全站搜索:
当前位置:主页 > 金石高手论坛免费资料 >

追问军事人机混合智能

出处:本站原创   发布时间:2019-10-07   您是第 位浏览者

  真正的智能军事研究不但包括非完全信息下的博弈决策也包括完全信息下的直觉洞察(如在朝鲜战争初期,把详实的资料和信息都给你,你能做出美军会在仁川登陆的判断和决策吗?)。智能最重要的表征是决策的关键点在哪里?重点关注的是什么?如何使用数据、信息、知识和经验。而不是那一堆堆的CNN、RNN、ANN、DL、RL、Bayes、Markov……若达到此目的,就需要静下来问一下自己:现有的这些常规方法/参数到底有啥问题?哪些东西可以形式化,哪些东西不可以形式化?问题、算法、模型和验证是如何产生关联的?概念是如何产生的?逻辑的功能是如何产生出能力的?建模与用模有何差异?利用算法、算力来补偿表征不足的方法还能维持多久?......最后如何抓住这些牛鼻子,找到并解决这些关键问题?

  随着深度学习、强化学习等新一代人工智能技术的发展,其在计算机视觉、语音识别、自然语言处理、生物医疗领域及游戏博弈等方面取得很大的突破,人工智能在军事领域应用也愈加广泛,催生了军事智能的概念。美国《2019财年国防授权法案》将人工智能定义为:在没有足够的人类监督的情况下,能够在变化的、不可预测的环境下“理性地行动”,或能够在经验中学习,能够利用数据提升性能的所有系统。当前世界各军事强国都将人工智能作为未来军事中“改变游戏规则”的颠覆性技术,纷纷加快推进智能化作战装备研究。就在2018年6月,美国国防部提出建立“联合人工智能中心”,以此作为专职负责军队智能化建设的机构,开始统筹规划建设智能化军事体系。军事智能的不断发展,智能化装备的大量使用,不但将与传统的战争形态从技术上产生巨大的不同,在军事指挥与控制的理论上也将对传统作战制胜机理产生不同程度的颠覆。因此,当前加快军事智能化发展,不仅要继续智能化武器装备的研究,还要提高对智能化战争条件下作战指挥控制理论的研究。军事智能研究是一个领域,不是一个学科,我们必须要用不同的方法论,从不同的角度来研究军事智能,方法论、角度越多,军事智能研究就会做得越好。美国“防务一号”网站2018年10月11日刊文称,美国军方高级情报官员越来越担心中国在人工智能等“提升人类的效率”方面的研究。美国国防情报局局长Robert Ashley在该周举行的美国陆军协会年度会议上表示,“人机融合”是颠覆性技术的一个“关键领域”,将会影响美国的国家安全,随后美国新安全研究中心(Center for a New American Security)技术与国家安全项目研究员Elsa Kania在2018年度“疯狂科学家”(Mad Scientist)大会上发表演讲提到要提防中国军方的“人机融合”研究。另外,为了提高人们对DARPA在人工智能研发工作上的认识,DARPA于2019年3月6日至7日在弗吉尼亚州亚历山大市举办了最新人工智能学术讨论会(AIC)。本次活动旨在将国防部研究界和国防利益相关者聚集在一起,体现了DARPA在当前和新兴人工智能计划上的更多信息,并探求如何将如此多的技术应用在他们的诸多任务上。人工智能学术讨论会为AI社区创建了一个环境,以便参与和开创新的合作,帮助DARPA的成果应用在国家安全中那些具有挑战性的相关领域上。

  无论是纵观古今,还是展望未来,各种军事作战装备或系统始终都是一个人-机-环境系统。实际上,无人机、无人车、无人艇等各种无人装备都不可能是完全无人的,只不过是人由前置转为后置,由体力变为智慧,由具体执行变为指挥控制,其中涉及到复杂的人机交互及其相互关系的问题,单纯的人工智能与人类智能都不能使其发挥最大效能,人机智能的混合是其重要的发展方向。

  准确地说,军事智能不仅包含自然科学和工程技术,还涉及许多社会科学的领域,如人文、哲学、宗教乃至艺术等等,这从世界上最早的兵书之一——《孙子兵法》的英文名字可见一斑:The Art of War。现代军事智能不仅仅是单武器装备的智能更是指挥控制系统的智能和体系化的智能化。作为世界人工智能和军事技术领先者-美国仍对非合作博弈条件下的多域人机与环境智能系统融合也没有太多好办法,也还在不断地尝试中,正如美军2016年发布的《自主性》研究报告中指出,AI可用于对部队和指挥官进行告警及提供行动方案的建议,但还远远没有达到能够代替人类制定决策的程度,这个观点今天看来仍然比较客观、务实的、有效。看待军事智能化发展的这个难题,不同视角会得出不同的结论。笔者根据在军事人机融合智能工程应用创新领域的研究经验,从新技术落地发展的角度,认为当前发展军事人机融合智能面临着三大瓶颈问题:缺各种尺度的实在样本数据、缺算法实在验证手段、缺复合跨专业融合人才。三大瓶颈问题,说到底是缺乏战争博弈实践和理论,在短期内是很难解决的,所以人机融合的研究首先要确定基本原则:人要解决的是“做正确的事”,机应解决的是“正确地做事”。人机融合智能的本质就是把事实与价值统一起来:人负责大方向性问题——价值问题,而机处理具体客观事实性问题。而人机融合起来就可以破解“休谟之问”(即从事实问题推不出价值问题):把事实问题与价值问题结合起来解决!曾有人说,在计算开始的地方,理解便终结了。而人机结合在一起的深度态势感知就可以实现可理解的计算+算计。

  简单地说,深度态势感知就是对态势感知的认知,它是在Mica Endsley的态势感知(即在一定的时间和空间内对环境中的各组成成分的感知、理解,进而预知这些成分的随后变化状况。)基础上,混合人、机智能。既包括了人的意向性,也融合了机的形式化。既涉及事物的大数据能指又关联它们之间的小/无数据所指,既能够理解事物原本之意,也能够通情达理、明白弦外之音。

  一般而言,自动化系统和自主系统之间的区别在于:自动化系统中,机器通过一个明确的指令(if-then–else)、基于规则的结构进行推理,并以确定的方式进行推理,这意味着对于每个输入,系统的输出总是相同的;而自主系统则是一个在给定一组输入条件下进行概率推理的系统,这意味着它可以在给定传感器数据输入条件下,对最佳可能动作过程进行猜测。与自动化系统不同,当给定相同的输入时,自主系统不一定每次都产生相同的行为输出,而是可能会产生一系列非预期性行为。美国国会研究中心在2018年4月发布的《人工智能与国家安全》报告中,与自动化系统、自助系统、机器人进行了明确定义:自动化系统是指系统功能是自动的、没有(或仅有有限的)人类参与的系统。这类系统通常运用于结构化的、不变的环境,通过简单的脚本或规则做出既定响应,从而完成一套特定的、事先已被定义的任务;自主系统是指能够基于自身的态势感知(综合情感、理解、分析)、计划、决策能力,来完成指定任务的特殊系统;机器人是指能够通过直接人工控制、计算机控制或人机共同控制,火车票买好了在哪里查?,来执行一组动作的动力机械装置,至少由平台、软件和电源构成。

  即使世界再复杂,情境再捉摸不定,也总有蛛丝马迹般的端倪会出现。“第三次抵消战略”自2014年9月由美军提出以来,目前已进入全面实施阶段。美国国防部副部长沃克提出,自主学习、机器辅助人员作战、有人—无人作战编组、网络化、半自主武器将是“第三次抵消战略”重点发展的五大关键技术领域。美军在2016—2018财年的国防预算中,持续加大对自主系统、情报数据分析、大数据分析、机器人、自动化及先进传感技术的投资强度。是否能研究出支撑技术应用的算法,提升人工智能、自主技术的水平,将成为决定上述各主要方向技术发展的关键所在。从众多公开信息分析不难看出,当前世界排名第一的美军对军事智能领域的重视程度也很高,其主要着力点两部分:一是机器学习,二是自主系统。机器学习就是形式化的(程序规范性的)代表,描述一个规则的事态;自主系统就是意向性(非形式化、事实经验性的)的特点,描述一个可能的事态。形式化推理就是将命题,逻辑联接符号化,然后规定变形规则,进行公式间的转化变形,就可以用来表达推理。非形式化的推理就是不借助符号,而是直接通过自然需要来进行语句间的变换。一开始这两个部分可能是各自为战,分头突进,但过不了多久,该研究的真实意图就会和未来科技的发展趋势越发一致起来:人机融合智能系统。这也说明了军事智能的可见未来既不是单纯的机器学习,也不是可爱的自主系统,而很可能是结合人机各自优势的融合智能,若凝炼成科学问题,本质上就是要回答认知和计算的关系,以及人类智能和机器的类人智能之间的关系问题。

  对军事智能而言,无论机器学习还是自主系统,都不外乎是为了精确地感知、正确地推理和准确地预测,这就涉及到了一个大家司空见惯又望之兴叹的军事智能核心概念之一:态势感知。

  所谓态就是暂时如此的表象,所谓势就是本来如此的真像;从价值论角度看:“态” 即从描述事物的价值状态与价值特征的众多数值中取其任意值;“势”即是从描述事物的价值状态与价值特征的众多数值中取其最大值或极大值,可以分为局势和趋势。态面临的困难是符号形式化准确表征;势对应的瓶颈为意向性完整的抽象提炼;感遇到的麻烦在主动性选择想象获取;知直面的阻碍于非逻辑局部与全面关系的转换。

  态势感知就是通过转换不同的角度思考达到知己知彼的途径,一般是由表及里、由外到内、由下到上、由态到势、由感到知,若能够把其逆过程融入进来,即同时还可以由里及表、由内到外、由上到下、由势到态、由知到感,那么还可以加入“深度”以示强调,称之为深度态势感知。孙子所说的“知”应该就是这种双向甚至更多向的交互换位融合,就是深度态势感知,而他言的“己”和“彼”也不仅仅是指敌我,还应涉及到各种物和装备,以及对环境的考虑。优秀的指战员不仅可以及时感态,而且还可以迅速地知势。态倾向形式化,势倾向意向性,态势感知就是形式化衍生出的意向性描述,势态感知就是态势感知的逆向过程——资源管理。例如我国著名的三十六计(围魏救赵、金蝉脱壳等)强调的是势,不是态,算计出的是势,计算出的是态,人是算计,机是计算。人是从势到态,机是从态到势。

  深度态势感知还意味着把平台、系统、体系各级别态势感知融合在一起形成的,如图1。可控的指控是势态管理,不可靠的是态势感知。人们视觉上一般是先见森林后见树木,先整体后个体,这与先势后态的深度感知是一致的。

  态是对事物的一种印象,势是一种对这种印象的观念。态势之间的相互作用无非是四类:根据有态之势,找无态之势;根据有态之势,找有态之势;根据无态之势,找有态之势;根据无态之势,找无态之势。

  与机器学习不同的是:人的一切学习都能建立一种范围不确定的隐性知识/秩序,并且人的知识迁移还能及时地把已知的知识变成未知的先验继续使用。人的学习与机器学习最大的不同在于复合式常识性学习,而不仅仅是规则化概率性输入。人的常识很复杂,扎堆的物理、心理、生理、伦理、文理……既包括时间空间的拓扑,也包括逻辑非逻辑的拓扑。人机之间互感知、互推理、互理解、互决策、互学习的融合智能才是未来发展的趋势和方向。

  对“态”而言本质是表征的问题,尤其是静态的表达,侧重于感形(客观存在,being),感己感彼;对“势”而言本质是理解(构建联系)的问题,尤其是动态的会意,侧重于知义(值得、应该,should),知己知彼;由态到态的交互过程,没有智能的出现,得形失意;由态到势的交互过程,亦即数据在流动中生成信息知识(形成价值性)的过程,也就是智能的产生过程,得意忘形。理性很难进行创造,感性很难进行精确。很多态是形不成势的,态形成势的过程就是智能元素成分浮现的过程。

  “态”也是先天已存在的事物发展惯性,“势”就是后天未存在的事物发展惯性,感知就是要理解态、势。深度态势感知就是深度理解态、势,把人的态势感知与机的态势感知结合起来。另外,军事智能不是情境/场景/态势性的,而是跨情境/场景/态势性的,因而超越感知的觉。

  在军事智能领域中,特别是态势感知处理过程里,态势与感知的形式化、意向性描述分析非常重要,其中形式化就是理性了的意向性,意向性就是感性了的形式化,逻辑就是连接感性与理性、形式化与意向性的桥梁。意向的可及性是其形式化的一个关键,同时,可及性也是可能性向现实性转化的前提条件。就意向性而言,可及性就是(而且几乎总是)态与势之间的限定交互,如同一个事物在不同时空情境(各种态+各样势)中转换的配对和映射、漫射、影射。事实上,从数学的映射到物理的漫射到心理的影射都涉及智能问题,既是逻辑命题与经验命题之间的相互融合过程,也是人类理—解、感—知过程,其中从理到解的一部分变成了人工智能。

  目前人工智能最难突破的是非家族相似性的漫射、影射问题,人机合作则有利于该问题的解决:人的意向性是形而上,机的形式化是形而下,人机融合就是两者虚实之间的道器结合。差异会产生变化的动力,人是容易感知到前提条件变化差异的,机器对此应对明显不足,如何使机器产生感知外部前提条件的变化,并依此而随机应变。例如,人类的词语、概念、语义不是固定的,是随着情境的变化而自然变化的,人的概念生长如同生理成熟一般:总是从婴儿的脆骨演变为成人的硬骨,虽然可以支撑着更高大的身体,却也失去了柔软和弹性。而机器的这种畸变就小的多或基本没有,这也是人机融合的一大障碍,变与不变的对立,如何统一就是关键点。需要强调的是:军事智能中的人机合一,不是简单的“人心+机脑”,而是人(单人、多人、敌我)+机(机器装备+机制管理)+作战环境(真实+虚拟)体系的交互统一,如图2所示。

  军事智能本质就是主客观融合的“诈”与“反诈”,既包括有机融合,也包括无机融合,即是主观以一定方式与客观融合,其目的是适应。军事智能研究第一步是解决表征问题,没有表征,何谈联系,即先搞清楚:(你我它)是“谁”之问题,也就是恰如其分地“知己知彼”。对人而言,之所以诸多表征的不确定性不会造成处理、决策的不确定性,其实是人的意向性和目的性在起作用,人本身就是目的而不仅仅是工具。对于人机混合智能而言,4887雷锋报但每次假期回乡时,人可以把握实在的可能性,机可以运行逻辑的可能性,两者都会产生因果或相关关系,但这些关系具有不同的意义。即也许存在多重的因果或相关关系于人机融合之中,这些关系有显有隐,交融在一起,进而构造生成了复杂性问题。在复杂系统中可能交织在一起形成多个因果或相关关系嵌套纠缠,而我们注意到的与实际的关系经常存在不一致性。赋予机器智能的假设前提基本上都是有限的,这种有限性限制了众多的变化可能性。这些问题的解决不是靠增添新经验而是靠集合整理我们早已知道的东西——常识。人自身的感和觉也有隐协议,这些默会的协议支配着人的态势感知,是先视后识?还是先识后视?抑或两者在何种态势下混合使用,而且每个人的方式都不同——习惯阅历使然。人之间的交流也有不少协议,而且这些协议在相互交流中切换自如,游刃有余,不知不觉,变化多端,甚至可以在自相矛盾中自圆其说(如自然语言里的多义性),这些协议中有些是隐性的常识规则,有些是个性化的性格习惯,总体上,两者间的边界模糊,弹性十足,约束宽松,条件灵活……而人机之间的交互协议相比之下,显得是那样的单调、机械、数学,界面分明,有板有眼,一丝不苟,缺乏情趣!

  人既有确定性的一面也有不确定性的一面,机(机器、机制)同样如此,如何把不确定性的一面转为相对稳定的确定性加以使用,这是人机融合的一个重要问题。人的确定性+机的确定性比较好理解,人的不确定性+机的确定性、人的确定性+机的不确定性、人的不确定性+机的不确定性难度会依次递增,解决好这些问题就是人机融合过程。不确定性是由于表征与推理的可变性造成的。其机制背后都隐藏着两个假设:程序可变性和描述可变性。这两者也是造成期望与实际不一致性判断的原因之一。程序可变性表明对前景和行为推导的差异,而描述可变性是对事物的动态非本质表征。人类的学习不但能建立起一种范围不确定的隐性知识,还能建立起一种范围不确定的隐性秩序/规则。机器学习也许可以建立一定范围的隐性知识、秩序,只不过这种范围比人类学习建立的范围要小的多,而且可解释性更差,容易出现理解盲点。高手和菜鸟面对的情境常常是一样的,只不过高手往往会关注关键和临界处,及时地把态进行优化处理成势,而菜鸟却很难进行类似的态势转换,进而造成态的固化不前。

  人机融合智能的一个瓶颈问题,是如何将计算和认知结合起来。1971图灵奖获得者约翰·麦卡锡发表观点:“与所有专门化的理论一样,所有科学也都体现于常识中。当你试图证明这些理论时,你就回到了常识推理,因为常识指导着你的实验。”从中,我们不难看出:认知里的常识恰恰是被计算所过滤掉的精华。常识就是非结构化的多模态信息/知识的复合体。研究将常识应用于计算是突破知识和认知结合的关键。

  人的智能在于事前的无数据,机器的智能在于事后的有数据,而数据的价值和意义是由人确定的,所以是可变的,所以有机无人的数据必然是无用的。人机融合的关键还应该包括:一多与灵活弥聚的表征、公理与非公理混合推理、直觉与“间觉”交融的决策。首先,通过人的价值取向有选择地获取数据,在这个输入过程中不仅是客观数据与主观信息的融合,还应该包括人的先验知识和条件;其次,在人机信息/数据融合处理过程中,人的非结构化信息框架(如自然语言)会渐变为结构化一些,而机的结构化数据语法就会非结构化一些,这个过程不但要使用基于公理的推理,并且还需兼顾结合非公理性推理,使得整个推理过程更加缜密合理;最后,在决策输出阶段,人常常是由脑中若干记忆碎片,与五感接收到的信息,综合在一起,跳过逻辑层次,直接将这些信息中和的结果,反射到思维之中,形成所谓的“直觉”,其结果的准确程度,在很大方面取决于一个人的综合判断能力,而机器则是通过计算获得的结果--“逻辑”进行间接评价,这种把直觉与“间觉”相结合的独特决策过程就是人机融合智能输出的一大特点。

  人机融合智能的一个核心问题是介入问题,即人与机相互之间何时何处以何种方式(或平滑或迅速)介入的问题,尤其是在歧义点或关键阈期间介入的反应时、准确率。比如,在融合时彼此之间的接受、容忍、信任、匹配、调度、切换、说服、熟练程度,以及如何训练出个性化的伙伴关系等都是具体亟待解决的问题。由于人机融合在细节层面和人人之间的合作几乎同样复杂,或者说是有一些另类的复杂问题。因而可以认为,从技术角度讲,人机融合智能绝不仅是一个数学仿真建模问题,还应是一个实验统计体验拟合的问题。

  客观而言,人机融合智能及其态势感知研究是一个复杂性领域,不是一个学科,我们要用不同的方法论,从不同的角度来研究这种新型智能,方法论、角度越多,人机融合智能研究就会做得越好,也许智能领域什么时候从以数据为中心转变为以环境对象为中心,什么时候才可能有真正的智能出现吧!因为人从来不是靠数据说话的,而是靠认知环境中各对象的联系产生智能的。

  计算的确可以让机器承担很多操作性的任务,但执行操作并不等同于替代执行操作的人,各种无人装备、无人系统并不是完全无人,未来战场上的趋势可能是装备无人、平台无人但是系统有人,前线无人但是后方有人,人与机可能在物理上分离但是在整个系统中产生更深层次的融合。人作为自然实体所进行的操作,与机器通过计算而实现的操作相比,有一个至关重要的区别,就是约翰·塞尔所强调的“意向性”维度。不论是军事智能还是民用智能,都有一个反思内在价值追求的向度,这只能由人的意向性自我解释来实现,而不可能由非人来实现。战争是人与装备的结合,再好的装备也需要人来操作。如2018年俄罗斯在制定人工智能武器方面的立场,突出体现在其关于致命自治武器系统的官方立场文件中,它要求“人在决策循环中”,但不赞同限制国家建立和测试新技术的主权的国际制度的概念。因此俄罗斯国防部门采用以结果为导向,前瞻性的方法来开发人工智能。

  总的来看,军事人机融合智能将会从思想、技术和应用模式上对现代和未来军事作战产生全面影响。目前已在三个方面初见端倪:一是智力会超越体力、信息的有效协同成为决定战争胜负的首要因素;二是无形的(不战)监控取代残酷的(激烈)摧毁成为征服对手的首选途径;三是在体系作战中,人机融合产生出的集智作用有可能超过集中火力和兵力的作用。对人而言,机就是延伸自我的一种工具,同时也是认知自我的一种手段,通过机的优点来了解自己的缺点,通过机的缺点来明了自己的优点,然后进行相应的补偿或加强。鉴于人机处理事物的方式不同,或许,智能什么时候能够从以数据为中心转变为以环境对象为中心,什么时候才可能有线财年国防授权法案》批准新设立了一个独立委员会——人工智能国家安全委员会。联邦政府和参众两院议长将共同任命15人组成人工智能委员会。委员会的任务包括:(1)考察人工智能在军事应用中的风险,以及对国际法的影响;(2)考察人工智能在国家安全和国防中的伦理道德问题;(3)建立公开训练数据的标准,推动公开训练数据的共享。对人机环境系统而言,机是相对理性的,人是相对感性的。人是由其信念所构成的,他即他所信。智慧不同于科学知识。科学关心事实如何,但智慧不能只关心事实,还要更关心如何给事物以价值和意义。科学关心事实如何,但智慧不能只关心事实,还要更关心如何给事物以价值和意义(美国的星球大战计划造成前苏联战略定力不够,进而忽悠崩溃了内部也日益渐下的前苏联)。军事智能与民用智能最后面临的终极问题很可能不是科技问题,还是那个永恒的话题——道德伦理,这也是超越了智能的智能,道德中的道是道路,德是得到,道德就是通往得到的道路;仁是人,义是应该。仁义道德就是人走向应该获得的道路!这实际上是感知觉的一种深度概念抽象加工,是一种直觉化了的认知框架结构,是一种无意识化了的深度态势感知,即符合内在道德要求的为刺激-反应快模式,而不是理性的刺激-选择-反应慢模式。

  总之,人机融合智能研究是智能技术发展到一定程度的产物,它既包括人工智能的技术研究,也包括机器与人、机器与环境及人、机、环境之间关系的探索。可以预期到的是,人机融合智能技术本身离我们设想的智能程度还相去甚远,且自发的将人的智能迁移到机器中的想法本身实现难度就极大。这是一个很难回避的问题。这些都需要目前的智能科学家们做进一步的研究。人机融合智能研究不仅仅要考虑机器技术的高速发展,更要考虑交互主体-人类的思维与认知方式,让机器与人类各司其职,互相促进,这才是人机融合智能研究的前景与趋势。