看美軍如何培訓機器人士兵用於未來無人類戰場？

E安全5月8日文也許你甚至還未意識到，機器人神槍手可能很快就會接替士兵的工作。現代感測器比人類看得更遠，而電子電路拉動扳機發射的速度遠比神經和肌肉快。人類相較於武裝機器人的優勢在於，了解射擊目標，然而美國陸軍資助的新研究也許很快就能縮小這種差距。

DCS Corp和美國陸軍研究實驗室的研究人員將人類腦電波的數據集傳輸給神經網路（一類人工智慧）。神經網路學會識別人類制定目標決策的狀態。研究人員於5月在塞普勒斯舉行的年度智能用戶介面大會介紹了他們的研究論文。

機器的局限在於不能像人類一樣根據變化快速構建數據

這類研究非常重要，其原因在於機器學習依賴高度結構化的數據。但是，對計算機而言，在複雜的現實世界中識別目標非常困難。人腦很容易以記憶的方式構建數據，但是機器卻無法理解。這是美國軍方多年來努力的一個方向。

美國陸軍首席科學家托馬斯-拉塞爾在近日舉行的國防工業協會（National Defense Industrial Association）活動中表示，美國軍方在深度學習中面臨的挑戰是，涉及的數據集巨大，例如Google剛剛解決了遊戲Go問題。

去年，Google DeepMind實驗室展示，人工智慧可以在Go遊戲中擊敗全球最頂尖的玩家。據稱，這款遊戲比國際象棋難得多。拉塞爾稱，人類可以訓練系統在高度結構化環境中進行深度學習，但是如果Go這款遊戲隨著時間推移發生巨大變化，那麼人工智慧便無法解決這個問題。

研究神經網路有何作用？

人類必須弄清楚，在軍事世界的動態環境中，如何從系統角度對這種學習過程進行再訓練？他認為，現如今，只有藉助人腦對這些系統進行訓練。

他們的研究是認知與神經功效學協同技術聯盟（Cognition and Neuroergonomics Collaborative Technology Alliance）項目延伸出來的一個分支。

研究人員馬修-賈斯瓦指出，大腦會在感知某些突出事件時顯示信號。這些信號被稱為P300 響應（由人腦頂葉響應刺激而發出的電活動）。P300響應於20世紀60年代被發現，基本上就是人腦對快速決策任務的響應，例如突然出現的對象是否就是目標。

研究人員希望通過他們的新神經網路進行實驗，在其中，計算機可以在虛擬場景中輕鬆了解士兵評估目標的狀態，而不是花費大量時間培訓系統理解如何構建不同的個人數據、眼球運動、P300響應等。將來某一天，其目標可能會是推出迅速、持續並實時學習的神經系統，其通過觀察訓練有素的士兵執行任務時的腦電波和眼球運動實現。

賈斯瓦稱，如果能通過改進將其應用到戰場中的某個士兵身上，那麼就能了解士兵正在觀察的情況、執行的正常任務，並將他們多年的經驗輸入正常態勢感知。研究人員正在研究士兵的大腦情況。如果多人都在關注同一件事，那麼可以說，四分之三的人都在關注同一件事，這說明，這件事可能很重要。

這項研究並不意味著，機器人現在就可以超越人類。目前，仍有大量工作要做，但神經網路能使這項研究以更快的速度開展。

01

國外安全公司稱99%的中國網路犯罪分子通過QQ和微信溝通

02

澳大利亞首次修訂《國家網路安全戰略》中小企業或受益

03

心臟起搏器中存在巨大安全隱患 或威脅患者生命

04

維基解密再爆CIA MitM攻擊【工具】

05

看美軍如何培訓機器人士兵用於未來無人類戰場？

06

英國機密草案被泄：政府監控大眾權利將擴大

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！