|
算法风险。作为人工智能的主流算法，深度学习本身是一个复杂系统，随着算法层级的增多，对这个生成和反馈数据的“黑盒子”里为什么能够给出有效输出、何时能够给出有效输出？算法专家也无法用逆向工程来分析并给出答案，可能在不知不觉中失去了发现错误、纠正错误的机会。美军F-35战机控制系统的智能化程度非常高，拥有几千万条代码，最近几年暴露出来的200多个问题几乎都与其智能软件的算法高度关联。任何一个问题的出现，不但影响战机的作战性能，甚至连安全起降都成问题。国际人工智能协会主席迪特里奇在前年发表的主席报告中，针对人工智能技术缺少稳健性，提出了“稳健人工智能”的发展目标。 投向风险。基础研究是应用研究的源泉和基础，应用研究是基础研究的延伸和拓展，两者相互联系，相互交错，协调好两者的关系，对推进军事智能化十分关键。但长期以来，由于人工智能技术具有高门槛的特点，使纯粹基础研究的学术价值和应用前景非一般人所能洞察，也很难进行评判和衡量，这就给投资决策带来了较大风险。近几十年，人工智能原创性理论突破多在国外，如何克服基础研究这块“短板”，实现基础研究和应用研究两者之间的平衡，对于我们推进军事智能化发展是一个不容忽视的挑战。 设计风险。设计风险是指由于人工智能应用的设计目的与实际结果不相符带来的风险。所有人工智能产品的设计功能和参数都是设计者赋予的，其算法及数学模型凝聚着设计者的心血和智慧。但应当承认，由于设计者知识、素养、习惯及利益驱动等因素，包括所采用算法自身的不完备性，所设计出来的产品可能会存在缺陷和隐患。美军第三机步师就曾发生过机器人把枪口对准操作员最后被击毁的事件。设计的安全性风险恐怕是军事智能化发展初级阶段难以回避的问题。(王春富) |
