DARPA在2020年8月20日星期四進(jìn)行的Alphadogfight挑戰(zhàn)的屏幕截圖。
機(jī)器超越人類的故事有了新的篇章。一種人工智能算法在一場(chǎng)虛擬格斗中再次擊敗了人類戰(zhàn)斗機(jī)飛行員。這場(chǎng)比賽是美軍阿爾法格斗挑戰(zhàn)賽的最后一場(chǎng)比賽，目的是證明開(kāi)發(fā)有效的、智能的、能夠在格斗中擊敗敵機(jī)的自主特工的可行性。
去年8月，美國(guó)國(guó)防高級(jí)研究計(jì)劃局（DARPA）挑選了八個(gè)團(tuán)隊(duì)，從洛克希德馬丁公司（Lockheed Martin）這樣的大型傳統(tǒng)國(guó)防承包商到Heron Systems這樣的小集團(tuán)，在11月和1月進(jìn)行一系列的試驗(yàn)。在上周四的決賽中，蒼鷺系統(tǒng)公司在兩天的老派格斗后，以勝利者的身份擊敗了其他七支球隊(duì)，僅使用鼻翼槍互相追擊。隨后，蒼鷺與一名坐在模擬器里、戴著虛擬現(xiàn)實(shí)頭盔的戰(zhàn)斗機(jī)飛行員對(duì)決，并以5輪零分獲勝。
周四活動(dòng)的另一個(gè)贏家是深度強(qiáng)化學(xué)習(xí)（deep reinforcement learning），即人工智能算法可以在虛擬環(huán)境中反復(fù)嘗試一項(xiàng)任務(wù)，有時(shí)甚至非?？?，直到它們發(fā)展出類似理解的東西。深層強(qiáng)化在Heron System的代理人中扮演了關(guān)鍵角色，同時(shí)洛克希德·馬丁公司也獲得了季軍。
來(lái)自洛克希德馬丁公司的人工智能副總裁馬特·塔拉西奧（Matt Tarascio）和人工智能總監(jiān)兼首席架構(gòu)師李·里特霍爾茨（Lee Ritholtz）表示，試圖讓一種算法在空戰(zhàn)中表現(xiàn)出色，與教軟件簡(jiǎn)單地飛行，或者保持特定的方向、高度有很大不同，還有速度。Ritholtz解釋說(shuō)，“軟件一開(kāi)始對(duì)甚至是非?；镜娘w行任務(wù)都完全不了解，這使它在一開(kāi)始對(duì)任何人都不利。就訓(xùn)練而言，你不必教人它不應(yīng)該撞到地上，他們有算法所沒(méi)有的基本本能。然而對(duì)軟件而言那意味著會(huì)危險(xiǎn)很多，因?yàn)榻?jīng)常會(huì)撞到地上。”
塔拉西奧把這比作“把嬰兒放進(jìn)駕駛艙”。要克服這種無(wú)知，就需要讓算法明白，每一個(gè)錯(cuò)誤都有代價(jià)，但這些代價(jià)是不相等的。當(dāng)算法基于一次又一次的模擬，為每個(gè)動(dòng)作分配權(quán)重成本，然后隨著經(jīng)驗(yàn)的更新而重新分配這些權(quán)重時(shí)，這種強(qiáng)化就發(fā)揮了作用。
在這里，過(guò)程也因輸入的不同而有很大的不同，包括程序員在如何構(gòu)造模擬方面有意識(shí)和無(wú)意識(shí)的偏見(jiàn)?！澳闶歉鶕?jù)人類的知識(shí)編寫(xiě)一個(gè)軟件規(guī)則來(lái)約束人工智能，還是讓人工智能通過(guò)反復(fù)試驗(yàn)來(lái)學(xué)習(xí)？那是一場(chǎng)內(nèi)部的大辯論。當(dāng)你提供經(jīng)驗(yàn)法則時(shí)，你就限制了它的性能。他們需要通過(guò)反復(fù)試驗(yàn)來(lái)學(xué)習(xí)?！?/p>
歸根結(jié)底，人工智能在規(guī)定的努力范圍內(nèi)學(xué)習(xí)的速度是不爭(zhēng)的，因?yàn)樗梢栽诙嗯_(tái)機(jī)器上一遍又一遍地重復(fù)這一課。
洛克希德公司和其他幾支隊(duì)伍一樣，有一名戰(zhàn)斗機(jī)飛行員為這項(xiàng)工作提供建議。他們還能夠在一次多達(dá)25臺(tái)DGx1服務(wù)器上運(yùn)行培訓(xùn)設(shè)備。但他們最終生產(chǎn)的產(chǎn)品可以運(yùn)行一個(gè)GPU芯片。
相比之下，在勝利之后，Heron Systems的高級(jí)機(jī)器學(xué)習(xí)工程師Ben Bell說(shuō)，他們的代理已經(jīng)經(jīng)歷了至少40億次的模擬，并獲得了至少12年的經(jīng)驗(yàn)。
人工智能已經(jīng)不是第一次在比賽中擊敗人類戰(zhàn)斗機(jī)飛行員了。2016年的一次演示顯示，一個(gè)名為Alpha的人工智能特工可以擊敗一名經(jīng)驗(yàn)豐富的人類戰(zhàn)斗飛行教練。但是周四的DARPA模擬可以說(shuō)是更重要的，因?yàn)樗谝粋€(gè)高度結(jié)構(gòu)化的框架中，讓各種各樣的人工智能代理彼此對(duì)抗，然后再對(duì)抗人類。
在實(shí)際的測(cè)試中，人工智能是不允許學(xué)習(xí)他們的經(jīng)驗(yàn)的，貝爾說(shuō)這有點(diǎn)不公平。實(shí)際的比賽證明了這一點(diǎn)。在第五輪也是最后一輪對(duì)決中，無(wú)名人類飛行員呼號(hào)班格（call sign Banger）能夠顯著改變戰(zhàn)術(shù)，持續(xù)時(shí)間更長(zhǎng)。“我們作為戰(zhàn)斗機(jī)飛行員所做的標(biāo)準(zhǔn)工作并不奏效。”
這是軍隊(duì)必須做出的一個(gè)重大的未來(lái)選擇。允許人工智能在實(shí)戰(zhàn)中學(xué)習(xí)更多，而不是在任務(wù)之間學(xué)習(xí)，因此在人類的直接監(jiān)督下，可能會(huì)加快學(xué)習(xí)速度，幫助無(wú)人戰(zhàn)斗機(jī)更好地與人類飛行員或其他人工智能競(jìng)爭(zhēng)。但這需要人類做出決定，在關(guān)鍵時(shí)刻脫離這個(gè)過(guò)程。Ritholtz說(shuō)，他至少現(xiàn)在會(huì)提倡的方法是訓(xùn)練算法，部署它，然后“帶回?cái)?shù)據(jù)，從中學(xué)習(xí)，再訓(xùn)練，重新部署”，而不是讓代理在空中學(xué)習(xí)。
美國(guó)國(guó)防高級(jí)研究計(jì)劃局（DARPA）戰(zhàn)略技術(shù)辦公室主任蒂莫西·格雷森形容，這次試驗(yàn)是為了在戰(zhàn)斗中更好地進(jìn)行人機(jī)協(xié)作而取得的勝利，這才是真正的意義所在。這項(xiàng)競(jìng)賽是國(guó)防高級(jí)研究計(jì)劃局（DARPA）更廣泛的一項(xiàng)工作的一部分，稱為空戰(zhàn)進(jìn)化（ACE），它不一定尋求用無(wú)人系統(tǒng)取代飛行員，但確實(shí)尋求大量飛行員任務(wù)的自動(dòng)化。
格雷森說(shuō)：“我認(rèn)為我們今天所看到的是一種我將稱之為人機(jī)共生的開(kāi)始，讓我們想想坐在駕駛艙里，由這些人工智能算法之一駕駛的人真正成為一個(gè)武器系統(tǒng)，在那里，人類專注于人類最擅長(zhǎng)的（比如更高階的戰(zhàn)略思維）和人工智能是在做人工智能最擅長(zhǎng)的事情?！?/p>
聯(lián)系客服
