新的人工智慧在模擬戰鬥中擊敗人類專家
大數據文摘作品，轉載具體要求見文末
翻譯|常彪 房欣如 馮琛 付雅麗
校對|於麗君、Wendy、Aileen，Lily
導 讀
美國業內專家Gene Lee最近測試了辛辛那提大學（UC）博士生開發的人工智慧（AI）。Gene Lee是美國空軍退役上校，擁有豐富空戰經驗，也是在高模擬空戰模擬器特別是模擬戰鬥機方面頗有專攻的教練兼空戰管理員。
綽號ALPHA的AI在跟Lee的模擬對抗中勝出，並被Lee稱作他「迄今見過的最具攻擊性、反應最靈敏、最靈活、最可信的AI。」
ALPHA是遺傳模糊系統在應用領域的重大突破。由於這項AI專為在虛擬空戰中搭配無人戰鬥機而設計以便於相關研究，相關論文發表在最近一期的國防管理期刊（Journal ofDefense Management）雜誌上。
ALPHA項目以及用於創建ALPHA的工具都是Psibernetix公司研發的。這家公司最近由UC工程與應用科學學院2015級博士生Nick Ernest（公司總裁兼CEO）以及David Carroll（公司主任程序員）聯合創立；由Gene Lee,Kelly Cohen（UC航空航天學教授），Tim Arnett（UC航空航天學博士生）以及美國空軍研究實驗室的贊助者們提供技術和研究支持。
壓力高節奏快：AI對打陪練
ALPHA目前被視為一項用於研究在虛擬環境中載人機和無人機合作編隊的工具。在最早的研發迭代中，ALPHA的表現就持續優於美國空軍研究實驗室在先前研究中使用的基準計算機程序。換句話說，它已經擊敗了其他AI對手。
事實上，正是因為ALPHA在之前迭代中就有完勝其他計算機程序的表現，去年十月Lee開始手動控制模擬器去試試更成熟版本ALPHA的身手。在模擬器上的多次長期交火中，Lee多次嘗試後不僅沒能消滅ALPHA一次，最終還落得次次都被ALPHA擊落的下場。
自從第一次人類和ALPHA在模擬中交戰，這個人工智慧反覆擊敗其他專家，甚至能在它（ALPHA控制的）飛行器的速度、轉向、投彈能力和感測器等方面被故意破壞的情況下與其他人類專家對抗中勝出。
從20世紀80年代早期開始，Lee一直在模擬器中飛行對抗人工智慧對手，說起了第一次遭遇對抗ALPHA，「我對它的意識和反應感到驚訝，它似乎能馬上意識到我的意圖，針對我在飛行中變化和投彈部署有相應的反應。它知道防禦我的攻擊。它能在攻擊和防禦中根據需要瞬間轉換。」
他補充說，針對大多數人工智慧，「一個經驗豐富的飛行員能打敗它（人工智慧）如果你知道你在做什麼。當然，當你作為一個飛行員，嘗試一些新的東西時，你可能偶爾被人工智慧程序擊落，但是，直到現在，一個人工智慧對手完全不能跟上像戰鬥場景中的真正的壓力和速度。
但是現在，已經訓練了數以千計的美國空軍飛行員，駕駛過幾架殲擊機並且畢業於美國戰鬥機武器學校（相當於在空中戰鬥戰術和策略上高級學位的同等學歷）的Lee，也和其他的飛行員一樣感到了來自ALPHA的壓力。
並且，更甚，當Lee在數小時長的模擬真實任務的時間裡飛行對抗ALPHA，「我回家感覺筋疲力盡。我很累，耗盡了精力，感到疲倦。這可能就是人工智慧，但是它代表了一個真正的挑戰。」
人工智慧警告：人工智慧戰鬥角色如何演變
Ernest解釋說：「ALPHA已經是在這些模擬環境中要面對的一個致命的對手。我們的目標是繼續發展ALPHA，推動和擴展它的能力，並且進行額外的測試來對抗其他受過訓練的飛行員。保真度也需要增加，這將會變為更真實的空氣動力學和感測器模型的形式。ALPHA完全能適應這些附加條件，並且我們在Psibernetix公司期待著繼續發展。
長遠來看，人工智慧與美國空軍能力協同合作將會代表一次革命性的飛躍。當今由人類飛行員進行的空戰是一個高度靈活的應用，結合了航天物理、技能、藝術和直覺來操控一架戰鬥機和導彈對抗敵人，所有的移動都是高速的。畢竟，今天的戰鬥機以超過每小時1500英里的速度飛行在海拔4萬英尺以上時以彼此接近。一個微秒的問題，產生錯誤的代價是非常高的。
由於ALPHA的運算速度已明顯快於其他消費產品級基於語言的程序，其最終目的在於降低出錯率。事實上，ALPHA能夠讀取並整理全部的感測器數據，創建一個模擬戰鬥情景，並為四台戰鬥機的博弈模擬作出決定，而這一切的最終用時不會超過千分之一秒。基本上，這個AI能夠在250分之一眨眼的時間內，對動態環境做出最精確的回應並做出最佳的戰略決策。
所以未來的空戰如果需要超越人類能力的反應時間，將需要整合AI僚機--即無人戰鬥機。這些AI僚機將能夠在空戰中配合載人戰鬥機，而其內部的機載戰鬥管理系統將能夠處理態勢感知，決策反應，選擇戰術，管理武器等等任務。所以，像ALPHA一樣的AI可以同時躲避幾十顆敵方導彈，對多個目標進行精確射擊，配合隊友的反應，同時從觀察敵人的戰術和能力中記錄和學習。
辛辛那提大學的科恩補充說，「作為隊友，ALPHA將會是一個非常容易合作的AI。它能夠不斷地以最佳的方式執行它的載人僚機分派的任務，並給其餘戰鬥成員提供戰術和實地建議。」
編程的勝利：低計算功耗，高性能結果
人們通常會覺得，人工智慧若具備如ALPHA如此的學習能力與性能，又能夠解決難以想像的複雜問題，其將需要一個超級計算機來運作。
然而，ALPHA和其演算法在實時運行中所需要的計算能力僅需要一台廉價的PC，遍足夠使其迅速對不確定性，隨機事件和情形做出響應。
一位美國空軍研究實驗室的首席工程師說道，「ALPHA顯示出令人難以置信的潛力，它所具有的高性能和低計算成本是無人機戰隊進行複雜協同作戰的關鍵。」
大約在三年前，歐內斯特與辛辛那提大學工程學院的成員科恩開始著手解決計算能力的難題，當年他還是一位博士生。（2011年歐內斯特獲得了辛辛那提大學航空航天工程和工程力學的本科學位，2012年他獲得了辛辛那提大學的碩士學位，也是在航天工程和工程力學領域。）
他們使用基於語言的控制（而非數字化控制）與「遺傳模糊樹」（GFT）系統，即一種模糊邏輯演算法的亞型。
辛辛那提大學的科恩指出，「遺傳模糊系統的高性能已被證實，在此系統下一個具有四個或五個輸入變數的問題可以輕而易舉得到解決。但是，如果有一百個輸入變數，除非問題和所有輸入變數被分解為一個一個的副級決定，目前地球上還沒有任何計算系統能夠解決處理這個難題。」
這也是遺傳模糊樹系統與科恩和歐內斯特多年鑽研成果的起到作用的地方。
Earnest說道：「簡單解釋起來，遺傳模糊樹系統與人類解決問題的方式比較接近。舉個例子，橄欖球接球手依據掩護他的側衛來評估如何調整自己的打法。接球手並不會自己這樣考慮：「在這個賽季中，掩護我的這個側衛總共有三次斷球，斷球後的平均返回距離為12碼，兩次失球，一次4.35秒40碼衝撞，73次擒住並將對方帶球球員摔倒，14次輔助摔倒，只有一次傳球干擾，五次傳球被防，他今年28歲，現在距離第三場還有12分鐘，他已經上場8分25.3秒。」
那個接球手僅僅考慮這個側衛「非常不錯」，而不是在比賽之前站在爭球線上回憶各種統計數據，思考它們的意義，並將其結合起來，從而改變他的戰術。
這個側衛的歷史成績並不是唯一的變數。他的身高和速度也需要作為考慮因素。因此，這個接球手的控制決策可能又快又簡單：「這個側衛非常棒，比我高很多，但是我比他速度快。」
在最基礎的層面，這就是分布式計算能力當中的概念，也是遺傳模糊樹系統的基礎。否則，如果只依靠單獨控制因素，場景或者決策將要求非常多的規則。
Ernest補充道：「作為我們人類來說，完成複雜任務的關鍵在於每做一個子決策只考慮相關因素。因此，人工智慧也可以通過同樣的方式來做。」
在這種情況下，這項編程涉及到在飛行戰鬥部署中將複雜問題分解成若干子決策，從而大大地減少有效解決方案的「空間」和負擔。決策樹的分支或子決策由高級戰術、開火、規避和防禦組成。
這便是遺傳模糊樹系統中「樹」的部分。
基於語言的、遺傳學的迭代式的程序
大部分人工智慧編程使用基於數字的控制，同時需要提供非常精確的參數以供運行。換句話說，這種程序對於編程方面的改進或者情境決策沒有太多的自由空間。
Ernest和他的團隊最終開發的人工智慧演算法是基於語言的，利用if/then情景和規則能夠包含成百上千的變數。這種基於語言控制或模糊邏輯的程序，儘管沒有基於數字的程序那樣複雜，但能夠被驗證和確認。
語言控制的另一個優點就在於專業知識能夠容易地被系統接受。例如，Lee和Psibernetix曾一起以直接植入的方式為ALPHA提供戰術和可操作性的建議。（這種「植入」方式是通過輸入規定的術語到模糊邏輯控制器中實現的。例如，距離目標的遠近；if/then規則相關的術語；以及其它的規則和詳細說明）
最後，ALPHA程序是迭代式的。它能夠迭代升級，不斷有新版本。事實上，目前的APLHA的版本只是當前的版本，後續版本有望顯著地表現更好。
再有，來自辛辛那提大學的Cohen表示：「在很多方面，它與一戰中空戰開始時沒什麼不同。最初，有一大批飛行員。那些在戰爭結束時倖存下來的人便是其中的佼佼者。只有在這種情況下，我們才開始談代碼這一回事。」
要達到它現有的性能水平，ALPHA的訓練平台是售價500美元的面向消費者群體的個人電腦。訓練過程始於大量隨機選用的ALPHA版本。這些自動生成的ALPHA版本在與手動調整的版本對抗中，證明了它們自身的實力。接著，這些獲勝的代碼串互相「培育」，有利於產生更強或更高性能的版本。換句話說，只有表現最好的代碼才會應用到後續版本中。最終，以性能來看，會出現一個最高水平的ALPHA版本，這正是會被使用的版本。這就是「遺傳模糊樹」系統的「基因」部分。
Cohen說道：「所有這些因素結合在一起，包括樹狀級聯、基於語言的編程和各代版本。
用模仿人類的推理而言，我覺得對於無人機而言，就像是IBM的深藍在國際象棋上和卡斯帕羅夫的對陣一樣。」
資助與支持
ALPHA是由Psibernetix公司研發，該公司為美國空軍研究實驗室的承包商。戴頓地區研究生研究機構和美國空軍研究實驗室在過去三年向Ernest的博士研究提供了共計二十萬美元的資助。
關於轉載
如需轉載，請在開篇顯著位置註明作者和出處（轉自：大數據文摘|bigdatadigest），並在文章結尾放置大數據文摘醒目二維碼。無原創標識文章請按照轉載要求編輯，可直接轉載，轉載後請將轉載鏈接發送給我們；有原創標識文章，請發送【文章名稱-待授權公眾號名稱及ID】給我們申請白名單授權。未經許可的轉載以及改編者，我們將依法追究其法律責任。聯繫郵箱：zz@bigdatadigest.cn。
請您繼續閱讀更多來自 大數據文摘 的精彩文章:
如何利用數據科學提升醫療保健質量一位真正的科學思想家：紀念人工智慧之父Marvin Minsky教授生命好複雜：RNA的「R」可在太空自然形成？
TAG:大數據文摘 |
※人工智慧已在模擬空戰中擊敗人類，戰爭無人化會有這些後果
※蘋果從大學挖角人工智慧教授：可擊敗人類
※這次人類贏了！專業棋手擊敗日本人工智慧
※人工智慧太小兒科？但它或將全面擊敗人類
※還需要等多久人工智慧將在任何領域擊敗人類
※人工智慧不斷盛行，人工智慧PK人類，誰能不被擊敗淘汰？
※神秘人工智慧擊敗最強德州撲克選手
※火影中三對強大的無法擊敗的雙人組合，最終都演變成了內耗戰鬥！
※從機器人擊敗世界圍棋高手看人工智慧湖南高峰論壇
※AlphaGo約戰柯潔！人工智慧會再次「擊敗」人類嗎？
※專家：美國F-35戰機格鬥擊敗「三代機格鬥王」中國戰機需警惕
※楊冪擊敗超模成為MK全球代言人
※他曾擊敗阿里、鏖戰泰森，是重量級最優秀的技術大師之一
※專業戶＂擊敗＂臨時工＂孫楊祭出＂最強棒
※沒品拳王擊敗搏擊王的跨界大戰
※他是《戰狼2》中的大肌霸！而他更是擊敗過WWE傳奇人物送葬者的戰神！
※中國海軍舉全部兵力能擊敗美第七艦隊嗎？專家這幾句話讓人捏把汗
※機器人能在星際爭霸上擊敗人類嗎？谷歌已經開練了
※強大的生物兵器，迪迦奧特曼與人類聯手才能擊敗