人工智能与无人系统成军民融合发展新契机

本篇文章2112字，读完约5分钟

HC Security Network News“高考成绩出来后，各地反映今年计算机专业很热，人工智能咨询最多。”清华大学党委书记陈旭如最近在“长城工程科技大会”第三次会议上说。 随着阿尔法狗(Alpha dog)引发的热浪席卷民间、工业和政界，人工智能已成为军事战略家的战场。 据预测，人工智能武器将成为继火药和核武器之后的第三次军事技术革命。在这次会议上，许多学者和专家一致认为，这种国防和民用技术相结合的创新模式将推动中国人工智能发展到一个新的水平。

大趋势 6月27日，《麻省理工学院技术评论》公布了“世界上最聪明的50家公司”的名单，从中我们可以看出人工智能是一个热点。例如，英伟达是人工智能的代表企业，科达讯飞是中国人工智能的代表企业，首次入围后排名第六。中国工程院院士潘云鹤指出，与前两轮学术界掀起的热潮不同，这一轮人工智能升温是由产业界发起的，随后各国政府纷纷效仿并制定国家战略。 例如，2016年9月，美国五大科技巨头谷歌、脸书、ibm、亚马逊和微软宣布成立人工智能产业联盟。2016年10月，美国联邦政府发布了人工智能研发国家战略计划，并指出人工智能可能处于第三次浪潮的起点。在中国，人工智能也经常出现在党和国家领导人的讲话中。在去年的“第三次科学技术大会”上，习近平主席提出了建设世界科技强国的口号，并在一些关键领域努力发挥领导作用。中国工程院院长周济认为，人工智能是一个颠覆性的重要领域。 潘云鹤表示，几年前，中国工程院研究智能城市、大数据、智能制造、创新设计等项目时，发现实现这些项目的最终技术方向是人工智能。因此，2015年，中国工程院设立了重大咨询项目“中国人工智能2.0发展战略研究”，使人工智能成为国家发展战略。 现在，中国有400多个城市在建设智能城市，搜索引擎、图像识别、语音转换等领域已经形成了较大的市场规模。 生效 专家指出，人工智能武器装备不仅会带来未来战争形式的变化，还会导致军事指挥和决策的变化。 6月20日，习近平总书记主持召开中央国防与民用技术集成发展委员会第一次全体会议，深刻阐述了我国国防与民用技术集成发展的阶段性特征，明确提出在一些重要新兴领域必须加快国防与民用技术集成发展。国家发展和改革委员会经济与国防协调发展司副司长许建平表示，人工智能作为一种典型的军民两用前端技术，在国防武器装备领域有着广阔的应用前景。 周济还认为，人工智能是未来几十年最重要的军民两用技术。[/h/“美国和俄罗斯等军事强国将军事人工智能视为改变游戏规则的颠覆性技术。美国国防部显然将人工智能和自主性视为两大技术支柱。” 关于如何促进国防和民用技术的人工智能集成发展，许建平提出了三点改进措施:一是加强协同创新机制和体系建设，借鉴先进模式，促进创新要素的合理流动；二是强化龙头项目，先试优质项目；第三，加强政策环境建设。据报道，我国有近4000项与国防和民用技术集成发展相关的政策和措施，但许多政策由于重复性高、可操作性差而难以实施。许建平说，这种情况迫切需要改变。 对于目前的创新体系，中国工程院院士李德意指出，这是一种自上而下的科研方法，代表了国家的意志，引领了前沿；然而，科学研究成果最终得到展示和奖励，因此往往很难进入市场，尤其是形成整体战斗力。相对而言，他认为国防和民用技术的融合从创新开始，与市场竞争，为社会和国防服务，是一套有效的创新方式。国际研究咨询公司gartner的研究主管angelamcintyre预测，2017年，各种各样的司机将成为人工智能将取代的工作，其中宇航员将首先被取代。她提出的几个标准包括重复、耗时和无聊；在复杂和快速变化的环境中进行实时决策和执行；根据手册；超越了人类物理学的极限；处理高度复杂的数据或流程。 李德意认为，陆、海、陆空两栖无人驾驶符合上述条件，它关系到国计民生，体现了国防力量，应该成为人工智能领域国防与民用技术融合发展的起点。西北工业大学教授张伟也认为无人系统应该是一个突破。 “从军事应用的角度来看，美国非常重视无人系统的发展。”张伟说，自2000年以来，美国已经发布了7个版本的无人系统路线图，并不断调整其发展目标。 在民用方面，无人驾驶系统也已经渗透到人类生活的各个方面，从无人驾驶飞行器到无人驾驶飞行器，再到民用航空航天，甚至海洋，都在飞速发展。“现在缺少的是系统集成。”张伟指出，无人系统具有国防和民用技术自然融合的特点。 “许多同志说，国防和民用技术的结合并没有解决问题，但实际上定义并不明确。我们建议，在未来，国防和民用技术的整合应该跳出“转军为民，参军”的怪圈，发展无人系统，走军民受益之路。张伟强调， 中兴微电子股份有限公司总经理张云东指出，前端智能广泛应用于国防和民用技术的集成。例如，智能无人设备的视觉系统、潜艇声纳的信号识别系统、雷达的信号传感系统、单兵和无人控制系统都不能传输到后端应用场景，数据也由于加密或隐私原因不能传输到云端。所有智能分析都必须在前端实现，甚至自主学习也必须在前端实现，这就对芯片提出了更高的要求。然而，具有高计算能力的嵌入式神经网络处理器非常少。随着摩尔定律的终结，如何提高芯片的计算能力将成为一大挑战。