摘要：2016年，美国国防科学委员会在《智能化夏季研究报告》中强调，智能化能够带来巨大的行动优势，美军必须强化对智能化的作战牵引。“算法战”概念在这一背景下应运而生。2017年，美国防部宣布建立算法战跨职能团队（AWCFT），代号Maven项目，以加速国防部对大数据和机器学习（ML）的整合。2022年4月，《国际政治社会学》期刊发表报告《机器学习与军队平台化：谷歌机器学习平台TensorFlow研究》，对美军与谷歌在ML技术上的合作以及美军在军队平台化上的进展进行了分析。

关键词：美国，军队平台化，机器学习，谷歌，算法战

“算法战”背景

2016年，美国国防科学委员会在《智能化夏季研究报告》中强调，智能化能够带来巨大的行动优势，美军必须强化对智能化的作战牵引。“算法战”概念在这一背景下应运而生，其作用是牵引智能化技术从实验室走向战场，加快推进人工智能的军事化应用，拉大与主要对手的技术代差。2017年，美国防部宣布建立算法战跨职能小组（AWCFT），代号Maven项目，以加速国防部对大数据和机器学习（ML）的整合。2018年6月，联合人工智能中心（JAIC）成立，致力于探索人工智能（AI）(特别是边缘计算)、人工智能增强通信在实战中的应用，2022年2月，JAIC、国防数字服务和推进分析办公室合并为一个统一的组织，即首席数字和人工智能办公室(CDAO)，负责加速国防部采用数据、分析和人工智能以产生从董事会到战场的决策优势。

ML是“人工智能的分支，可使计算机系统直接从示例、数据和经验中学习”。美军正在增加对ML的部署，以确定大型数据集中的未知模型和关系、进行提议和预测以及加快决策速度。其中，相关ML应用程序，如模型识别、自然语言处理、情绪分析、面部和图像识别等，已在是否使用杀伤力的决策中起到重要作用。这些应用程序能够为一系列决策提供信息，如在何时对何人/何物进行攻击的杀伤性决策和与军事战略和具体作战行动相关的决策。报告认为，由于这些技术通常与无处不在的数字监视相结合，在造成战场失衡的同时以其独有的方式形成暴力，因此这些技术在武装战争中也可能会对普通民众造成伤害。

随着ML在军事领域发挥的作用越来越大，安全关键领域中有越来越多的专家学者开始从“算法战”的角度研究其作用和效能。有专家认为，尽管算法技术已被运用到战争中多年，但“再怎么夸大应用生成式ML算法的历史意义都不为过。”根据其理论，ML算法由独特的安全逻辑构成，在这套逻辑里，所有的威胁和目标都是“通过海量数据中的模型识别”诱导生成的。通过这种方式，ML和神经网络计算技术的进步正在彻底重塑“现有的知识产品、决策和安全实践。”有专家在对算法战的论述中也提到了算法模式分析，认为算法模式分析能够在无人机集群中产生“可瞄准、可杀伤的主体”，强调算法定位不能和最开始编写算法的人的性别和种族分离。还有专家认为，目前在算法决策上的投资实际上是在为军方的“态势感知”提供技术解决方案。尽管军方声称算法战可以提高决策精度，但目前并没有与此相关的技术解决方案。而且，关于算法战精确性的说法模糊了“武器精确打击目标与辨认预先瞄准的合法威胁之间的区别。”尽管学术界众说纷纭，然而将算法应用至军事领域是大势所趋。下文将介绍美国军方为推动军队平台化，与谷歌在算法上开展合作的情况。

美国军方与谷歌在算法上的合作

美国军方与谷歌最初在Maven项目上开展合作。Maven项目旨在通过深度学习和计算机视觉算法对全动态视频图像中的目标进行监测、分类和跟踪，将美国国防部可用的大量数据快速转化为作战情报并形成观点。然而，美方目前并未公布任何有关Maven项目中使用的数据分析技术和分析类别的细节信息，也没有披露谷歌在该项目中扮演的角色。

尽管Maven项目一直强调建立通用平台是为了开发技术，然而其实际上是为了搭建通用平台基础设施，该做法被称为军队的平台化。军队平台化的根源在于军队中出现了ML技术，且军队有意利用这些技术实现自动化和精确化。然而却存在几方面问题，一是部分数据用途有限，无法有效应用于人工智能开发；二是军方缺乏处理数据的集中平台，数据访问和共享受阻；三是军方即使有专门的数据管理平台，但由于数据准确率低，军方也难以理解这些数据。于是军方和谷歌签署合同，将TensorFlow用于集中监视数据和扩展ML开发和试验。

2018年夏，国防部被爆使用谷歌ML平台TensorFlow帮助军队分析人员检测图片中的目标，近4000名谷歌员工抗议公司为此提供支持，Maven项目一下成为舆论的焦点。谷歌发言人为Maven项目辩解称：“该项目是国防部的试点项目，旨在提供TensorFlow开源应用程序编程接口（API）以协助（军方）辨认未分类数据中的目标。”并且，该项目“仅用于非攻击性用途”。之后，谷歌宣布不会续签其与国防部的合约。然而，这并不意味着合作完全中止。除TensorFlow外，谷歌还通过投资初创科技公司来加强其与美国军方的合作。Labelbox公司于2020年5月与美国空军签订合约，为空军提供一个用于分类和管理训练数据的平台，其中，大多数训练数据已人工完成分类。在此之前，Labelbox曾于2019年获得了Gradient风投公司100万美元的投资，该风投公司正是谷歌投资成立的。谷歌还和国防部国防创新部门（DIU）签订价值数百万美元的合约，为国防部的云环境测试新技术。作为该合同的一部分，谷歌将向国防部提供多个ML应用程序，如“语音转文本预置型”（“Speech-to-Text On-Prem”）等。“语音转文本预置型”能够为TensorFlow提供语音识别模型。谷歌正是通过这种方式将开源社区围绕平台做出的成果变现。

与此同时，美国军方意识到他们需要一个通用平台来开发ML技术。2019年，美国国防部联合人工智能中心（JAIC）开始开发联合通用基础平台，时任美国防部部长沙纳汉称“该平台能够访问数据、工具、环境、库和其他已认证平台，使得软件和AI开发人员能够快速完成开发和评估，从而向士兵提供AI赋能的解决方案。”联合通用基础平台将降低入门门槛、推动数据民主化、减少重复性工作，且该平台将立足于企业云基础设施之上。联合通用基础于2021年启动，被称为“借阅库”或“基于云的开发环境”。其工作方式与TensorFlow相似，能够将数据集、代码库和其他开放平台集合到一起。美陆军和空军也在建造他们各自的平台，陆军为“科俄斯”（Coeus），空军为“平台一号”（Platform One）。美国防部希望最终能将这些平台串联起来，形成“平台结构”或“平台下设平台”的结构，这说明美军有意向进行广泛的军队平台化。

从美国防部对TensorFlow的使用可以看出，软件开发人员能够通过这一平台参与到军用技术的开发当中。既可以间接参与，如谷歌将TensorFlow运用到谷歌云等服务中；也可以直接参与，如JAIC战略和通信负责人格雷格·艾伦所言，美国防部承认TensorFlow和PyTorch社区有参与军用技术的开发。

美军中同样有声音呼吁使用除国防部平台以外的开源ML平台。美军内部的AI开发人员使用第三方ML平台能够在拿到军事数据的第一时间用最先进的工具对这些数据进行分析和使用。然而，由于这些ML平台都是开源的，对手能够通过检测平台源代码找出漏洞并发动攻击，因此使用这些开源平台必将引起安全问题。不过，也有部分军方官员指出，部署开源平台反而更加安全。他们认为，正因为是开源平台，因此它们不可能有“此前从未被用户发现，而敌人一眼就能找出来的漏洞。”

结论

报告分析了谷歌的ML平台TensorFlow，阐述了ML技术在军队中的作用，并提出了两个观点。一是军队正在进行平台化改革，将ML平台广泛用于测试决策用的ML技术。二是军队正在与科技领域的商业公司，特别是大型科技公司建立新联系，以利用这些商业公司平台的专业知识和扩展能力。值得注意的是，尽管谷歌声称其参与到Maven项目中仅是为了向美国军方提供开源软件，但报告认为在科技公司参与军队平台化时威胁到了政治道德。报告还指出，军队平台化向军队提供了设计、优化和实践算法所需的基础设施和专业知识，这加速了战争中的算法实践。可以说，ML平台正在将算法实践一步步推向军事组织的中心，并将其“向外”扩展到各个单位、部队和战场当中。

推荐阅读

网上医疗住院保险公司 网上医疗住院保险公司能报销吗

网销保险公司有哪些？网销保险公司有哪些公司

网售保险公司 网销保险公司

性价比更高、技术成熟：蓝电E5对比长安欧尚Z6 iDD优势不小

性价比更高、技术更成熟，蓝电E5对比长安欧尚Z6 iDD优势不小

性价比更高，技术成熟，蓝电E5对比长安欧尚Z6 iDD优势不小！

性价比更高、技术更成熟，蓝电E5对比长安欧尚Z6 iDD优势不小！

性价比更高，技术更成熟，蓝电E5对比长安欧尚Z6 iDD优势不小

性价比更高，技术成熟，蓝电E5对比长安欧尚Z6 iDD优势不小

性价比更高，技术更成熟，蓝电E5对比长安欧尚Z6 iDD优势不小！