广告

AI 操控战斗机5:0碾压人类顶尖飞行员

时间:2020-08-24 作者:综合报道 阅读:
日前,由美国国防部高级研究计划局(DARPA)举办的一场人类在与AI操控战斗机对决中,人类以大比分落败。
广告

当地时间8月20日,由美国国防部高级研究计划局(DARPA)举办的 “阿尔法狗斗试验”(AlphaDogfight)决赛正式落下帷幕,赫伦系统公司(Heron Systems)最终夺冠,获得与人类驾驶 F-16 战机对战的机会,并在虚拟空战中以5:0的压倒性优势击败了人类飞行员。43wEETC-电子工程专辑

43wEETC-电子工程专辑

AI算法(Heron)与人类飞行员(Banger)对决,比分达到5:0(截图自The Drive网站,下同)43wEETC-电子工程专辑

Heron从8家AI公司中杀出,喜欢正面硬刚

“AlphaDogfight”系列试验自去年启动,共举办了三场,前两次选拔赛分别在 2019 年 11 月和 2020 年 1 月举办。目的是测试AI算法进行空战的能力,帮助AI开发人员实现空战自动化,以促进人机编队的发展。43wEETC-电子工程专辑

本次举办的比赛为最终决赛,于8 月 18 日- 20 日开展,为期三天。由于疫情影响,此次“AlphaDogfight”决赛在线上举行,并通过网络进行全程现场直播。43wEETC-电子工程专辑

43wEETC-电子工程专辑

一共有8家美国公司和科研机构进入决赛的候选名单。这8只队伍分别来自极光飞行科学公司(Aurora Flight Sciences)、埃皮西斯科技公司(EpiSys Science)、佐治亚理工研究所(Georgia Tech Research Institute)、赫伦系统公司(Heron Systems)、洛克希德-马丁公司(Lockheed Martin)、佩斯佩克塔实验室公司(Perspecta Labs)、物理人工智能公司(PhysicsAI)和翱翔技术公司(SoarTech)。43wEETC-电子工程专辑

43wEETC-电子工程专辑

在半决赛中,赫伦系统公司、洛克希德-马丁公司分别击败极光飞行科学公司和物理人工智能公司,挺入总决赛。随后,赫伦系统公司在总决赛中以16:4的比分击败洛克希德-马丁公司,成为本次“AlphaDogfight”系列试验的冠军。43wEETC-电子工程专辑

43wEETC-电子工程专辑

与大名鼎鼎的老牌军工企业洛克希德-马丁相比,赫伦系统公司至今只有30名员工,但其开发的智能算法表现出惊人的战斗力——在4轮比赛中击落不同对手213次,自身仅被击落16次,美国《每日野兽(Daily Beast)》网站称之具有“超级侵略性”,喜欢从对手正面强攻。43wEETC-电子工程专辑

人类标准战斗方式在AI面前不起作用

最终赫伦系统获得与一名驾驶虚拟F-16战斗机的空军飞行员展开“人机大战”的机会。这位人类飞行员代号Banger,是哥伦比亚特区空军国民警卫队(Air National Guard)飞行员,毕业于内利斯空军基地武器学校(Nellis Air Force Base Weapons School) 的F-16武器教练课程,拥有超过2000小时的F-16飞行经验。F-16依赖于一种被称为深度强化学习(deep reinforcement learning)的技术,这种技术允许程序对给定的问题持续测试运行多种解决方案,并了解哪些可行,哪些不可行。43wEETC-电子工程专辑

不过,这次人机大空战中有些不太符合现实之处,由于测试的局限性,AI和人类飞行员只能使用战斗机的M61火神炮进行对战,没有空对空导弹,与目前大多在视距外交战的现状不符;缺少碰撞侦测并使用“血条”来代表受损程度,并未真的将机体的受损情况考虑进去之外;再者,人类驾驶是在 VR 环境当中操作飞机,缺少真实感,特别是在 G 力的部份。43wEETC-电子工程专辑

The Next Web报道,尽管在第五轮,飞行员改变战术和策略,将飞机加速到500英里每小时,并将飞机降落到13,000英尺的低空进行高 G 力的水平转圈。这个技巧最初似乎是有效的,因为AI 无法将枪放得足够远来瞄准炸弹,Banger存活了更长的时间,但赫伦系统公司的AI算法很快调整了路现,在精确的仪态控制与开炮时机掌握上胜过了人类,最终以5:0的比分击败了人类飞行员。43wEETC-电子工程专辑

43wEETC-电子工程专辑

人类飞行员Banger最后称:“作为战斗机飞行员,我们做的标准工作不起作用。43wEETC-电子工程专辑

胜利后,赫伦系统公司的高级机器学习工程师Ben Bell表示,他们的AI算法已经进行了至少40亿次仿真,并且积累了至少12年的经验。他还说,这场斗争有些不公平,因为不允许AI从他们以前的经验中学习。43wEETC-电子工程专辑

“如果不算视觉辨识的部份的话,我们的 AI 驾驶仅需大约 NVIDIA Tegra 等级的芯片就能跑动。” Ben Bell说到。43wEETC-电子工程专辑

未来副驾驶上都是AI

“AlphaDogfight”系列试验的指挥官Mock认为:“在模拟过程中,人工智能表现出‘超人的瞄准能力’”。他表示,尽管这些试验并不能“确定” AI飞行员未来的能力和可行性,但“我们能看到的是,在特定的区域和特定情况下,我们拥有了能够工作的AI。这是一次巨大的飞跃。”43wEETC-电子工程专辑

DARPA开展“AlphaDogfight”系列试验的目的,是为了测试AI算法进行空战的能力,帮助其AI开发人员顺利开展“空战进化”(ACE)项目。根据此前公布的消息,ACE项目旨在实现空战自动化,探索未来的自主 / 半自主无人驾驶飞机,并建立人类飞行员对人工智能的信任,以促进人机编队的发展。43wEETC-电子工程专辑

DARPA 战略技术办公室负责人 Timothy Grayson 说:“我认为这是人机共生的新开端。想象一下,人类飞行员坐在驾驶舱内,被人工智能算法所操纵。人类专注于人类最擅长的事情,比如高阶战略思考,而人工智能也专注于人工智能最擅长的事情。”43wEETC-电子工程专辑

指挥官Vincent Jell-O Aiello是前美国海军飞行员,也是“战斗机飞行员”播客的主持人,他告诉《福布斯》,到目前为止,在任何类似于真实环境的情况下,人类仍然占有优势。43wEETC-电子工程专辑

“人类已经被证明在对抗人工智能时在一个重要的领域表现出色——他们知道如何处理今天战斗中出现的不确定性。战斗不会发生在单一、静止的环境中,它以3D的形式实时发生,天气、对手和一大堆其他因素都会发挥作用。” Aiello 认为人类对复杂环境的应对能力更胜一筹。43wEETC-电子工程专辑

据《空军杂志》报道,DARPA该项目的第一阶段计划在今年晚些时候结束。下一步将是连续两个长达16个月周期,在这两个阶段中,人工智能将逐步安装在更大的飞机上,最终目的是让系统处理的某些方面飞行操纵和目标。43wEETC-电子工程专辑

今后,研究方向将从模拟器转向使用模拟武器进行实弹飞行测试。配备人工智能的飞机将配备“安全飞行员”,以确保飞机不会出现任何故障,但前提是该软件的设计应能避免任何事故。这些测试将考察飞行员有多频繁地依赖人工智能系统来处理任务,以及人类在人工智能完成其余任务时如何处理自己的战斗管理任务。43wEETC-电子工程专辑

讽刺的是,2018年,美国成千上万的公司和高级人工智能专家、科学家和研究人员签署了一封公开信,发誓他们不会把这些技术用于创建军事杀人机器。43wEETC-电子工程专辑

网友热议

@可喵是一只奇怪的橘猫:还有更可怕的事情。一旦军队变成了全智能化的无人部队,就意味着底层民众通过武装斗争夺取政权的路被堵死了。以前这条路能行得通的原因在于,军队是由人类组成的,会哗变也会叛逃到代表先进生产力的一方。 所以说,留给美国底层人的时间,不多了。43wEETC-电子工程专辑

@世间探花:智能机器没失误呀,肯定比人操纵的要好43wEETC-电子工程专辑

@聴風說的世界:AI的致命缺陷就是断电43wEETC-电子工程专辑

@抓不住的流沙1997:离人类毁灭又进了一步43wEETC-电子工程专辑

@论武苍冥道不孤:AI会有更强的态势感知能力、模拟分析运算能力,但它并不能改变物理的特性,无法改变飞机的结构强度,无法改变雷达的探测距离,而且这种模拟对抗里,条件非常简单,离实际战场复杂环境相去甚远,设定使用机炮狗斗就很说明问题!离真正具备观察、分析、思考、判断、执行、应变能力的AI距离还很远!43wEETC-电子工程专辑

@诚然:任何技术从诞生起肯定会被先考虑能不能用于军事,没办法的43wEETC-电子工程专辑

责编:Luffy Liu43wEETC-电子工程专辑

本文综合自澎湃新闻、机器之心、观察者网、瘾科技、Gizmodo报道43wEETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 利用神经形态芯片仿真人脑 长期以来人们一直在研究生物细胞的电特性,以便了解细胞动力学。离子电流的动态特性和离子电导的非线性是由微观参数控制,由于测量微观参数具有相当的难度,阻碍了定量运算模型的建构…
  • 研究表明端到端模拟芯片可用于AI计算 神经拟态芯片初创公司Rain Neuromorphics与Mila合作进行的一项研究证明,使用全模拟硬件训练神经网络是可能的,显示出创建端到端模拟神经网络的可能性。这对整个神经拟态计算和AI硬件领域都具有重大意义:完全采用模拟AI芯片可以进行训练与推理,从而可以大大节省算力、能耗,并缩减延迟时间和产品尺寸。
  • 价值900亿美元的美国半导体连环并购案揭秘 2020年见证了非比寻常的半导体行业,一场旷日持久的疫情不但遮掩了全球半导体的持续下滑,也冲淡了中美科技冷战的硝烟。同时,另外一个被掩盖的现象下半年开始浮出水面,那就是半导体行业的一连串并购活动。并购金额之大令人咋舌,对整个半导体甚至高科技行业的影响也将会无法估量。本文将针对ADI/Maxim、Nvidia/Arm及AMD/Xilinx这三大并购案展开深入探讨,并简要提及对中国半导体的影响和启示。
  • 光学计算有望彻底改变AI性能的游戏规则 初创公司Lightmatter专注于开发针对AI加速的光学计算处理器,在第32届Hot Chips大会上展示了一款测试芯片。该处理器利用硅光子学和MEMS技术,通过毫瓦级激光光源供电,可以光速(在硅片中)执行矩阵矢量乘法。基于此次测试芯片的首个商用产品将于2021年秋季推出, 它是一款带光学计算芯片的PCIe卡,专为数据中心AI推理工作负载而设计。
  • 在MCU上进行深度学习才是边缘计算的未来 现在,机器学习(ML)不再需要每秒执行数万亿次操作(TOPS)的处理器。很多情况下,最新的微控制器(有些配置有嵌入式ML加速器)就可以在边缘设备上执行机器学习,它代表着物联网发展的下一阶段:在生产数据的源头,例如麦克风、摄像头和监控其他环境条件的传感器中引入智能计算,并使物联网应用受益。
  • 利用嵌入式AI,将大数据转变为智能数据 工业4.0应用产生大量的复杂数据——大数据。传感器和可用数据源越来越多,通常要求机器、系统和流程的虚拟视图更详细。这自然会增加在整个价值链上产生附加值的潜力。但与此同时,有关如何挖掘这种价值的问题不断出现。毕竟,用于数据处理的系统和架构变得越来越复杂。只有使用相关、优质且有用的数据,也就是智能数据,才能挖掘出相关的经济潜力。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了