【机器学习】 人工智能和机器学习辅助决策在空战中的未来选择

🚀传送门

    • 🚀文章引言
    • 🔒技术层面
    • 📕作战结构
    • 🌈替代决策选项
      • 🎬选项 1:超级战争(Hyperwar)
      • 🌠选项 2:超越OODA
      • 🌂选项 3:阻止其他人的决策
    • ⭐结论


在这里插入图片描述

🚀文章引言

空战既涉及技术,又受技术影响。所使用的技术限制了空军可能采取的行动,既授权又限制了部队的使用选择。鉴于此,新兴主要技术总是会吸引人们的极大兴趣,而今天的焦点是人工智能(AI)。

本文只讨论AI在决策中的作用,特别是在空战中的作用。本文首先讨论了这项技术,然后指出了作战结构,最后考虑了人工智能和机器学习辅助空战决策的三种替代方法。
在这里插入图片描述

🔒技术层面

现代人工智能已经发展到满足商业领域,尤其是消费者的需求。一个关键的进步是低成本图形处理单元 (GPU) 变得容易获取,主要是为了满足视频游戏的需求。凭借其大规模的并行处理,GPU 可以轻松运行机器学习软件。机器学习是一个较老的概念,但它需要结合GPU和对 "大数据 "库的访问,以使其在大规模的情况下变得实用和可负担。

在这里插入图片描述

机器学习中,计算机算法,而不是外部人类计算机程序员,创建了人工智能用来解决问题的指令序列和规则。一般来说,用于训练算法的数据越多,设计的规则和指令就越好。鉴于此,具有机器学习功能的 AI 可能会在“工作中”自学,随着它不断获得更多经验,在某项任务中逐渐变得更好。

在许多情况下,这些数据来自一个由互连设备组成的大规模网络,这些设备从现场收集信息,然后通过无线“云”将其传输到远程人工智能计算机进行处理。在军事领域,战场物联网 (IoBT) 以固定和移动设备为特色,包括能够成群协作的无人机。这种 IoBT 网络允许遥感和控制,但会产生大量数据。解决此问题的一种方法是将网络连接到可以实时评估数据的边缘设备,将最重要的信息转发到云中并删除其余信息,从而节省存储和带宽。

现在大多数边缘计算都是使用人工智能芯片完成的。它们体积小、相对便宜、耗电少、热量少,因此可以很容易地集成到智能手机等手持设备和工业机器人等非消费设备中。即便如此,在许多应用程序中,人工智能以混合方式使用:一部分在设备上,一部分在远程融合中心,通过云访问。
在这里插入图片描述

📕作战结构

一些与未来空战相关的重要作战概念正在出现。作战正在从联合转变为现在的多域,即跨越陆地、海洋、空中、网络和空间。一个名为“融合”的概念的意图是,友军应该能够在任何领域内攻击敌方单位。例如,陆军现在将能够在海上与舰船交战,空军将能够在有争议的环境中同时攻击空间资产和无处不在的网络。
在这里插入图片描述
这种作战概念摒弃了传统的单域线性杀伤链,转而采用利用替代或多路径的多域杀伤链。新兴的“马赛克”结构设想跨大型 IoBT 领域的数据流创建一个杀伤链网络,其中实现任务的最佳路径被确定并近乎实时地使用。然后,IoBT 领域的使用是流动的并且不断变化,而不是像旧的杀伤链模型所暗示的那样是固定的数据流。结果是,马赛克概念提供了冗余节点和多个杀伤路径的高度弹性网络。这种跨领域思维现在正在进一步演变为“扩展机动”的概念。

在重大冲突期间,实现这些联锁作战概念以对抗同级对手的复杂性是显而易见的。为了使涉及收敛、镶嵌和扩展机动作战的多领域作战切实可行,需要使用带有机器学习的人工智能自动化系统。

在中短期内,人工智能对涉及此类复杂结构的决策的主要吸引力在于其能够快速识别模式并检测隐藏在 IoBT 收集的大型数据库中的任务。这样做的主要结果是,人工智能将更容易检测、定位和识别整个战场上的物体。隐藏将变得越来越困难,瞄准变得更加容易。另一方面,人工智能并不完美。众所周知,它存在容易被愚弄、脆弱、无法将在一项任务中获得的知识转移到另一项任务以及依赖数据的问题 。

AI 作战主要效用就变成了“发现和愚弄”。具有机器学习功能的 AI 在查找隐藏在高度杂乱背景中的物品方面非常出色,但是由于能够被愚弄,因此缺乏鲁棒性。

“发现”的出发点是将许多低成本的 IoBT 传感器放置在敌对势力可能经过的最佳陆地、海洋、空中、太空和网络位置。未来的战场空间可能包含数百甚至数千个中小型固定和移动人工智能监视和侦察系统,在所有领域运行。同时,可能有同等数量的支持人工智能的干扰和欺骗系统协同作用,试图在对手的脑海中制造一种虚假的、故意误导的战场印象。

🌈替代决策选项

人工智能和机器学习决策自选项将受到技术和所需作战概念的需求影响。这里讨论的替代方案是使用技术能够更快地对对手的行动做出反应,通过技术驱动先发制人抢在对手前面,或者显著减慢对手的决策速度。

🎬选项 1:超级战争(Hyperwar)

自AI 以机器速度提供战争愿景。John Allen 和 Amir Husain 认为 AI 可以实现超级战争,其中:“战争范围战术端的战斗速度将大大加快,将决策-行动周期缩短到几分之一秒,导致具有更多自主决策-行动并发性的一方获得决定性的优势。”

在这里插入图片描述
在空战决策的情况下,著名的观察-定向-决策-行动(OODA)模型提供了一个有用的框架来理解这个想法。该模型的设计师约翰博伊德主张更快地做出决策,以便进入对手的决策周期。这会扰乱敌方指挥官的思维,造成危险的局面,并阻碍他们适应现在瞬息万变的环境(Fadok 1997, p.364-368)。在“观察”功能中,人工智能将用于大多数 IoBT 设备的边缘计算,然后再次用于中央指挥中心,将传入的 IoBT 数据融合成一张综合图景。对于“定向”而言,人工智能将在战斗管理系统中发挥重要作用(Westwood 2020, 22)。人工智能不仅可以生成全面的近实时空中画面,还可以预测敌方空中机动路线。
在这里插入图片描述

下一个 AI 层处理“决策”以了解友方防空部队的可用性,将传递给人类指挥官以批准要交战的接近敌方空中目标的优先列表、采用的多域攻击的最佳类型、所涉及的时间以及任何消除冲突的考虑。人类将在必要时保持在环或在环控制,不仅是出于武装冲突法的原因,而且因为人工智能可能会犯错误,需要在做出任何不可逆转的决定之前进行检查。经人工批准后,“行动”人工智能层将自动向每个目标分配首选武器,并自动传递必要的目标数据,确保与友军解除冲突,确认目标何时被交战并可能下令重新补给武器。

🌠选项 2:超越OODA

OODA 人工智能技术正在迅速扩散,这使得友方和敌方部队都可能同样具备超级战争的能力。OODA 决策模型可能需要改变。据此,在事件发生之前不能进行观察;该模型天生就会在时间上向后看。人工智能可以带来微妙的转变。将合适的环境数字模型和敌对力量与来自 IoBT 的高质量“发现”数据相结合,人工智能可以预测对手可能采取的未来行动范围,并据此预测友军可能采取最好的行动来应对这些。
在这里插入图片描述

人工智能和机器学习辅助决策模型可能是“感知-预测-同意-行动”:人工智能感知环境以寻找敌方和友军;人工智能预测敌军在不久的将来可能会做什么,并就最佳友军反应提出建议;人机团队中的人类部分同意;人工智能通过向部署在战场上的各种支持人工智能的系统发送机器对机器的指令来发挥作用。在这种决策选项下,友军的目标是抢占主动权并在敌军之前采取行动。

它是一种高度计算的持续战术级别的先发制人形式。人工智能将更容易检测、定位和识别整个战场上的物体。隐藏将变得越来越困难,瞄准变得更加容易。

🌂选项 3:阻止其他人的决策

试图更快地做出友军决策的另一种方法是尝试减慢对手的决策速度。在空战中,攻击者需要大量关于目标及其防御的信息才能成功发动空袭。

为了防止这种情况,支持人工智能的“傻瓜”系统可以分散在战场上,无论是物理空间还是网络空间。广泛分散的小型移动边缘计算系统可以通过传输一系列不同保真度的信号来创建复杂的电子诱饵模式。这些系统可能安装在无人机上以获得最大的机动性,尽管使用道路网络的无人驾驶地面车辆也可能对特定功能有用,例如伪装成移动 SAM 系统。其目的是通过建立一个误导性的或至少是混乱的战场画面来击败对手的“发现”系统。

人工智能“傻瓜”系统也可以与复杂的欺骗行动结合使用。例如,几架无人机都在主动发送友军战斗机电子签名的噪声传真,这样它们就可以起飞了。当大量战斗机突然空降时,敌手就会不确定哪些是真的,哪些不是。

⭐结论

在这里插入图片描述

这三个选项在决策方面提供了真正的选择。也许与最初的看法不一致,超级战争的概念最有可能涉及一系列多域共同或曲折攻击,而不是连续流线式行动。物理限制意味着需要时间来重新武装、补充燃料和重新定位自己的部队机器以进行后续攻击。

另一方面,OODA 之外的选项可能更像是一个持续的行动,因为它有效地遵循了详细的计划,尽管由 IoBT 战场空间感知提供信息。这样的决策结构可能适合主动防御,它吸收了第一次攻击,从中学习,然后以预定的方式进行攻击。鉴于 AI 的处理速度,响应将在启动前立即确定,从而从 AI 的“在职”机器学习中获得最大价值。

最后,阻止他人的决策选项为防御者提供了很大的希望,但需要在使用的监视和侦察系统以及所涉及的人类认知方面对对手有很好的了解。它似乎最适合冻结冲突的情况,在这种情况下,“傻瓜”系统可以被最佳地放置,环境非常容易理解,并且面对的是单一的对手。这一选择可能不太适合那些迅速部署到遥远战区且对局势了解有限的部队。
在这里插入图片描述

首选的选项将取决于具体情况,但强调并非所有在冲突中使用人工智能的人都可能以相同的方式使用相同的技术,即使在狭窄的决策领域也是如此。毫无疑问,更重要的是人工智能将在短期内显著改变空战决策。

  • 最后,愿世界和平!!!!
    在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/612839.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【漏洞复现】用友U8-Cloud XChangeServlet XXE漏洞

0x01 产品简介 用友U8Cloud是用友推出的新一代云ERP,主要聚焦成长型、创新型企业,提供企业级云ERP整体解决方案。 0x02 漏洞概述 用友U8 cloud /service/XChangeServlet接口存在XXE漏洞,未授权的攻击者可通过此漏洞获取数据库敏感信息,从而盗取服务器数据,造成服务器信…

API接口开发实现一键智能化自动抓取电商平台热销商品数据支持高并发免费接入示例

为了实现一键智能化自动抓取电商平台热销商品数据支持高并发免费接入,你可以使用Python编程语言和相关库(如requests、BeautifulSoup等)来开发一个API接口,也可以使用封装好的api接口获取,注册一个api账号获取key和sec…

代码审计平台sonarqube的安装及使用

docker搭建代码审计平台sonarqube 一、代码审计关注的质量指标二、静态分析技术分类三、使用sonarqube的目的四、sonarqube流程五、docker快速搭建sonarqube六、sonarqube scanner的安装和使用七、sonarqube对maven项目进行分析八、sonarqube分析报告解析九、代码扫描规则定制十…

使用 AI Assistant for Observability 和组织的运行手册增强 SRE 故障排除

作者:Almudena Sanz Oliv, Katrin Freihofner, Tom Grabowski 通过本指南,你的 SRE 团队可以实现增强的警报修复和事件管理。 可观测性 AI 助手可帮助用户使用自然语言界面探索和分析可观测性数据,利用自动函数调用来请求、分析和可视化数据…

【二叉树算法题记录】二叉树的所有路径,路径总和——回溯

目录 257. 二叉树的所有路径题目描述题目分析cpp代码 112. 路径总和题目描述题目分析cpp代码 257. 二叉树的所有路径 题目描述 给你一个二叉树的根节点root ,按任意顺序,返回所有从根节点到叶子节点的路径。 题目分析 其实从根节点往下走&#xff0c…

VM虚拟机安装调试(步骤如下图)

VM虚拟机安装调试 随着一顿安装操作,还有enter键敲下,出现如下界面。

从木匠到编程匠的传承

我的父亲在1906年出生于宁波北仑西岙村。年轻时他在老家从木匠学徒做起,学到了一手好技艺。 宁波乡下的老式雕花木床分为三弯、五弯、七弯等三种档次,其中七弯的做工最复杂。父亲说,他是会做七弯木床的。 上世纪三十年代,父亲举…

Spring Cloud Gateway 11种断言工厂

系列文章目录 文章目录 系列文章目录前言前言 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,看懂了就去分享给你的码吧。 Spring Cloud Gateway路由匹配是Spring WebFlux基础功能的一部分,在Spri…

商场综合体能源监管平台,实现能源高效管理

商场作为大型综合体建筑,其能源消耗一直是备受关注的问题。为了有效管理商场能耗,提高商场能源效率,商场综合体能源监管平台应运而生。 商场综合体能源监管平台可通过软硬件一起进行节能监管,硬件设备包括各种传感器、监测仪表和…

设置多用户远程登录windows server2016服务器

1、远程登录windows server 2016 运行—>mstsc—>远程IP地址—>用户和密码 2、远程windows服务器设置多用户策略 运行—>gpedit.msc->计算机配置—管理模板—windows组件—远程桌面服务—远程桌面会话主机----连接,如下图所示: 1、《限制连接的数量》设置为…

前端Vue uView 组件<u-search> 自定义右侧搜索按钮样式

前言 uView 文档的效果不是ui设计的样式 需要重新编辑 原效果 ui设计效果 解决方案 设置里说明的需要传一个样式对象 这个对象 需要写在 script 标签里面 这里需要遵循驼峰命名 比如font-size 改为 fontSize lineHeight和textAlign为水平锤子居中效果 searchStyle: {ba…

手机一键换ip地址到湖南

怎么把手机ip改成湖南?想要手机一键换ip地址到湖南,可以试试使用虎观代理app,一键操作,简单又方便。你会惊讶地发现,更改手机IP至湖南竟然如此便捷。 选用APP优势: ★IP资源丰富 已经在国内各大省份提供服…

Python作业三:扫描目录文件,发送到指定邮箱

问: 作业任务:编写python代码,扫描指定的目录下的所有文件,将这些扫描的文本内容邮件发送到指定邮箱(如:自己的qq邮箱) 发送邮箱:yagmail 以 163 邮箱为例,在编码之前,我们需要开…

C++ 多态 - 下

目录 1. 多态的原理 1.1. 虚函数表 1.2. 多态原理 1.3. 静态绑定和动态绑定 1.3.1. 运行时决议 1.3.2. 编译时决议 1.4. 为什么基类的对象调用虚函数不能构成多态 2. 单继承中的虚函数表 2.1. 同类型对象的虚表 2.2. 单继承的对象的虚表 2.2.1. 内存窗口查看 2.2.2…

Spring底层入门(十)

1、内嵌tomcat boot框架是默认内嵌tomcat的,不需要手动安装和配置外部的 Servlet 容器。 简单的介绍一下tomcat服务器的构成: Catalina: Catalina 是 Tomcat 的核心组件,负责处理 HTTP 请求、响应以及管理 Servlet 生命周期。它包…

QT——tableWidget-跳变之舞V1.0-记录学习【1】

QT——tableWidget-跳变之舞V1.0-记录学习【1】 文章目录 QT——tableWidget-跳变之舞V1.0-记录学习【1】前言一、利用QT创建项目文件1.1 完整项目文件如下图所示:1.2 演示: 二、声明文件:2.1 主界面声明文件:mainwindow.h;2.2 控制窗口声明文…

Python框架Django入门教程

Django 是一个使用 Python 编程语言开发的、免费且开源的 Web 应用框架。它遵循 "DRY(Dont Repeat Yourself)" 原则,旨在简化创建功能丰富的、高效率的 Web 网站。Django 提供了模型-视图-控制器(MVC)架构的…

C++ VScode: launch: program ...... dose not exist

VScode: launch: program … dose not exist 介绍 参考VS Code 配置 C/C 编程运行环境(保姆级教程)教程配置了VSCode。在配置launch.json适用多个.c 文件编译时,弹出下面错误。 原因和解决方法 是task.json 默认配置的问题。 默认的 cwd参…

Git详解之五:分布式Git

为了便于项目中的所有开发者分享代码,我们准备好了一台服务器存放远程 Git 仓库。经过前面几章的学习,我们已经学会了一些基本的本地工作流程中所需用到的命令。接下来,我们要学习下如何利用 Git 来组织和完成分布式工作流程。 特别是&#…

回归预测 | Matlab实现SMA-GPR黏菌算法优化高斯过程回归多变量回归预测

回归预测 | Matlab实现SMA-GPR黏菌算法优化高斯过程回归多变量回归预测 目录 回归预测 | Matlab实现SMA-GPR黏菌算法优化高斯过程回归多变量回归预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 Matlab实现SMA-GPR黏菌算法优化高斯过程回归多变量回归预测 1.Matlab实现…