每每說(shuō)起AI與機(jī)器人，很多人腦海中首先浮現(xiàn)的往往是那些“后啟示錄時(shí)代”下恐怖、且具有強(qiáng)大超智能的機(jī)器，它們橫行無(wú)忌、甚至占領(lǐng)了整個(gè)世界乃至宇宙。電影《終結(jié)者》可以說(shuō)是人們對(duì)于A(yíng)I恐懼之情的典型具象體現(xiàn)，其中的天網(wǎng)（Skynet）——以計(jì)算機(jī)為基礎(chǔ)的人工智能防御系統(tǒng)，被影片稱(chēng)為“基于人工神經(jīng)網(wǎng)絡(luò)的集體意識(shí)與人工通用型超智能系統(tǒng)”。但目前看來(lái)，AI似乎并不像科幻小說(shuō)中所描述的那樣充滿(mǎn)戾氣。相反，AI正在執(zhí)行諸多繁瑣且傳統(tǒng)上只能以手動(dòng)方式完成的任務(wù)，同時(shí)為我們帶來(lái)從識(shí)別到對(duì)話(huà)、再到預(yù)測(cè)分析模式匹配的各類(lèi)自主系統(tǒng)。

相較于科幻片里夸張的想象力與創(chuàng)造力，現(xiàn)實(shí)中的軍事組織在A(yíng)I領(lǐng)域的投資卻尤為真實(shí)。以幫助人類(lèi)更好地完成現(xiàn)有任務(wù)的角度，機(jī)器學(xué)習(xí)與AI的實(shí)現(xiàn)方式真沒(méi)那么戲劇性。有趣的是，提升機(jī)器智能的過(guò)程，反而令人類(lèi)得以更好地理解并控制周邊的環(huán)境。

美國(guó)陸軍研究實(shí)驗(yàn)室機(jī)動(dòng)與機(jī)動(dòng)性事務(wù)AI與機(jī)器學(xué)習(xí)應(yīng)用性能管理負(fù)責(zé)人John Fossaceca最近在一場(chǎng)AI大會(huì)上（AI in Government）發(fā)表演講，分享了“AI如何應(yīng)對(duì)各類(lèi)日常場(chǎng)景？”，同時(shí)也介紹了“美國(guó)陸軍的自主機(jī)器人乃至其他機(jī)器的未來(lái)發(fā)展方向”。

　　問(wèn)：美國(guó)陸軍目前如何運(yùn)用AI技術(shù)？

John Fossaceca：陸軍正在以多種方式使用AI技術(shù)，例如將其引入預(yù)測(cè)性維護(hù)當(dāng)中。AI技術(shù)能夠幫助我們預(yù)測(cè)，如何搶在汽車(chē)發(fā)生故障之前，替換或維修相關(guān)的零配件。做到了這一點(diǎn)，我們將節(jié)約下大量金錢(qián)并提高操作安全性。目前布拉德利戰(zhàn)車(chē)等多種軍用載具都在嘗試這項(xiàng)功能。

陸軍方面掌握著大量數(shù)據(jù)，而AI與機(jī)器學(xué)習(xí)技術(shù)普遍需要大規(guī)模數(shù)據(jù)支持。以Maven項(xiàng)目為例，此計(jì)劃使用無(wú)人機(jī)發(fā)回的數(shù)據(jù)幫助分析人員自動(dòng)完成某些軍事工作。Maven項(xiàng)目中就使用到一系列標(biāo)準(zhǔn)化AI工具，例如谷歌的TensorFlow，當(dāng)然也配合陸軍內(nèi)部構(gòu)建的自定義工具。

陸軍還在積極研究，使用AI技術(shù)增強(qiáng)自動(dòng)駕駛汽車(chē)、電子戰(zhàn)與信號(hào)情報(bào)、傳感器融合以及增強(qiáng)現(xiàn)實(shí)等等。AI將通過(guò)聯(lián)合全域指揮與控制（JAD-C2）等計(jì)劃，提高戰(zhàn)場(chǎng)上的態(tài)勢(shì)感知能力，最終改善軍方的決策制定水平。

AI在軍隊(duì)中的另一項(xiàng)重要作用在于，實(shí)現(xiàn)更好的人才管理。目前，陸軍AI特遣隊(duì)（AITF）就在主動(dòng)使用AI技術(shù)，尋求成功作戰(zhàn)所必需的能力與屬性，并結(jié)合這些需求物色潛在的軍事人才。

在作戰(zhàn)能力發(fā)展司令部下轄的陸軍研究實(shí)驗(yàn)室（ARL）中，AI已經(jīng)成為一大主要研究領(lǐng)域。ARL可以算是陸軍內(nèi)部的研發(fā)中心，管理著多項(xiàng)AI相關(guān)計(jì)劃。以名為“機(jī)動(dòng)與機(jī)動(dòng)性人工智能（AIMM）”的基本研究計(jì)劃為例，其目標(biāo)在于引導(dǎo)陸軍思考如何為下一代戰(zhàn)斗車(chē)輛（NGCV）在無(wú)需人為介入的前提下獲得良好的越野能力。這些下一代智能車(chē)輛，能夠根據(jù)特殊情況、環(huán)境條件做出推理，進(jìn)而做出最佳行動(dòng)決策，同時(shí)向士兵發(fā)出情況通報(bào)，以提高對(duì)戰(zhàn)場(chǎng)的態(tài)勢(shì)感知水平。ARL還擁有其他多項(xiàng)重要研究計(jì)劃，并著力運(yùn)用AI方法在其中推動(dòng)創(chuàng)新，相信這一切都將給未來(lái)的陸軍帶來(lái)更強(qiáng)的作戰(zhàn)能力。

將來(lái)，美國(guó)陸軍將使用AI技術(shù)處理來(lái)自多個(gè)傳感器的輸入數(shù)據(jù)，借此準(zhǔn)確描繪戰(zhàn)場(chǎng)威脅，同時(shí)加快由陸軍未來(lái)司令部領(lǐng)導(dǎo)的Convergence（融合）項(xiàng)目中的目標(biāo)制定與目標(biāo)決策過(guò)程。

　　問(wèn)：采用人工智能/機(jī)器學(xué)習(xí)技術(shù)，陸軍面臨哪些挑戰(zhàn)？

John Fossaceca：「商業(yè)AI」依賴(lài)于龐大的計(jì)算資源與海量數(shù)據(jù)，其中云計(jì)算資源能夠及時(shí)向終端返回處理結(jié)果。但另一方面，「戰(zhàn)地AI」則受限于邊緣設(shè)備——計(jì)算機(jī)處理器相對(duì)輕量化，且在戰(zhàn)場(chǎng)對(duì)抗環(huán)境下通信帶寬可能較有限。

在陸軍的實(shí)際應(yīng)用中，我們通常得不到充足的訓(xùn)練數(shù)據(jù)，現(xiàn)有的數(shù)據(jù)往往已經(jīng)損壞或者噪聲過(guò)多。運(yùn)營(yíng)環(huán)境也趨于動(dòng)態(tài)變化，有時(shí)會(huì)因道路、建筑物以及基礎(chǔ)設(shè)施受損而變得混亂不堪。另外，我們需要面對(duì)來(lái)自多個(gè)來(lái)源的異類(lèi)數(shù)據(jù)，某些數(shù)據(jù)甚至具有欺騙性或者已經(jīng)受到對(duì)手的操縱。

目前的AI技術(shù)往往非常脆弱，甚至在理想的運(yùn)營(yíng)條件下也有可能發(fā)生崩潰。其推理能力也非常有限，特別是在實(shí)時(shí)推理方面表現(xiàn)不佳。部分已經(jīng)部署的系統(tǒng)雖然不斷強(qiáng)調(diào)其AI能力，但實(shí)際功能往往受限于硬編碼規(guī)則，而缺乏從傳感器及其他系統(tǒng)收集輸入內(nèi)容，并做出推斷與推理的能力——更遑論提供增強(qiáng)型態(tài)勢(shì)評(píng)估了。

相當(dāng)一部分AI方法都依賴(lài)于“監(jiān)督學(xué)習(xí)”（例如深度學(xué)習(xí)），這類(lèi)技術(shù)會(huì)構(gòu)建起龐大的模型，通常需要在超大規(guī)模計(jì)算基礎(chǔ)設(shè)施之上，以“批處理”形式學(xué)習(xí)成上千萬(wàn)甚至上億個(gè)參數(shù)。很明顯，陸軍需要的是能夠擺脫這類(lèi)束縛、真正擁有在線(xiàn)實(shí)時(shí)推理能力的解決方案。

最終我們發(fā)現(xiàn)，現(xiàn)有系統(tǒng)并不能真正自動(dòng)運(yùn)行，其仍需要人為介入、干預(yù)乃至手動(dòng)控制。早在2018年，我們就開(kāi)始嘗試通過(guò)反饋進(jìn)行學(xué)習(xí)，由人類(lèi)觀(guān)察者向智能代理提供正面或負(fù)面信號(hào)。通過(guò)這種方式，我們證明可以大幅縮短學(xué)習(xí)時(shí)間。我們將這項(xiàng)研究擴(kuò)展并總結(jié)為“示范學(xué)習(xí)”，稍后我們會(huì)進(jìn)一步討論這個(gè)議題。

隨著研究的深入，我們意識(shí)到需要一種與「智能代理」的自然交互方式。除了自然的對(duì)話(huà)與接觸之外，由于A(yíng)I缺少對(duì)世界的認(rèn)知常識(shí)與“樸素推理”能力，很多問(wèn)題隨之浮出水面。我們則通過(guò)AIMM中的第二項(xiàng)工作——上下文感知決策制定——努力攻克這些挑戰(zhàn)。

　　問(wèn)：陸軍如何為人工智能/機(jī)器學(xué)習(xí)項(xiàng)目提供數(shù)據(jù)支持？

John Fossaceca：陸軍乃至整個(gè)國(guó)防部，都在開(kāi)展大規(guī)模數(shù)據(jù)收集與標(biāo)記工作，借此為AI算法準(zhǔn)備可用的數(shù)據(jù)資源。例如，Maven項(xiàng)目中就使用到大量來(lái)自無(wú)人機(jī)的視頻素材。有時(shí)候，我們也會(huì)根據(jù)保密級(jí)別，通過(guò)眾包技術(shù)進(jìn)行數(shù)據(jù)標(biāo)記。其他舉措還包括ARL的內(nèi)部工作，例如從各個(gè)位置收集內(nèi)部數(shù)據(jù)，并與研究合作伙伴一道整理并標(biāo)記各類(lèi)地形數(shù)據(jù)。ARL在馬里蘭州設(shè)有機(jī)器人研究合作園區(qū)（R2C2），在園區(qū)內(nèi)收集數(shù)據(jù)并進(jìn)行各類(lèi)自主實(shí)驗(yàn)。

除了Maven項(xiàng)目之外，國(guó)防部還在運(yùn)用先進(jìn)工具進(jìn)行情報(bào)分析。其中大部分項(xiàng)目致力于使用深度學(xué)習(xí)方法檢測(cè)圖像中的特定對(duì)象，而實(shí)現(xiàn)的前提，自然是對(duì)大量數(shù)據(jù)進(jìn)行清洗、整理與標(biāo)記。此外，項(xiàng)目還要求研究人員使用存儲(chǔ)、算法工具包、計(jì)算資源、測(cè)試以及部署工具共同構(gòu)建起AI管道。為此，項(xiàng)目團(tuán)隊(duì)往往需要開(kāi)發(fā)出數(shù)據(jù)格式標(biāo)準(zhǔn)，以保證實(shí)驗(yàn)與測(cè)試場(chǎng)景之間保持一致，并為用戶(hù)提供熟悉的環(huán)境。數(shù)據(jù)存儲(chǔ)庫(kù)本身也需要進(jìn)行分類(lèi)以供用戶(hù)訪(fǎng)問(wèn)，同時(shí)保證其中的數(shù)據(jù)隨附可用描述。為了在多個(gè)數(shù)據(jù)庫(kù)之間實(shí)現(xiàn)信息訪(fǎng)問(wèn)標(biāo)準(zhǔn)化，軍方做出一系列努力，旨在降低情報(bào)界使用AI成果的門(mén)檻。

　　問(wèn)：陸軍如何利用自動(dòng)駕駛汽車(chē)實(shí)現(xiàn)機(jī)動(dòng)性目標(biāo)？

John Fossaceca：在陸軍的機(jī)器人與自主系統(tǒng)（RAS）戰(zhàn)略中，副總參謀長(zhǎng)Daniel B. Allyn將軍明確提到，“RAS的整合，將幫助未來(lái)作為聯(lián)合部隊(duì)重要組成部分的美國(guó)陸軍，獲得克敵制勝、控制地形、保護(hù)民眾以及鞏固利益的能力。RAS還將幫助未來(lái)的陸軍部隊(duì)得以與其他多個(gè)領(lǐng)域的戰(zhàn)斗行動(dòng)保持統(tǒng)一，將力量從陸地投射至海洋、太空以及網(wǎng)絡(luò)等多個(gè)空間，共同維護(hù)聯(lián)合部隊(duì)的行動(dòng)與作戰(zhàn)靈活性。”

根據(jù)RAS戰(zhàn)略的描述，“有效整合RAS，將提高美軍維持高強(qiáng)度作戰(zhàn)的能力，并使敵方無(wú)法做出有效反應(yīng)。陸軍必須加緊建立自己的RAS能力，這是一場(chǎng)與敵方比拼速度的RAS軍備競(jìng)賽。一旦落后，敵方將采用一系列新策略破壞美國(guó)的軍事優(yōu)勢(shì)，并借此獲悉的美國(guó)軍事體系劣勢(shì)。”

為了實(shí)現(xiàn)RAS戰(zhàn)略的愿景，自動(dòng)駕駛車(chē)輛必須能夠保障“機(jī)動(dòng)自由”，同時(shí)降低士兵的傷亡風(fēng)險(xiǎn)。這就要求人類(lèi)與機(jī)器之間實(shí)現(xiàn)自主協(xié)作。車(chē)輛將成為戰(zhàn)場(chǎng)上的隊(duì)友，而不再只是一種武器裝備。這些“人機(jī)集成小隊(duì)將幫助軍方在情況不明的條件下探尋、適應(yīng)、戰(zhàn)斗并最終取勝?！?/p>

AI技術(shù)無(wú)疑是這些智能自主系統(tǒng)的關(guān)鍵驅(qū)動(dòng)力之一。美國(guó)陸軍還必須直面客觀(guān)事實(shí)，即其對(duì)手也將使用自主系統(tǒng)。在自主水平不斷升級(jí)的背景下，機(jī)器人自主系統(tǒng)將不再依賴(lài)于通信鏈路——因?yàn)楦蓴_及傳輸容量的限制，通信鏈路在戰(zhàn)場(chǎng)條件下幾乎得不到任何保障。

從優(yōu)先級(jí)角度出發(fā)，RAS戰(zhàn)略要求在短期內(nèi)改善態(tài)勢(shì)感知水平，并幫助減輕士兵的體力負(fù)擔(dān)。著眼于中期，“自主車(chē)輛行動(dòng)”不僅有助于維持戰(zhàn)場(chǎng)形勢(shì)，同時(shí)也將為士兵提供掩護(hù)。最終從長(zhǎng)遠(yuǎn)來(lái)看，自動(dòng)駕駛汽車(chē)將獲得執(zhí)行先進(jìn)戰(zhàn)術(shù)的能力，進(jìn)而“提高旅級(jí)戰(zhàn)斗團(tuán)隊(duì)的能力”。

　　問(wèn)：哪些獨(dú)特的環(huán)境挑戰(zhàn)，會(huì)影響到自動(dòng)駕駛汽車(chē)與設(shè)備的研究工作？

John Fossaceca: 除了復(fù)雜的地形與非結(jié)構(gòu)化環(huán)境之外，敵對(duì)方也有可能對(duì)陸軍的作戰(zhàn)環(huán)境帶來(lái)不可預(yù)測(cè)的影響。陸軍的研究，專(zhuān)門(mén)針對(duì)所謂“戰(zhàn)術(shù)行為”，即自動(dòng)駕駛汽車(chē)應(yīng)該采用怎樣的特定形式？自動(dòng)駕駛汽車(chē)如何在兩軍對(duì)抗中奪取優(yōu)勢(shì)地位？自動(dòng)駕駛汽車(chē)如何在不被敵軍發(fā)現(xiàn)的情況下運(yùn)行？陸軍已經(jīng)就此做出深入研究，并著力保證下一代作戰(zhàn)車(chē)輛能夠推理出所有潛在路線(xiàn)——甚至包括涉水路線(xiàn)。

　　問(wèn)：ARL在無(wú)人駕駛汽車(chē)方面的研究，與民用行業(yè)的研究有何不同？

John Fossaceca：在陸軍作戰(zhàn)環(huán)境中，通常很難收到規(guī)?；?、與軍事相關(guān)且具有明確標(biāo)記的數(shù)據(jù)，因此ARL一直高度關(guān)注AI算法，希望探索出一條對(duì)數(shù)據(jù)依賴(lài)性遠(yuǎn)低于傳統(tǒng)監(jiān)督方法的新道路。與此相匹配，陸軍將針對(duì)場(chǎng)景分割等用例，開(kāi)發(fā)「無(wú)監(jiān)督方法」，希望實(shí)現(xiàn)對(duì)數(shù)據(jù)的自動(dòng)標(biāo)記。

然而，這樣的方法目前仍然需要大量算力，因此很難在自動(dòng)駕駛車(chē)輛上實(shí)時(shí)完成處理。為了解決這個(gè)問(wèn)題，陸軍邀請(qǐng)多位計(jì)算機(jī)科學(xué)家，由他們專(zhuān)職研究計(jì)算機(jī)架構(gòu)與算法，旨在通過(guò)先進(jìn)方法幫助陸軍在自動(dòng)駕駛車(chē)輛能夠支持的處理器尺寸與功率限制內(nèi)，達(dá)成預(yù)期效果。

陸軍顯然面臨著商業(yè)部門(mén)難以想象、也完全無(wú)法解決的獨(dú)特技術(shù)挑戰(zhàn)。商用自主車(chē)輛不需要過(guò)多考慮運(yùn)行環(huán)境中的破壞性因素——除了人員、障礙物甚至是意外事件，軍事行動(dòng)往往發(fā)生在極不確定的環(huán)境當(dāng)中，地形危險(xiǎn)而復(fù)雜、敵對(duì)方也可能設(shè)下種種威脅陷阱。

首批實(shí)例將采用遠(yuǎn)程操作形式，陸軍也將在遙控過(guò)程中逐步摸索出此類(lèi)車(chē)輛的操作方式，學(xué)習(xí)如何在戰(zhàn)場(chǎng)上使用機(jī)器人。以此為依據(jù)，我們將了解應(yīng)該開(kāi)發(fā)出怎樣的自主行為。最終，下一代戰(zhàn)斗車(chē)輛將擁有現(xiàn)場(chǎng)學(xué)習(xí)、形勢(shì)適應(yīng)、推理以及有效采取行動(dòng)，以支持多領(lǐng)域作戰(zhàn)任務(wù)的能力。

　問(wèn)：面對(duì)AI挑戰(zhàn)，您有哪些經(jīng)驗(yàn)之談？

John Fossaceca：近期的陸軍研究發(fā)現(xiàn)，利用人類(lèi)示范與反饋的深度強(qiáng)化學(xué)習(xí)技術(shù)已經(jīng)取得了成功。這些新型方法的成功，大大減少了在新任務(wù)中訓(xùn)練系統(tǒng)的時(shí)間周期。

而通過(guò)人類(lèi)演示的其他研究表明，即使只使用有限的示例，同樣可以在戰(zhàn)場(chǎng)上通過(guò)再訓(xùn)練獲得一定程度的實(shí)用性、甚至是實(shí)時(shí)學(xué)習(xí)的潛力。這些技術(shù)似乎還能夠與遷移學(xué)習(xí)相融合，即在一組條件下學(xué)習(xí)，并將模型成果引入至另一組全新條件，且無(wú)需從零開(kāi)始重新訓(xùn)練。

　問(wèn)：在美國(guó)陸軍看來(lái)，未來(lái)的戰(zhàn)場(chǎng)與士兵將呈現(xiàn)出怎樣的面貌？

John Fossaceca：在美國(guó)陸軍看來(lái)，未來(lái)的戰(zhàn)場(chǎng)上將出現(xiàn)無(wú)人編隊(duì)，其速度遠(yuǎn)超當(dāng)前人員編隊(duì)。其中一項(xiàng)目標(biāo)，是讓自主系統(tǒng)對(duì)區(qū)域及路線(xiàn)進(jìn)行偵察，發(fā)現(xiàn)或與敵方接火，同時(shí)為士兵提供防御支援。

問(wèn)：AI技術(shù)對(duì)于陸軍的未來(lái)發(fā)展愿景有何重要意義？

John Fossaceca：AI技術(shù)將成為未來(lái)多域作戰(zhàn)中取得成功的關(guān)鍵驅(qū)動(dòng)力。根據(jù)前陸軍部長(zhǎng)兼現(xiàn)任國(guó)防部長(zhǎng)Mark Esper的說(shuō)法，“如果我們能夠掌控AI，那么它一定能夠更好地保護(hù)美國(guó)人民。要在未來(lái)的戰(zhàn)場(chǎng)上取勝，我們就需要比敵人更快行動(dòng)，同時(shí)盡可能降低部隊(duì)與資源的風(fēng)險(xiǎn)等級(jí)。誰(shuí)能先實(shí)現(xiàn)這個(gè)目標(biāo)，誰(shuí)就將在未來(lái)幾年的戰(zhàn)場(chǎng)上保持決定性的優(yōu)勢(shì)?！?/p>

現(xiàn)任陸軍部長(zhǎng)Ryan McCarthy則表示，基于云的技術(shù)與功能將成為“AI最大化”道路上的核心因素。McCarthy希望全面推廣云基礎(chǔ)設(shè)施部署，借此推動(dòng)AI技術(shù)發(fā)展。

　問(wèn)：陸軍對(duì)于“以符合道德及負(fù)責(zé)任的方式使用AI技術(shù)”有何看法？

John Fossaceca：美國(guó)陸軍及國(guó)防部都在高度關(guān)注AI倫理問(wèn)題，并于去年10月提出了《關(guān)于以符合倫理道德的方式使用人工智能的建議》草案。這些規(guī)則也將適用于美國(guó)軍隊(duì)。美國(guó)軍方將招納人才，保證所有AI系統(tǒng)都有對(duì)應(yīng)人員負(fù)責(zé)管理。

陸軍的AI特遣隊(duì)也設(shè)有一位道德官員，可協(xié)助通報(bào)AI道德政策。陸軍部長(zhǎng)Ryan McCarthy表示，“系統(tǒng)可以快速處理數(shù)據(jù)并提供答案，但卻無(wú)法提供上下文信息。只有人類(lèi)才能根據(jù)實(shí)際環(huán)境做出決策。”

問(wèn)：目前，您采取哪些措施保證軍方能夠擁有充足的AI相關(guān)人力與作戰(zhàn)人員儲(chǔ)備？軍方內(nèi)部是否正在開(kāi)展AI相關(guān)培訓(xùn)與教育計(jì)劃？

John Fossaceca：ARL與陸軍為學(xué)生提供大量實(shí)習(xí)機(jī)會(huì)與SMART獎(jiǎng)學(xué)金，這些獎(jiǎng)學(xué)金可以幫助學(xué)生支付教育費(fèi)用。而作為交換，學(xué)生將為陸軍工作一段時(shí)間。ARL還聘用了新的博士畢業(yè)生進(jìn)行博后研究，借此將他們帶入前沿研究領(lǐng)域。最終，部分博士后將成為內(nèi)部員工。人工智能已經(jīng)成為當(dāng)前的核心研發(fā)方向，因此陸軍也將逐步雇用更多具備這方面專(zhuān)業(yè)知識(shí)的科學(xué)家與工程師。

　問(wèn)：在幫助士兵適應(yīng)與自主系統(tǒng)及機(jī)器人協(xié)同方面，您做了哪些嘗試與努力？

John Fossaceca：我們之前討論的各類(lèi)自主系統(tǒng)仍在開(kāi)發(fā)當(dāng)中，因此目前我們只能在訓(xùn)練環(huán)境內(nèi)使用仿真技術(shù)幫助士兵適應(yīng)這些自主系統(tǒng)。陸軍在這方面尚處于起步階段，但確實(shí)正在推進(jìn)部分計(jì)劃，例如可重構(gòu)虛擬集體教練機(jī)（RVCT）及其包含的地面與空中平臺(tái)，這些平臺(tái)能夠使用模擬數(shù)據(jù)實(shí)現(xiàn)多種演練任務(wù)。

目前的大部分訓(xùn)練工作都集中在對(duì)“智能半自主系統(tǒng)”與“自主系統(tǒng)”的仿真模擬方面，這是為了給士兵提供身臨其境的訓(xùn)練體驗(yàn)。士兵們?cè)谶@類(lèi)綜合訓(xùn)練環(huán)境（STE）中與虛擬對(duì)手對(duì)抗。這些虛擬對(duì)手能夠?qū)嵤└黝?lèi)智能行為，其中甚至包含一定的不可預(yù)測(cè)性，用以模擬敵對(duì)方可能做出的選擇以及合理的認(rèn)知水平。這必然需要將最先進(jìn)的人工智能與現(xiàn)實(shí)環(huán)境結(jié)合起來(lái)。

在基礎(chǔ)研究層面，ARL則引導(dǎo)士兵與自主原型方案進(jìn)行交互，幫助AI系統(tǒng)熟悉士兵的說(shuō)話(huà)方式，以及他們傾向于使用哪些命令。反過(guò)來(lái)，士兵也將逐漸摸清AI系統(tǒng)的“脾氣”。實(shí)際上，在引導(dǎo)士兵與自主系統(tǒng)協(xié)同訓(xùn)練之后，士兵們很快就開(kāi)始嘗試以更適合對(duì)方的語(yǔ)言進(jìn)行表達(dá)，從而高效完成溝通與系統(tǒng)控制。

　　問(wèn)：未來(lái)幾年，您最期待哪些AI技術(shù)？

John Fossaceca：我們?cè)谑褂萌斯ぶ悄苓M(jìn)行環(huán)境推理方面取得了長(zhǎng)足的進(jìn)步，也能夠向士兵隊(duì)友們推薦具體的行動(dòng)方案。這代表著我們的人工智能正從“窄AI范疇（即只能完成某些高度具體任務(wù)的自主代理）”向真正具備新情況適應(yīng)能力的方向升級(jí)。

未來(lái)，這些AI代理將能夠確定哪些行動(dòng)具有可行性，以及每種選擇所對(duì)應(yīng)的成功概率。這雖然還不能算是“人工通用智能”，但已經(jīng)能夠以接近人類(lèi)的水平執(zhí)行推理。未來(lái)，我們希望讓自主系統(tǒng)能夠根據(jù)特定情況做出復(fù)雜推理、執(zhí)行復(fù)雜決策，并預(yù)測(cè)各類(lèi)可能的結(jié)果，以最大程度提升任務(wù)的成功幾率。