大数据对于情报分析十分重要，所以人工智能在ISR领域具有特殊作用。算法战跨职能小组计划在2018年中期将人工智能工具集成应用到30个场景中。中央情报局（CIA）正在开发的项目有137个，利用人工智能完成如图像识别或标记（类似项目Maven的算法和数据分析功能）的任务。美国高级情报计划局（DARPA）的人工智能项目包括：在嘈杂的环境中开发实现多语言语音识别和翻译的算法、利用不相关的元数据进行图像的地理定位、融合二维图像来创建三维模型，以及基于生活分析模式推断建筑物功能的工具等。