人工智能：2020年六大军事领域应用近日，美国C4ISR网站报道，事实证明，人工智能对于战术边缘数量激增、种类繁多传感器所获取数据的利用，以及依赖这些数据的新兴应用变得越来越重要。事实是，21世纪的战场——2020年国防部核心重点任务之一——不受传感器短缺问题困扰，包括：士兵可穿戴设备、车辆、无人机、摄像机、频谱、信号和无线电传感器、网络传感器以及构成战场物联网的许多其他传感器。

同时，更多的传感器意味着更多的数据——太多数据——这限制了国防部及时将信息转化为可作战的情报能力。但人工智能有望通过将机器解决，以使最相关、最及时的数据到达需要它的人那里。

多数数据驱动的人工智能应用都是通过传感器技术创新实现的，这些技术可以通过优于简单运动探测及类似二进制函数的功能生成大量数据。正因为如此，随着价格低廉的无线远程传感器及部署大量传感器的自主系统的日益普及，未来的战场将装备前所未有数量规模的传感器。

预计2020年制约传感器数据“理解”的多项挑战将得以解决，进而推动人工智能在关键领域的应用：

一是视频处理与分析及目标和威胁探测。国防部投入大量人力来监控源数据（无人机视频数据、士兵可穿戴设备的健康信息数据等），用于明确目标，事件，威胁和异常情况。利用传感器驱动的数据通常需要一定程度的人力，但是在经济可承受性和运营上都是不可行。为此，美国防部正在努力减少此类监视的人为部分。例如，美国国防部“行家”计划已利用Google公司的TensorFlow 人工智能系统来分析美国无人机视频数据，探测标记目标，然后将其传递给分析师。

二是网络安全操作自动化。网络威胁数量和复杂性日益增长，这可能会挑战作战人员的快速响应甚至先发制人攻击的能力。为了保持竞争优势，利用人工智能网络安全操作自动化至关重要。

例如，2019年美海军信息战系统司令部宣布了一项“人工智能网络安全挑战”，使用AI和机器学习使网络安全操作自主化。编程马拉松是对与网络安全相关的数据生成不断增长的响应，而人工智智能和机器学习在挖掘数据，以进行实时威胁响应方面可以发挥作用。

三是传感器融合、士兵健康监测及增强现实。最近，杰罗姆·布勒上校（美国陆军外科医学研究所）谈到了他对人工智能、机器学习、传感器和视觉设备如何将战场上的医务人员引导到他们最能帮助的受伤士兵的愿景。布勒指出，士兵的可穿戴式扫描仪提供的生物特征数据，在陷入混乱的战区之前帮助医务人员做出更明智的援救决定。

四是电子战信号处理和信号情报。电子战攻击引起了美军的充分关注，美军继续增强用于进攻和防御作战的电子战软件和硬件。但是，与其他类型传感器一样，电子战传感器也会产生许多虚假信号、噪声。为了能够“理解”数据并将其转换为可用于作战行动的信息，国防部正在寻找利用人工智能技术来过滤噪声和分类信号，以减少战士在信号检测方面的“认知负担”。陆军快速能力和关键技术办公室的最新实验和原型显示出全面部署希望。

五是设备预测性维护。军用车辆和设备故障不仅带来严重的成本问题，而且更重要的是，它们威胁着士兵的安全。消除意外的，装有传感器的装备始终是一个挑战，该设备科向决策者和士兵提供稳定的实时数据流，将使作战人员接近零伤亡。人工智能是一个重要原因。

近年来，我们看到了一些应用，例如由美国陆军发起的应用，使用人工智能改布雷德利坦克车队的战备状态，以获取设备健康状况的实时快照以指导维护决策。

六是战场态势感知和决策支持。2019年12月，美空军、海军和陆军对先进作战管理系统进行了首次靶场测试。先进作战管理系统旨在链接各种军事技术，以更好地应对日益复杂的对抗威胁。先进作战管理系统靶场测试将空军和海军战斗机，海军驱逐舰和陆军单位部队收集的通信和传感器数据连接起来，是新作战概念的一部分，实现陆、海、空、太空和网络空间五个作战领域的协同作战。

这个新概念（称为联合全域命令和控制—JADC2）的关键是实时收集、分析和共享数据，以及利用人工智能技术确保正确的数据到达正确的力量，以提供有效的态势感知和决策支持。

传感器数据的战术用例就在那里。需要的是诸如人工智能之类的新兴技术，以帮助军事领导人和作战人员理解这些数据。查理·川崎（Charlie Kawasaki）是PacStar首席技术官。