熟悉本公众号的网友可能知道，微软的模拟飞行器（参见云就该这么玩！——微软模拟飞行器正式发售）其实是一款体验游戏，虽然很逼真，但毕竟是游戏。但AI取代人类接手真正的飞行时代快来了。12月16日，美国助理空军部长Will Roper（the Assistant Secretary of the Air Force for Acquisition, Technology and Logistics）在社交媒体上发布新闻，美国空军在12月15日首次用AI指导飞行训练成功。
▲Roper说，下一步是改进AI（因为AI也有缺陷）以适应（不仅是AI，也包括人类）下一场算法战争。这要么是科幻，要么是历史
根据华盛顿邮报的报道，美国空军在本周二的一次训练飞行中允许AI算法控制“龙女（Dragon Lady）”间谍飞机上的传感器和导航系统，这被认为是美国军用飞机上AI的首次已知使用。
▲U-2 “龙女（Dragon Lady）” 间谍机
该次训练飞行没有涉及武器，飞机由一名飞行员驾驶。即便如此，美国国防部高级官员仍将这次测试宣布为AI纳入军用飞机的分水岭，而航空界和军控界对这一主题进行了激烈的辩论。
“这是第一次发生这种情况，”助理空军部长Will Roper说。
谷歌前首席执行官Eric Schmidt此前曾担任五角大楼国防创新委员会负责人，他将周二的飞行测试描述为“据我所知，一个整合了AI的军事系统，可能在任何军队中都是第一次。”
空军发言人Josh Benedetti在一封电子邮件中表示，为了“在测试环境中引发思考和学习”，该AI系统被刻意设计为没有手动操控。
据参与飞行测试的人说，它被归入高度特定的任务，并与飞机的飞行控制隔绝。
“在大多数情况下，仍然是飞行员在指挥，”进行周二测试的U2飞行员在接受采访时告诉华盛顿邮报。由于工作性质敏感，这位飞行员在匿名的情况下发言。“AI的作用非常狭窄......但是，对于AI所面临的任务，它表现得很好，”飞行员说。
▲绰号为“Vudu”的测试飞行员在地面人员协助下进入U-2 “龙女（Dragon Lady）” 间谍机座舱
长达两个半小时的测试是在周二上午开始在加州Beale空军基地进行的一次例行训练任务中进行的。空军官员和U2飞行员拒绝提供有关AI执行的具体任务的细节，只说让它负责飞机的雷达传感器和战术导航。
Roper说，AI是针对对方计算机进行训练的，以寻找来袭的导弹和导弹发射器。他说，为了初次试飞的目的，AI获得了飞机传感器方向的最终决定权。AI的目的是让空军更接近“人机联手”的概念，即机器负责有限的技术任务，而人类仍然控制着飞行控制和瞄准等生死攸关的决策。
“这就是为了震撼空军和整个国防部，让他们知道我们需要多么认真地对待AI团队化，”Roper在测试前不久接受采访时说。
▲美国空军高层在12月初听取U-2联邦实验室的进展汇报
AI “不仅仅是系统的一部分......我们把它记录在飞行员名册簿上，”他说。AI本身，被称为ARTUµ，命名显然是参考了科幻电影《星球大战》的著名角色R2-D2（发音）。据两位熟悉其开发的官员透露，它基于一种名为µZero的公开算法，该算法由DeepMind开发，用于快速掌握国际象棋和围棋等战略游戏。
U2间谍机的监视作业已经融入了使用AI分析复杂数据的功能。一个名为Project Maven的空军项目试图代替人类快速分析成堆的无人机画面。参与项目的谷歌员工曾内部抗议，他们不希望公司的算法参与战争。该公司后来发布了一套AI原则，不允许该公司的算法用于任何武器系统。
在2011年之前一直领导谷歌的Schmidt表示，他认为军方不太可能在短期内接受完全自主的武器系统。他说，问题是很难证明AI算法在每一种可能的情况下都会有怎样的表现，包括那些人命关天的情况。
“如果一个人类犯了错误，杀死了平民，那就是一场悲剧......如果一个自主系统杀死了平民，那就不仅仅是一场悲剧了，”Schmidt周二在接受采访时说。
“没有一个将军会承担一个系统的责任，他们并不真正确定它会做它所说的事情。这个问题可能会在未来几十年内得到解决，但不是在明年，”他说。
Roper自己在“大众机械（Popular Mechanics）”网站上发表的文章中说，AI之前完成了超过100万次的训练，这次飞行对于计算机化的副驾驶来说只是一小步，但对于未来军事行动中的 “人机联手 ”来说却是一个巨大的飞跃。
他写道，ARTUµ搜索敌人的发射器，而空军飞行员则搜索有威胁的飞机，两者共用U-2的雷达。在没有飞行员控制的情况下，ARTUµ最终决定将雷达用于导弹猎杀还是自我保护。事实上，ARTUµ的指挥与其说是关于任何特定的任务，不如说是军队必须如何完全拥抱AI以保持战场决策优势。
▲U-2联邦实验室高级数学和算法发展主任Jeannine Abira博士（左）和U-2联邦实验室技术主任Jesse Angle博士（右）
这个过程中，软件设计是关键。就像代码的断路器盒子一样，U-2给ARTUµ提供了完整的雷达控制权，同时 "关闭 "了对其他子系统的访问。但写代码只是可信赖AI设计的一个部分。事实上，最后是通过在使用近年来大火的容器化技术和Kubernetes来部署。将代码隔离在需要运行的容器里，用Kubernetes来协调，有选择地让不同的代码模块运行，就像一个动态但安全的断路器箱。
在空军的FedLab云中运行ARTUµ容器也可以保证它们在U-2上的运行是效果相同的，不需要漫长的安全或干扰检查。这就是研究人员如何将不断发展的软件——尤其是AI——从空军的计算机云中取出，并安全地放到飞过真正云中的飞机上。
然而这种值得信赖的设计并没有创造出ARTUµ的副驾驶能力，必须为此进行训练。U-2 FedLab训练了μZero的游戏算法来操作雷达——重新构建它们，以学习侦察的好的一面（发现敌人）和差的一面（U-2丢失）——同时与飞行员互动。通过100多万次训练模拟，用了一个多月的时间，ARTUµ完成了任务。
想了解更多Roper的开发秘闻，请点击文末左侧“阅读原文”（Read more）。
原文地址：点击此处查看原文