在大数据时代,人工处理海量信息能力的不足是制约情报工作的一大问题。据美国《国防》杂志近期报道,美国军事情报部门正在开发能够迅速准确从海量原始信息中甄别出高价值情报的机器学习和人工智能技术,为这一问题提供了解决方案。

海量数据人工无法及时处理

美国国防部每年利用1.1万多架次无人机收集数十万小时的录像资料。据称,美国情报部门在一个战区范围内利用单个传感器每天能够采集的高清图像数据就超过了美国橄榄球联盟比赛三个赛季图像数据的总和。

美国国防部情报局局长空军中将杰克·沙纳罕称:“谈到情报、监视和侦察,我们有比国防部历史上任何时候更多的平台和传感器。”在一次由英伟达公司在华盛顿主办的人工智能技术会议上,他又指出:“这些平台和传感器产生了海量的情报数据,但我们却无法充分利用。”

例如,美军五角大楼部署了一个广域运动图像传感器,它可以观察整个城市。但即使有大约20名分析师夜以继日地工作,也只能处理6%至12%的原始信息,其余信息则因过期而失去利用价值。随着情报、监视和侦察数据量的不断增加,美军目前没有更多的人力来投入这项工作,矛盾问题变得越来越尖锐。根据美国国家地理空间情报局的一份报告,即使再招募更多的情报分析专家,仅凭人工手段,仍然不可能处理现有的海量信息。

沙纳罕称:“没有足够的分析人员来处理所有的录像和其他输入数据并不是现在遇到的唯一问题,能否及时地利用情报信息则是另外一个更为关键的挑战。”五角大楼的情报分析专家们每天12个小时一直盯着视频,并对看到的东西进行消化处理。有时重大事件发生几个小时以后,他们才能向决策者汇报情况简报。美国地理空间情报局在其名为《2022年地理空间情报作战概念》的报告中指出:“如果单独依靠人工手段进行信息的生成采集、特征描述、来源分析和识别处理,将一定程度上制约任务完成的速度,这也是自动化能力不足的弊端。”

人工智能技术提供解决方案

美国中央情报局认为人工智能,特别是机器学习和深度学习是一种解决这些问题的有效途径。美国国防部已经成立一个跨职能团队来负责人工智能算法项目,此项目用于开发人工智能技术来辅助处理无人机采集到的动态视频信息。该项目于2017年4月启动,六家公司已经签订了开发算法技术的协议,第一批算法于去年12月底交付并运用于无人机系统。这个项目下步还要进行额外的技术突破,近期目标是在2018年年底前为MQ-1捕食者无人机和MQ-9收割者无人机提供基于人工智能的算法,并进一步开发广域运动图像处理系统。沙纳罕表示,如果一旦成功,该技术有望被国防部推广运用。美军还将考虑用人工智能技术代替分析人员,这样分析人员才能够集中精力去做更多的分析工作,比如进行逆向思维,结合其他情况进行分析等等,而不是全时盯着屏幕。

美国国防部资助的约翰霍普金斯大学应用物理实验室正在进行一系列计算机视觉项目的研究,主要包括图像分类、检测和分割等。该实验室高级研究员佩德罗·罗德里格斯说:“有了人工智能技术的辅助,情报分析人员只需要在事件发生时接收警报即可,而不必实时地盯着监控视频等待事件发生。”

到2022年,美国国家地理空间情报局希望尽可能多的情报、监视和侦察部门实现自动化,而仅将最重要的决策任务留给人类分析师。该机构在报告中指出,因为信息来源的数量和种类都在增加,自动化技术提供了越来越多的能力来整合不同来源的情报。机器智能可以筛选出大量的信息以感知活动模式的变化,还可以自动调整几十个集合来快速匹配目标模型,并向人类分析师提供目标未来发展趋势的预测信息。

哈里斯公司的一位项目经理威尔·若勒预计,随着人工智能算法的广泛应用,深度学习技术正在朝着美国国家地理空间情报局设想的方向发展。情报人员面临的困难将从处理海量的数据转换为研究人工智能的算法,在开发大量的算法技术以后,如何实现自动化的人工智能侦察技术将成为下一个目标。

军民融合共同解决问题挑战

沙纳罕和其他参与这个项目的人注意到,人工智能技术的研究也存在一些挑战,其中之一便是学习算法对于训练数据和标记数据过度依赖。为了提高计算机的视觉能力,我们必须对成千上万的图像进行标记,这样计算机系统才能识别它看到的信息。沙纳罕表示,他们正在建立一个国防部数据分类标记企业,但这方面动作还比较慢。政府、学术界和工业界正在寻找更好的方法,使机器利用大量未标记的数据来理解新的数据。目前正在进行一些非常有趣的研究和开发,下步也许不需要15万个标记的图像就可以生成一个有效的算法。

罗德里格斯解释说:“约翰霍普金斯大学应用物理实验室致力于研究学习迁移技术来进行图像的分类、检测与分割。通过使用卷积神经网络,针对一个问题前一个数据集的机器学习可以应用到针对另一个问题的不同数据集上。”若勒也看到了利用迁移学习和无监督学习技术对改进机器学习算法的优势。下步,情报界和工业界需要探索用什么样的方法将信息引入神经网络以提高其准确性,并设计出预先训练处理新信息的算法,或使用其他技术使机器在很少或没有人监督的情况下学习。

沙纳罕指出,另一个挑战是对于计算能力的过度依赖。如果没有云计算,算法研究就不会有效,但今天的云计算技术并没有为人工智能和机器学习做任何优化。先进的计算能力也许是必需的,目前国防部的项目在图形处理单元和图形处理器的计算能力上做了大量投资,然而未来可能会有更好的选择。知名的行业专家表示,量子计算可能是改变游戏规则的技术,量子计算机将要改变未来业务的形态。目前国防部的重点是研究算法和开发工作站,最终目标是让它们嵌入到平台和传感器之中。

美国国防部的官员正试图利用商业部门的研发工作来帮助他们实现人工智能的需求,五角大楼已经引导私营部门在人工智能领域进行投资,也就是国防创新实验单元。该单元成立于2015年,总部设在硅谷,是美国国防部与国内诸多顶尖创新技术公司之间的一个枢纽机构。它负责将美国国防部的具体业务或技术需求与创新企业主体之间进行精准对接,它在购买人工智能技术上对于所有人都开放,从一个人的公司到世界上最大的数据互联网公司都可以是解决方案的竞争者。

沙纳罕指出,国防部对人工智能技术的追求带来了重大商机,军方的目标是最终建立实现算法的程序,如果达不到要求的标准,军方会寻找更好的合作伙伴。若勒表示,他们已经投资了五多年的深度学习技术,并将持续推进这方面的发展。作为一个大型的国防承包商,他们正在采取一切行动为这场大规模的人工智能技术革命做好准备。

作者:张清亮 董伟

声明:本文来自光明军事,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如有侵权,请联系 anquanneican@163.com。