为什么需要 “大脑启发式人工智能 ”来实现真正的无人自主？

一组五艘无人水面船只在中国南海发现了一支敌方船只编队，但无法将此信息传回指挥人员——这是一个受干扰的环境，该区域的卫星通信被干扰。这些无人水面船只协同工作后决定，有一艘需要离开该区域发送消息。 他们在内部决定哪五个中的哪一个应该离开，依据的是哪个拥有最佳信息和最有可能在不被察觉的情况下发送信息的优势。选定的UV（紫外线）离开该区域，并自行判断在何种条件下发送信息最为合适，以及以最安全、高效的方式进行发送的方法。 重要方式。例如，它们无法独立判断所发现的情况是否重要到需要通知操作员——目前，UVs会按照固定的时间进行汇报。在追踪目标时，它们并不总是知道如何高效使用燃料，或者如何进行ISR（情报、监视与侦察）而不被察觉。通常情况下，它们无法自主区分战斗人员和非战斗人员，并不知道如何应用规则约束。它们的情境意识也较为有限。 通过推理，AI能够在较少数据的情况下得出结论，类似于我们即使只有物体的部分视图也能识别出该物体，通过填补缺失的部分来完成识别。 能够为UVs提供这些及其他高级自主能力的人工智能不久将可供使用。但存在问题。如此复杂的AI需要体积太大且耗电量过高的计算机，无法安装在UVs上。 目前，UV上的小型低功耗计算机只能支持“窄AI”，适用于一些基本活动，如监控和侦察。但借助这两种“受脑启发”的方法，即使是非常复杂的AI也能在较小的计算机上运行。这使得联合部队能够在印度洋-太平洋及其他地区为无人水面、水下和空中车辆带来高水平的自主性成为技术上的可行方案。 AI所需的是减轻其工作负担的方法，这样就可以使车载计算机更小且耗电更低。而现在有两种新的方法能够做到这一点，通过让计算机——以及AI本身——模仿大脑的运作方式。 UVs理论上可以通过连接到云端来利用先进的AI技术——但这不是一个可行的选择。UVs无法依赖卫星通信在受争议的环境中运行。即使在和平时期，功率和带宽限制也会限制与云端的交互。因此，AI必须能够在机载系统上运行。 一种方法是正在兴起的一种新型计算机设计，使得它们能够在同一位置处理和存储信息——类似于大脑的工作方式——而不是在两个不同的位置。与之相伴随的是第二种新的... 超越 NARROW AI 由于人工智能狭窄 ， 无人驾驶汽车的智能程度不足以在许多 模仿大脑 两种类脑启发式方法并未使AI变得更聪明——AI已经获得了提供高级自主性许多方面的能力。这些方法所做的仅仅是让AI能够在无人车依赖的小型、低功耗边缘计算设备上运行。 一种方法实际上改变了计算机的工作方式。当前的计算机拥有独立的处理内核和内存内核。这意味着对于每次计算，处理器会进入内存取出所需的数据，然后再将其带回进行处理。这种来回不断的操作导致了沉重的工作负载——尤其是在每秒进行数十亿次计算的AI应用中。虽然这种来回操作在大型且强大的计算机上（如传统船舶上的计算机）可能不是问题，但对于UV（无人值守船舶）的边缘计算机来说，它可能会迅速压垮其处理能力。 仅凭少数线索进行推断和预测是我们在自动驾驶模式下通常可以安全驾驶、思绪 elsewhere 的一个原因。 AYODEJI COKER coker_ayodeji@bah.com 是美国海军研究办公室（Office ofNaval Research，ONR）前高级领导人，目前担任Booz Allen公司的执行顾问，负责领导海军智能自主系统战略倡议。他在ONR的角色包括自主技术组合管理以及海军智能自主系统战略的领导者。 通过训练AI从少数线索中推断，研究者极大地减少了AI所需的数据量和功率。例如，AI可能会被提供某个特定区域敌方船只的“生活模式”。如果UV（无人侦察机）的传感器检测到异常——如一艘船出现在意料之外的位置，或以不寻常的方式行动——这些都可能是让AI推断船只意图的相关线索。AI不必拼凑关于船只的每一点细节，也不必筛选出它可能采取的每一个潜在行动。通过仅挑选出相关线索，AI只需极少量的计算就能得出结论，使其能够在小型边缘UV计算机上运行。而且，这种AI的准确性与在驱逐舰上运行的大而强大的计算机上的AI一样高。 我们的大脑运作方式不同。我们能够在处理信息的同时存储大量的记忆，这使得即使是最复杂的思考也能几乎瞬间完成——这是一种明确的进化优势。模仿大脑的设计，人工智能研究人员正在开发将处理和内存放在同一位置的计算机。这使得即使是复杂的AI工作负载在UV计算机上也变得可管理。 JANDRIA ALEXANDER 亚历山大·扬德里亚是包尔艾伦公司的副总裁，负责该公司的NAVSEA和S&T业务，包括无人系统、坚固平台与武器系统、数据科学以及海军客户的企业数字化转型策略与解决方案。 训练 AI 以使用推理 另一种减少工作量的方法是简单地使用更少的数据。AI研究人员通过模仿大脑如何利用推理来理解有限信息的世界，实现了这一目标。例如，在驾驶时，我们可以通过细微的线索来预测其他司机的行为，比如一辆车在变道前加速，或者一辆车在接近交叉口时向左移动，准备右转。我们已经见过这些场景无数次，因此不需要任何额外的信息就能调整我们的驾驶行为。我们具备根据有限信息做出判断的能力，这使得我们能够高效地适应不断变化的环境。 训练AI使用推理既是一门艺术也是一门科学。选择合适的线索并完全理解其含义需要极其深厚的专业和任务知识。同时，AI专家需要知道如何应用这些知识以实现自主性。 如果印度-太平洋地区及其他地区的无人驾驶车辆要达到联合作战所需的自主水平，需要重新考虑基于人工智能的边缘计算。人类大脑可以提供灵感。