人工智能被视为对军事行动、国防能力、企业功能和政治决策空间具有潜在影响的关键技术之一。北约认识到人工智能的重要性，并将其作为新兴和颠覆性技术（EDTs）的重点领域之一。本文梳理概括北约未来二十年人工智能技术发展趋势，以期为读者探究其人工智能重点关注的领域提供参考。

人工智能创新的终极目标是开发通用人工智能（AGI）。尽管人工智能研究已有60多年的历史，但开发AGI仍将是一项重大的技术挑战，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，并最终成为北约的决策优势。将人工智能集成到作战模型和模拟、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。

人工智能将为北约提供更多的信息，并提供频率（如认知雷达）和带宽的自适应使用，但矛盾的是，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工作的开展，因为对现有研究的元分析将揭示新的发现，确定有前途的研究领域，并提供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峻的挑战。

关于人工智能的发展及其对第四次工业时代的重要性已经有很多论述，因为人工智能本质上是其他技术领域的推动者。北约未来二十年人工智能技术发展趋势主要集中在以下方面：减少数据需求、提高敏捷性、增强复原力、支持对问题的概括，以及与人类协同工作。这些发展趋势涉及国防和安全领域的多个研究领域和应用，并重点关注以下四个领域：

1

先进的人工智能

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应用至关重要。此类人工智能方法研究范围广泛，虽然人工智能方法的应用正在迅速扩大，但目前的方法仍然存在严重的局限性。信任和透明度（或可解释性）是两个最紧迫的挑战。不过，一些研究人员认为，目前的人工智能方法存在严重缺陷，需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术上相互作用的方式，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。这一领域的工作将大大提高人工智能结果的可解释性和可重复性，预计在未来几年将成为一个增长领域。

过去十年来，神经网络的进步一直是有效人工智能（effective AI）最关键的推动因素之一。神经网络是机器学习的一个子集，是现代深度学习方法的基础。神经网络是一种仿生算法，适用于大数据的模式识别和相关问题，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，以优化神经网络的使用。孪生网络（Siamese Networks）和生成对抗网络（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，使人工智能在使用更少数据的同时更加敏捷和灵活。深度Q学习（deep Q learning）、联合学习（federated learning）和“机器常识”（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重要的萌芽阶段，其他发展领域包括：

联合学习

目前正在开发机器学习的方法，以利用在边缘（如移动设备和物联网）收集的本地处理和联合数据。这种方法通常不与集中式系统共享收集的数据，而是在本地利用数据，是人工智能边缘化趋势的一部分。由于使用的数据量增加，采用这种方法的系统更加稳健，本质上也更加安全和私密。

减少标签的学习

标记数据是训练有监督机器学习算法关键的第一步。这种方法耗费时间、资源和成本，导致解决方案不够灵活。新方法所需的标记数据要少得多，而且机器学习算法对现实世界条件的适应性也要强得多。这些方法为能够使用稀疏数据集的系统提供了更易于训练、用途更广、能够从相关数据集中归纳的方法，并最终具有更广泛的适用性或价值。

机器常识

新的人工智能算法力求将“常识”融入人工智能推理。这意味着人工智能推理采用了对情境、感知、行为、运动功能、记忆和基础物理学的基本理解。因此，这类系统有望变得更加有效、稳健和敏捷，大大提高推理能力。

2

人工智能的应用

人工智能最令人兴奋的发展或许是其应用的广泛性和高度影响力，人工智能将继续整合系统、流程和防御能力。其中一些重要的应用包括人工社会智能（artificial social intelligence）、假情报和认知战战略自动化、制作和识别“深度伪造”、空中补给或空中武器控制、辅助高分辨率图像识别、根据文本描述创建图像、导航人类地形以及提供通用语言翻译。

人工智能可能产生颠覆性影响的一个最不受重视但却最重要的领域是，它可以促进新的科学、数学和工程发现，并对新的科学范式起到推动作用。最近解决蛋白质折叠或开发新材料的例子突出表明了人工智能在科学发现方面尚未完全开发的性质。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生成图像或视频的系统。随着Stable Diffusion 2.1、DALL-E 2和 Midjourney的发布，生成式人工智能方法的发展在2022年取得了重大突破。同样，人工智能聊天机器人ChatGPT可以与用户进行复杂的文本交互，甚至可用于诊断目的。预计在未来几年内，这些工具将得到广泛应用，其复杂程度将不断提高，社会挑战也将日益严峻。

3

反制人工智能

随着联盟部队和竞争对手越来越多地使用人工智能，探测、转移和限制对联盟人工智能（Alliance AI）攻击的影响，同时破坏对手的人工智能系统变得越来越重要。与任何作战领域一样，需要检测、转移和限制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相关决策过程是一项艰巨的技术挑战。同样，检测人工智能操纵也不是一件简单的事。最后，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必然。因此，这些交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，并制定反制人工智能战略。北约首次颠覆性技术桌面演习（D3TX）指出了探索人工智能反制措施的重要性，北约认为这是一项需要加强研发的技术。此外，北约认为，在联盟行动中，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。

4

人机共生

人工智能面临的一个核心挑战是如何将人工智能与人类结合起来，创建一个有效的心理-社会-技术协作系统。这方面的研究进展迅速，主要集中在开发可解释的人工智能、了解信任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术层面转向考虑更广泛的社会技术层面和最佳使用方式，这一问题日益受到关注。

可解释性、可复制性和可信度都是至关重要的研究领域，预计未来5到10年将会取得重大突破。需要开发新的人工智能/机器学习技术来支持系统的评估，并明确传达相关的约束和限制。这些可由人类解释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交流模式相结合。

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，在实用和适用的情况下获得知识，从而建立对此类系统的信任。信任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任关系，以及理解人工智能信任人类判断的意义，将是未来一项艰巨的技术挑战。