不可能的工程：軍事科技的未來
 |
| 2023 智慧安控解決方案趨勢與商機精彩分享 （<請按此連結） |
本報告試圖強調軍隊中機器視覺的廣泛現實世界案例。幾家軍隊聲稱利用機器學習，在某些情況下與承包商和公司合作提供人工智慧解決方案。我們發現，這些解決方案有助於突出機器視覺當前和近期軍事應用的廣泛性。本報告中討論的公司和組織至少幫助各種軍隊進行以下操作之一：
商業和政府主管人應該知道什麼
從我們在國防大學的第一手資料和我們的獨立研究來看，美軍似乎剛剛開始問許多與商業領袖三四年前提出的和解決的問題相同問題。Project Maven 的 Cukor上校在國防一號技術峰會上親自說：
我們正在進行人工智慧軍備競賽......這正在行業中發生，[而且]五大網際網路公司正在大力追求這一點。
上校關於商業上可用的機器視覺技術的評論 —— 「坦率地......令人驚歎」——可能注意到，近年來美國軍事主管人在將政府涉足人工智慧與私營部門的入侵進行比較時，一直感到不舒服。
正如本報告所指出的，機器視覺方面的軍事措施，目前在以色列和美國最為突出。中國還承諾提供大量預算來實現軍事現代化，隨之而來的是人工智慧倡議。印度最近啟動了自己的大型人工智慧專案，目的是將人工智慧整合到其軍事的所有三個分支中。
為了加快和簡化美國國防部內部人工智慧倡議的研究和開發，國防部於 2018 年6 月27 日宣佈成立JAIC（聯合人工智慧中心）。該專案由摩根大通前資訊長和五角大樓現任資訊長Dana Deasy主管。
JAIC 似乎象徵著美國國防部新發現的軍事人工智慧專案的優先順序。國防部副部長沙納漢在他的備忘錄中寫道，顯示 JAIC 的建立：
這項工作是部門的優先事項。 速度和安全性非常重要......我希望所有辦公室和人員提供一切必要的合理支援，以實現快速採用全企業人工智慧。
監控
Maven 專案
美國國防部於 2017 年啟動了一個名為「Maven 專案」的機器視覺計劃，名為「演算法戰爭跨功能團隊」。該專案的意圖是開發一種人工智慧，該人工智慧可以使用機器視覺，對戰鬥監控裝置拍攝的大量監控鏡頭進行分類和辨識。JAIC建立後，Maven 專案被轉移到 JAIC 的控制之下。
五角大樓研發與其他「私人承包商」合作開發了一個軟體，該軟體與空軍的偵察鏡頭資料庫整合，並分析從載人和無人偵察車上拍攝的鏡頭。人工智慧標記車輛、人員和汽車，以及追蹤感興趣的物體，以引起人類分析師的注意。
從谷歌和美國國防部的材料中可以推斷，該軟體背後的機器學習模型，是在數千小時的小型低飛行無人機攝影機鏡頭上訓練的，這些鏡頭從不同角度和各種照明條件下，描繪了 38 個與戰略相關的物體。鏡頭中的物體會被標記為我們所知道的物體，如旅行車、武器或人。然後，這個標記的鏡頭將透過軟體的機器學習演算法執行。這將訓練演算法來辦識 1 和 0 的序列和模式，對人眼來說，這些序列和模式構成了無人機監控鏡頭中，顯示的戰略相關戰鬥區的影片。五角大樓尚未公開定義這 38 個物件的軟體標誌。
然後，監控團隊可以上傳未標記為 Project Maven 軟體的新拍攝的錄影。然後，軟體背後的演算法將能夠確定素材的內容，並辨識其被訓練標記的任何異常或戰略相關物件。然後，該系統以某種未知的方式提醒人類操作員，並突出顯示影像顯示中的標記物件。
上校 Drew Cukor 評論了資料標籤流程，他說：「我們有一大群人 —— 成熟的分析師和工程師 —— 正在瀏覽我們的資料並清理資料。 我們還與一家重要的資料標籤公司建立了關係，該公司將在我們的三個網路（未分類網路和分類網路）上提供服務，使我們的員工能夠標記我們的資料，併為機器學習做好準備。」
我們找不到演示該技術的影像，可能是因為中東和非洲伊斯蘭國控制的領土和軍事設施的承包商目前正在使用它。換句話說，關於該軟體的許多細節可能是分類的。2017 年 Maven 專案的已知預算為 1.31 億美元。
在 INSA 和 AFCEA 主辦的情報和國家安全峰會上，情報國防部副部長 Kari Bingen 說：「[Maven專案從‘授權’到在戰區，提供能力花了]六個月的時間。」 Bingen 進一步推斷了該專案可能的後續步驟：開發此演算法來確定人類的風險。 她說：「有很多可用的資料來源，利用自動化工具和演算法可以使國防部能夠辨識內部威脅。」
作為一個外推的戰略例子，可以監控和標記影像中，某些物體的安控攝影機監控和標記市場的監控鏡頭。這些物體與危險或叛亂分子的支援有關，如幫派徽章、幫派紋身或部分隱藏的武器。
截至 2017 年，Drew Cukor 上校是 Maven 專案的負責人。他是 ISR 演算法戰交叉功能團隊的負責人，美利堅合眾國負責情報的副國防部長辦公室作戰士支援行動局。Cukor 上校在美國海軍陸戰隊的各種事務中，擁有輝煌的情報和反情報成功歷史。
自動駕駛汽車
今天，正在開發民用和軍用自動駕駛汽車。這兩個用例對他們希望解決的任務有不同的要求。與美國製造的自動駕駛汽車相比，軍用自動駕駛汽車的安全標準要低得多。目前，自動駕駛汽車的軍事用途對於拯救戰場上的生命有明確的應用，因此角箱安全考慮因素沒有被考慮在內，因為它們可能用於民用。例如，波音公司為軍隊提供了許多自主船隻，但似乎避免了自動地面運輸的設計。
自動駕駛汽車公司必須為司機和行人，創造一種能夠安全地駕馭擁擠的街道、交通和交通標誌的產品，而軍事戰鬥人員在緊急情況下很少需要遵守街道標誌。自動駕駛汽車結合了機器視覺和其他技術，以便在周圍導航世界，並安全到達其預期目的地。
世界上有許多型別的軍車和許多軍隊，這意味著自動駕駛汽車的可能性可能相當大。儘管車輛自動系統的工程存在偏差，但閱讀本報告的商業領袖，可以以類似的方式理解自動駕駛汽車嚴重依賴機器視覺。
自動駕駛汽車的機器視覺方面，首先使用監督學習過程進行訓練。自動駕駛車輛經過訓練，周圍安裝了許多不同的高度和角度的攝影機，使其能夠從各個角度檢測汽車的移動情況。該軟體經過數千小時的人類駕駛鏡頭的訓練，顯示車輛應從不同角度、各種照明條件和不同天氣條件下的正確和安全操作方式。
這段鏡頭的某些方面，將被標記為駕駛時的關鍵指標，人工智慧必須認識到它是一個重要的概念或規則，才能遵循的邊界框；停車標誌表示停車，不應跨越雙黃線，道路上可以穿過虛線等。具有軍事用途的車輛，不必如此嚴格遵守道路法，而是將接受與戰鬥有關的方式的訓練，例如機器視覺如何檢測，可能導致滑行駛或滑水的道路，以每小時 70 多英里的速度行駛。
然後，這個標記的鏡頭將透過軟體的機器學習演算法執行。這將訓練演算法來辦識 1 和 0 的序列和模式，對人眼來說，這些序列和模式形成安裝的攝影機影像中，顯示的汽車安全駕駛影像。
將這些機器視覺資料與感測器的資料相結合，例如用於追蹤雷射雷達，與周圍物體的當前距離的氣體踏板資料或雷射雷達資料，可以更全面地訓練自動駕駛車輛，然後僅僅使用機器視覺資料。在最近的時間表中，發現有關自動駕駛汽車及其民用應用的更多資訊。
然後，車輛可以獲得命令，將車輛開車到軟體中未標記的位置。然後，該軟體背後的演算法將能夠將車輛，和陪同乘客安全駕駛到確定的位置。
以色列航空航太工業
Isreal Aerospace Industries 從 Isreali Army 獲得了兩輛獨立的部分自動駕駛汽車的合同，即可調節的 Robattle 和自動推土機Panda。據稱，這些車輛可以在某些任務上自動執行，也可以進行遠端控制。搶劫機是一種能夠調整其建造配置的車輛，允許它攀登或爬過某些大型障礙物，以及扁平化自己在障礙物下駕駛。從策略上講，Robattle 可用於向戰線駕駛兵或救援處於危險中駕駛兵獲取物資或資訊，而不會對軍事人員造成傷害。
貓熊，一種自動推土機，可以在戰場上使用，在戰鬥場景中進行關鍵的拆除，在這些場景中，推土機的人類司機對他們來說太危險了。
IRI 聲稱，重建這輛推土機可能會為軍隊開創一個先例，允許將舊裝置重新用於進一步使用。
以下是一段短暫的 4 分鐘影片，演示了自動推土機和 Robattle 的執行：
IAI是以色列的主要國防承包商。 他們成立於 1953 年，目前在國防行業僱用了 1004 名員工。Amira Sharon 是 IAI 的首席技術官。她的確切學術證書以及 IAI 的大部分 C 級主管資訊都不得而知。這大多是隱瞞的資訊，因為它們與以色列軍事行動和正在進行的衝突有直接聯絡。 Meir Shabtia被引述了人工智慧專案，是 IAI 公司 G-Nius Unmanned Group Systems 的研發副總裁。他擁有特拉維夫大學的工程碩士學位。
清除地雷
黎巴嫩軍隊
位於黎巴嫩貝魯特的美國科技大學的 Achkar 和 Owayjan 發表了一篇關於利用機器視覺的黎巴嫩當前軍事應用系統的論文。它聲稱，該軟體平台可以透過使用機器視覺的成像軟體幫助軍事努力清除活地雷。
Achkar 和 Owayjan 聲稱，黎巴嫩軍隊可以將該軟體，整合到他們在地雷探測機器人上使用的成像軟體中。
本文指出，該軟體背後的機器學習模型，在兩種不同型別的反坦克地雷的數千張影像上進行了培訓，這些影像顯示它們從不同角度和各種照明條件下覆蓋、部分覆蓋和倒置。 這些影象將被標記為特定型別的地雷。然後，這些標記的影像將透過軟體的機器學習演算法執行。這將訓練演算法來識別 1 和 0 的序列和模式，對人眼來說，這些序列和模式形成了它可以檢測到的地雷之一的影像，如照片所示。
然後，使用者可以上傳一張未標記到人工智慧的照片。然後，軟體背後的演算法將能夠確定照片中哪裡有地雷。然後，該系統透過在照片顯示上顯示一個紅色框來提醒人類觀察者地雷。
以下是一張展示機器視覺軟體如何顯示其檢測到的地雷的照片：
Achkar 和 Owayjan 的地雷探測機器人
Achkar 和 Owayjan 聲稱，他們的系統對未遮蔽地雷的辨識率為 99.6%，辨識率的降低取決於晦澀程度和地雷模型。由於這是一項由大學資助的人道主義工作，這種透過機器視覺檢測地雷的方法，意味著沒有帳篷客戶需要報告。
Roger Achkar 是黎巴嫩貝魯特美國科技大學的工程系主任和本文的聯合作者。他擁有法國 Compiegne 理工大學的能量系統和資訊博士學位。Michel Owayjan 是美國科技大學的主席。 他擁有貝魯特美國大學的工程管理碩士學位。
軍械製造的品質控制
Integro 技術
Integro Technologies 與美國陸軍製造商簽訂了一份合同，聲稱該軟體可以幫助工業製造商，使用機器視覺對其武器進行品質控制測試。Integro Technologies 提供一種機器視覺裝置，可對裝置預先訓練的物體進行 360°驗證。我們將專注於 Integro 提供的這種機器視覺技術的一個用例。他們的一個裝置檢測到子彈外殼表面或手榴彈上的斷裂和缺陷，最高可檢測到.004毫米，並對清除的物品或未清除的物品進行分類。
我們可以推斷，該軟體背後的機器學習模型，已經並將在數千次 3D 掃描中進行訓練，這些掃描顯示從不同角度和各種照明條件下的完美和不完美的子彈。這些影像本來被標記為顯示子彈有缺陷或表示令人滿意的子彈。然後，這些標記的影象將透過軟體的機器學習演算法執行。 這將訓練演算法來識別1和0的序列和模式，這些序列和模式對人眼來說，形成三維掃描中顯示的子彈。
該機器使用機械臂抓住正在驗證的子彈，然後拍攝 3D 照片，這些照片上傳到軟體中。然後，軟體背後的演算法將能夠確定沒有缺陷的子彈，和具有表面缺陷的子彈之間的區別。然後，系統將清除的子彈與有缺陷的子彈分開。
以下是一段 1 分鐘的簡短影片，演示了該公司的軟體和裝置是如何工作的。 請注意，此影片顯示了寬金屬環的驗證，而不是上面詳述的子彈：
Integro Technologies 聲稱已經幫助了負責美軍製造的部分子彈和手榴彈的製造商。當我們試圖為他們的軟體找到案例研究時，我們的研究沒有產生任何結果；然而，他們的網站確實顯示了許多關於他們機器視覺技術的影片，這些影片正在積極地進行客戶的製造物件驗證。另一個帳篷客戶 Integro 網站的推薦信是 Proctor 和 Gamble。
Integro Technologies 是一家私營公司，成立於 2001 年，擁有 48 名員工。 他們沒有收到任何風險資金。Shawn Campion 是 Integro Technologies 的執行長。他（以及他們網站上所有其他著名的工程師）擁有賓夕法尼亞州立大學機械工程學士學位。此前，Campion 曾在機器視覺公司 Cognex 公司擔任高階工程師。
 |
沒有留言:
張貼留言