北约未来二十年人工智能技能成长趋势

人工智能创新的终极目标是开拓通用人工智能（AGI）。
只管人工智能研究已有60多年的历史，但开拓AGI仍将是一项重大的技能寻衅，人工智能系统不太可能在未来20年内达到这一水平。
毫无疑问，人工智能正在对北约的行动和能力产生革命性影响。
人工智能将大数据转化为可操作的知识，并终极成为北约的决策上风。
将人工智能集成到作战模型和仿照、企业系统、决策支持系统、网络防御系统和自动驾驶车辆中，能够使人机决策更加迅速和有效。

人工智能将为北约供应更多的信息，并供应频率（如认知雷达）和带宽的自适应利用，但抵牾的是，这将导致通信流量的减少。
人工智能还将极大地影响北约科技事情的开展，由于对现有研究的元剖析将揭示新的创造，确定有出息的研究领域，并供应更好的科技工具来支持进一步的研究。
此外，北约将在人工智能政策、法律和互操作性方面面临严厉的寻衅。

关于人工智能的发展及其对第四次工业时期的主要性已经有很多论述，由于人工智能实质上是其他技能领域的推动者。
北约未来二十年人工智能技能发展趋势紧张集中在以下方面：减少数据需求、提高敏捷性、增强复原力、支持对问题的概括，以及与人类协同事情。
这些发展趋势涉及国防和安全领域的多个研究领域和运用，并重点关注以下四个领域：

未来20年，探索新的数学和统计的人工智能方法对长期发展和运用至关主要。
此类人工智能方法研究范围广泛，虽然人工智能方法的运用正在迅速扩大，但目前的方法仍旧存在严重的局限性。
信赖和透明度（或可阐明性）是两个最紧迫的寻衅。
不过，一些研究职员认为，目前的人工智能方法存在严重毛病，须要对人工智能方法进行全面反思。

人工智能有两种独特的方法，即符号法（symbolic）和亚符号法（sub-symbolic）。
研究识别符号法和亚符号法在技能上相互浸染的办法，可以提高系统的准确性，增强军事决策能力。
人工智能的符号法是第一波人工智能研究的特点。
这一领域的事情将大大提高人工智能结果的可阐明性和可重复性，估量在未来几年将成为一个增长领域。

过去十年来，神经网络的进步一贯是有效人工智能（effective AI）最关键的推动成分之一。
神经网络是机器学习的一个子集，是当代深度学习方法的根本。
神经网络是一种仿生算法，适用于大数据的模式识别和干系问题，其创新发展的重点是针对特定类别的预测、分类和处理问题，以优化神经网络的利用。
孪生网络（Siamese Networks）和天生对抗网络（GAN）等竞争策略也显示出巨大的前景。
另一个研究领域侧重于学习架构，使人工智能在利用更少数据的同时更加敏捷和灵巧。
深度Q学习（deep Q learning）、联合学习（federated learning）和“机器知识”（machine common sense）等方法大有可为。
卷积神经网络（针对三维图像识别进行了优化）、卷积自动编码器和稀释卷积神经网络正处于主要的抽芽阶段，其他发展领域包括：

人工智能最令人愉快的发展或许是其运用的广泛性和高度影响力，人工智能将连续整合系统、流程和防御能力。
个中一些主要的运用包括人工社会智能（artificial social intelligence）、假情报和认知战计策自动化、制作和识别“深度假造”、空中补给或空中武器掌握、赞助高分辨率图像识别、根据文本描述创建图像、导航人类地形以及供应通用措辞翻译。

人工智能可能产生颠覆性影响的一个最不受重视但却最主要的领域是，它可以促进新的科学、数学和工程创造，并对新的科学范式起到推动浸染。
最近办理蛋白质折叠或开拓新材料的例子突出表明了人工智能在科学创造方面尚未完备开拓的性子。
当前和未来人工智能发展的另一个颠覆性领域是创建可根据文本数据天生图像或视频的系统。
随着Stable Diffusion 2.1、DALL-E 2和 Midjourney的发布，天生式人工智能方法的发展在2022年取得了重大打破。
同样，人工智能谈天机器人ChatGPT可以与用户进行繁芜的文本交互，乃至可用于诊断目的。
估量在未来几年内，这些工具将得到广泛运用，其繁芜程度将不断提高，社会寻衅也将日益严厉。

随着同盟部队和竞争对手越来越多地利用人工智能，探测、转移和限定对联盟人工智能（Alliance AI）攻击的影响，同时毁坏对手的人工智能系统变得越来越主要。
与任何作战领域一样，须要检测、转移和限定对联盟人工智能攻击的影响。
通过人工智能操纵和欺骗来对抗对手的人工智能和干系决策过程是一项艰巨的技能寻衅。
同样，检测人工智能操纵也不是一件大略的事。
末了，人工智能与人工智能之间的冲突可能发生，这也是认知战和虚假信息不断发展的一定。
因此，这些征战将变得越来越常见，有必要识别对抗性人工智能，为其建模，评估其弱点，并制订反制人工智能计策。
北约首次颠覆性技能桌面练习（D3TX）指出了探索人工智能反制方法的主要性，北约认为这是一项须要加强研发的技能。
此外，北约认为，在同盟行动中，有必要确定人工智能系统的校核、验证与确认（VV&A）流程和标准。

人工智能面临的一个核心寻衅是如何将人工智能与人类结合起来，创建一个有效的生理-社会-技能协作系统。
这方面的研究进展迅速，紧张集中在开拓可阐明的人工智能、理解信赖的建立以及确保对人工智能系统操作的信心。
研究表明，随着系统从关注人工智能的技能层面转向考虑更广泛的社会技能层面和最佳利用办法，这一问题日益受到关注。

可阐明性、可复制性和可信度都是至关主要的研究领域，估量未来5到10年将会取得重大打破。
须要开拓新的人工智能/机器学习技能来支持系统的评估，并明确传达干系的约束和限定。
这些可由人类阐明的机器学习模型会与更有利于人类理解和评估的可视化和互换模式相结合。

此外，有必要重新思考人类与人工智能的互动，以便通过用户友好的界面，在实用和适用的情形下得到知识，从而建立对此类系统的信赖。
信赖是人工智能与人类互动的致命弱点，理解如何在人类与人工智能之间建立信赖关系，以及理解人工智能信赖人类判断的意义，将是未来一项艰巨的技能寻衅。