多年來，美國國防部的最高領導層一直在抱怨，軍事領域和情報機構所運用的人工智能技術，遠遠落后于最先進的商業技術。盡管美國一些企業和大學在人工智能研究和商業化方面處于世界領先地位，但是美國軍方仍在以傳統的，甚至可以說是第二次世界大戰時期軍方所熟悉的方式展開許多作戰行動。 因此，國防部認為必須更有效地整合人工智能和機器學習技術，在面對能力日益強大的敵人和競爭對手時始終保持相對優勢。他們認為，盡管已經采取了試探性的步驟來探索人工智能、大數據和深度學習的潛力，但是仍然需要做出更多努力、加快行動速度，利用這些技術優勢發展未來作戰的關鍵領域。在這樣的背景下，人工智能的應用需要找到一個合理的切入點——既滿足作戰的復雜性特征又要降低安全風險。 一、項目基本情況
2017年4月底，時任國防部副部長的羅伯特·沃克簽署了一份備忘錄，宣布建立算法戰跨職能團隊（AWCFT），也被稱為Maven項目。該項目由空軍中將杰克·沙納罕領導，由國防部情報部、聯合參謀部、國防部法律顧問辦公室、軍方相關部門和其他高級代表組成的執行指導小組進行監督，并設有一個專門的項目辦公室負責支持項目的研發。該項目的目標是在國防情報企業中，開發深度學習人工智能技術并將其初步投入作戰應用當中，從而加快國防部大數據和機器學習技術的集成應用。在此之前，美國國防部已經長期投入資金進行人工智能的基礎研究和開發，并將一些半自主系統投入使用。
Maven項目是美國國防部首次尋求在作戰領域的具體行動中部署深度學習和神經網絡技術，并推進其達到最先進的商用人工智能水平。Maven項目被美國國防部喻為“探路者和點燃人工智能火焰的火花”。Maven項目的主要目標是將國防部獲得的海量數據迅速轉化為可執行的情報和信息。它的首要任務是為戰術無人機系統（UAS）和中空全動態視頻（FMV）提供算法技術（算法是計算機用來解決問題或進行計算的一組數學指令，基于人工智能的算法通過機器學習技術可以提高算法的性能和效率），以增強數據的處理、分析和傳播（PED）能力直至實現自主化，而項目的第一塊實驗田就選在了反恐戰場——打擊IS行動當中。
二、項目結構及重點
Maven項目的工作架構分為三部分：第一，組織人員進行數據標記，開發、獲取以及修改算法，以完成關鍵任務；第二，確定所需的計算資源，并確定投入該算法結構的路徑；第三，在三個月時間內，將基于算法的技術與記錄程序集成在一起。項目起初將為視頻處理、分析和傳播提供用于目標檢測、分類和告警的計算機視覺算法，未來將逐步融入更先進的計算機視覺技術。在成功地支持情報、監視、偵察（ISR）情報分析處理之后，項目將會把類似的技術集成到其他國防情報任務領域。項目將整合其它由國防情報企業參與的、基于算法的技術的開發和使用，例如現有的自主化、機器學習、深度學習和計算機視覺算法的計劃。項目在時間上大致劃分為兩個階段：
第一階段：開發和集成計算機視覺算法，以協助軍方和地方人員分析主要來自無人機的高容量視頻圖像數據，項目于2017年12月首次向軍事系統交付算法并進行迭代更新；
第二階段：國防部情報部于2017年10月24日舉辦Maven項目行業活動，與陸軍研究實驗室、企業界、學術界一起探討下一步合作，將算法開發擴大至其他領域的情報分析，并準備“為作戰人員操作人工智能和機器學習”努力；
在此基礎上倡導建立“人工智能中心”，作為數據和技術的交流中心，作為一個專門團隊幫助國防部了解人工智能潛在的新能力。該團隊將和研究實驗室和頂尖大學一起合作，了解國防部如何更好地將計算機視覺等智能技術應用于數據的處理、分析和更復雜層面。
在項目發展過程中，主要將在下列領域尋求技術：
1.計算機視覺模型：在一定計算環境中通過對象識別、對象分類、對象定位、特殊對象識別記憶、對象跟蹤、語義分解、邏輯表達或語義描述以及活動情景識別，逐步實現地理空間智能處理和分析；
2.支持深度學習的新數據標注技術、工具和間諜情報技術：“邊緣”或“線上標注”，使用合成或逼真圖像數據，進行近乎實時的重新標注或算法訓練；
3.用于顯示、搜索和與元數據（算法派生）和表格結構算法輸出交互的接口：對象的異常分析和模式、對象搜索（元數據和可視化）以及與其他結構化數據的集成；
4.基于部分算法生成數據的存儲和索引功能；
5.處理口頭形式和書面文本的語言算法：自然語言處理、自動語言翻譯和情感檢測等等。
三、項目應用特點
1.快中求穩——選擇情報分析領域作為切入點
Maven項目是美國國防部在較短時間內形成的項目，目的是在項目獲得財力支持后的半年時間內，將人工智能技術——具體就是深度學習和神經網絡的技術——投入到正在進行軍事行動的作戰區域。眾所周知，美國國防部大多數國防采購項目需要數年甚至數十年才能投入應用到戰場，但Maven項目開發的技術在短時間內就成功部署在打擊IS的戰斗中，而且得到了軍事情報用戶的較好反饋。
在Maven項目創建之前，業界和學術界的頂尖人工智能專家建議國防部尋找一個風險較低但同時數據較為密集的領域，只有這樣才能夠更好地發揮人工智能的優勢，同時作戰人員的生命安全不會受到威脅，偶爾的失誤也不會造成災難性的后果。國防部情報部門無疑是一個很好的選擇，他們整日與數據打交道，美國間諜飛機和衛星每天收集的原始數據要比國防部需要分析的多得多，全部工作人員都在不停地收集這些數據。
因此，情報部選擇Maven項目作為人工智能的灘頭陣地，是一個雙贏的結果。起初該項目主要分析來自“掃描鷹”等戰術無人機平臺和“MQ-1C灰鷹”“MQ-9死神”等中高空無人平臺的全動態視頻數據。這些無人機平臺及其全動態視頻傳感器產生的圖像每天會產生數億字節的數據。如果由人來完成這些數據分析工作，一組分析人員花費24小時的時間，也只能分析一架無人機傳感器數據的一部分。而且，圖像分析工作非常乏味——人員在屏幕上觀察汽車、人員及活動，然后在辦公軟件中輸入數字。即便這樣，依然會有大部分傳感器數據被錯過，多年來情報部門一直在盡可能快地、盡可能多地派遣分析人員，疲于補上這些“漏洞”。而Maven項目將會從數量上減少所需的分析人員，同時也大大減輕了分析人員的負擔，使人員他們的關注點放在更重要的部位和節點。
同時，國防部選擇無人機視頻數據分析作為人工智能的灘頭陣地，有效避免了一些與戰爭自主化相關的較棘手的倫理和法律挑戰。隨著美國軍方和情報機構將現代人工智能技術應用于更多樣化的任務中，它們將面臨更加復雜的戰略、倫理和法律問題，而Maven項目的聚焦點幫助他們暫時避免了這些面臨的挑戰，這樣，也為高層在人工智能技術逐漸滲透進入戰場的進程中，不斷探索和完善相關準備贏得了時間。
2.效率優勢——建立符合智能特點的迭代開發模式
在愛德華·斯諾登泄密事件和“通俄門”事件政治余波后，科技公司一直對幫助國家安全部門應對科技挑戰持謹慎態度。一些對美國國家安全任務有興趣的人工智能專家和組織經常感到，國防部的合同程序昂貴、緩慢且繁瑣。在Maven之前，部門中沒有人知道如何正確地購買和實現智能化。Maven項目成立時，它的6名創始成員被指派管理人工智能項目，但是他們并非人工智能和計算機科學方面的專家。他們的首要任務是與工業界和學術界的人工智能專家以及國防部無人機傳感器分析師建立合作關系。Maven項目的團隊在國防信息單元實驗（DIUX）的幫助下，設法吸引了人工智能領域一些頂尖人才的支持，這些人才中的絕大多數不在傳統的國防合同內。通過獲得合適的人才和合作伙伴，項目Maven可以從一開始就正確地構建其架構。
傳統的國防采購過程持續多年，由不同的組織負責采購必須執行的功能，或處理技術開發生產或負責操作運行。傳統中的每一個組織都必須在完成其活動后將結果移交給下一個組織。但是在應用到數字技術時，這種方法通常會導致系統表現遲緩，甚至在投入使用之前技術可能就已經過時了。
Maven項目采用了一種不同的方法，一種以商業技術部門的項目管理技術為模型的方法：產品原型和底層基礎設施是迭代開發的，并由用戶持續測試。開發人員可以根據用戶的需要調整他們的解決方案，終端用戶可以讓他們的組織快速有效地使用人工智能功能。項目開發中的關鍵活動——標記數據、開發智能計算基礎設施、開發和集成神經網絡算法以及接收用戶反饋——都是迭代開發并行運行的。這項工作顯示出了技術創新和編程靈活性的水平，而這正是國防部大多數數字計劃所極度缺乏的。
在實際應用當中，Maven的團隊聽取了在中東打擊IS行動的特定背景下擁有全動態視頻技術的作戰人員的意見。從這些用戶那里，項目的開發人員很快就發現他們自身的想法與作戰實際需求存在一些偏差，并且需要及時調整糾正。正是在這一方法的幫助下才能在項目開始籌資到其產生產品使用之間的六個月期間提供高質量的、可用于實際的算法能力。2017年12月初，也就是該項目啟動6個多月后，Maven的首批算法便被交給國防情報分析人員，以支持在打擊IS的戰斗中執行實際作戰的無人機偵察任務。在項目的幫助下，減輕了視頻數據分析的人工壓力，增加了可操作情報的獲取效率，也加快了軍事決策能力。
3.以點帶面——由非動能領域到多域作戰
人工智能項目Maven誕生一年后，就已部署到美軍在中東和非洲的6個區域，幫助軍方分析整理傳感器和無人機接收到的海量數據。正如項目一開始所計劃的那樣，無人機圖像智能分析從打擊IS的行動中擴展到了國防部使用無人機圖像平臺的其他部門。項目早期的成功，以及美國國防部要求盡快拓展人工智能功能的努力，已促使五角大樓將人工智能技術擴展到更多領域。衛星圖像分析群體在開發屬于自己的Maven項目。之后，其他類型的傳感器平臺和情報數據，包括雷達分析、信號情報分析、數字文檔分析，都相繼建立了類似Maven項目的計劃。
情報分析是軍用人工智能的邏輯起點，因為大量的數據讓人類分析師不堪重負。而另一個重要的應用戰場就是網絡空間和電磁波譜，這里的攻擊行動可以以人腦無法跟上的速度和復雜性進行傳播。軍方人員呼吁人工智能網絡防御系統能夠立即反擊黑客攻擊企圖，并呼吁“認知電子戰”能夠感知敵方雷達脈沖，并立即找出如何干擾它的辦法。情報、網絡、電子戰這些領域都涉及電磁信號，這使得軍方對人工智能自主行動的需求更為迫切。在最高層面，國防部希望人工智能不僅在這些高科技前沿，而且在陸、空、海、天等傳統領域進行無縫協作，協助實現多域作戰概念。未來戰場巨大的復雜性給人腦提出了巨大挑戰，人工智能將會是非常有效的幫手。美軍提出，未來多域作戰的關鍵將會是作戰部隊和作戰算法的整合。
Maven項目的運行滿足了美國國防部的要求，它的成功將會在整個軍事和情報部門催生許多個“模仿者”。項目的成功不僅僅在于AI相關技術的應用，而且得益于其小型的、注重效率的、跨職能的團隊組織結構，該團隊被授權建立外部伙伴關系、利用現有的基礎設施和平臺，并在開發過程中迭代地與用戶群體溝通交流。人工智能需要貫穿國防部的整個架構，現有的部門機構要有效地運行人工智能實現能力的提升，就可以采用與Maven類似的項目管理結構。另外，國防部必須發展有效利用人工智能能力的作戰概念，并培訓其指揮官和作戰人員有效掌握這些能力。正如五角大樓相關人士所說：“如果我們沒有能夠使用它的人員、關于如何使用它的想法以及熟練掌握它的培訓，那么這項技術本身的效用將是十分有限的。”
2018年6月27日，美國國防部部長帕特里克·沙納漢發布備忘錄，宣布建立聯合人工智能中心（JAIC）。其首要目標是加速人工智能（AI）在軍事領域的應用能力，擴大AI的影響范圍，并整合國防部涉及AI的活動以擴大美軍的優勢。2019年2月，美國防部公布《2018年國防部人工智能戰略摘要》，其中分析了美國防部在人工智能（AI）領域面臨的戰略形勢，闡明了國防部加快采用人工智能能力的途徑和方法。短短兩年時間，從Maven項目到聯合人工智能中心，再到人工智能戰略，美軍在推動人工智能技術進入戰場的進程上加快了節奏。
轉載請注明來源
