美軍方正在人工智能領域進行高額投資，但僅靠人工智能技術是遠遠不夠的，還需要相配套的硬件來支撐高性能算法，同時不占用太多空間和消耗過多電力，以適應前線指揮所或戰(zhàn)機坦克等平臺。下一代硬件是在戰(zhàn)場上實現人工智能的必要因素。

美國防部已意識到需求上的變化。電子產品制造商Mercury Systems候任首席技術官比爾·康利表示，在過去幾年里，各領域集中力量研究下一代人工智能、算法訓練、數據，但尋求戰(zhàn)術優(yōu)勢不僅需要算法和數據，還需要在相應硬件上運行得以實現預期效能。該公司正致力于利用最新的微電子技術為國防部提供一個硬件解決方案。

在硅谷和學術界，通常使用計算機集群或云來解決這一問題，但這樣的設備不能集成至戰(zhàn)車或戰(zhàn)機上。美軍方備受爭議的JEDI項目也正試圖將云計算帶到前線部隊，使其能夠遠程訪問強大的服務器群。但是國防部并不認為軍隊在面對敵人的黑客攻擊和干擾時能夠持續(xù)使用云。當前，對于某些算法功能可以實現間接訪問，但一個電子戰(zhàn)系統(tǒng)，需要在敵方導彈襲擊之前干擾其制導系統(tǒng)，云在此情景下則無法解決這一難題。

新美國安全中心防務分析師、前陸軍突擊隊員保羅·沙雷表示，在一個前沿作戰(zhàn)基地安裝巨型云服務器是不可行的。隨著科技進步，一切都需要小型化。沙雷表示，硬件的大小在很大程度上取決于兩個因素：一是試圖適應的平臺的大小，戰(zhàn)車、戰(zhàn)機還是航空母艦有很大不同；二是人工智能應用程序的大小，機器學習算法訓練時所需的計算能力和數據存儲遠大于訓練完成后所需的能力。真正需要大量計算的是大數據驅動的深度學習。

▲DARPA先進的微芯片與模塊化組件概念圖

康利則表示，重要的人工智能應用需要機器學習算法在現場隨著所處環(huán)境發(fā)生的變化不斷地進行學習。這對于所謂的“認知電子戰(zhàn)”尤其重要：系統(tǒng)可以檢測到一個從未遇到過的傳輸，而這個傳輸并不在任何預先加載的數據庫里，可以對其進行現場分析，判斷其來源是否具有敵意，并在必要時設計反向信號對其進行干擾。

康利認為，未來的戰(zhàn)場空間將包含此前沒有觀察到的威脅信號，因此對許多平臺來說，能夠執(zhí)行實時決策的算法至關重要，而且需要不斷強化學習，尤其是在開發(fā)過程中無法完全訓練實時決策的算法。也就是說要實現在相對緊湊的硬件上需要大量的計算能力，同時不需要太多的空間、重量、電力或冷卻能力。

下一代硬件不僅具有上述優(yōu)勢，而且將更加安全，不受供應鏈破壞的影響，解決了國防部擔憂的一個主要問題。

沙雷表示，在計算機芯片上安裝越來越多越來越小的元件方面已經取得了巨大的進步，但這種進步的代價是，制造納米小型化元件需要越來越復雜且昂貴的設備。沙雷并不擔心工業(yè)界構建所需硬件的能力，而是國防部有能力獲得可靠的安全前沿硬件，以及這些硬件是否被外國生產商惡意利用。

來源：國防科技要聞