科学、工程、心理学等学科融合士兵与作战系统，利用人工智能、虚拟现实等技术构建“士兵即系统”的新型作战能力。目前，已经开展了数字士兵和脑机接口的研究工作。美国陆军设想了一个未来的城市战争场景，在这个场景中，当无人机探测到附近埋伏在墙后的敌方战斗队时，步兵正在清除敌人火力下的城市建筑。随着美国陆军士兵不断清理房间并在敌人火力下逐渐移动，士兵们需要快速获取有关前方敌人伏击的信息。这些信息不仅影响着士兵的生命，甚至决定着战争的胜负。如果人工智能系统能够根据无人机等高速移动信息源发送的信息，快速分析出敌方阵地、武器、隶属关系等信息，并将其传递给士兵，则可以为士兵提供决策优势。目前，美军虽然在技术上可以实现上述功能，但还不能满足战场上高速信息处理的要求，人工智能算法驱动的程序可以将最新信息与内部现有的各种数据库进行比对和区分。几毫秒，为士兵提供决策信息。因此，美国陆军研究实验室启动了认知与神经生物工程协同技术联盟的研究项目，旨在利用人工智能和自主技术大幅提高士兵的决策速度，同时保留独特的关键决策能力对人类。1、士兵即系统未来，在人工智能技术的支持下，士兵使用的各种系统可以快速执行编程功能，为人类决策提供支持信息。这种决策过程被称为“士兵即系统”，即利用计算机网络和最新算法将士兵控制的节点无缝集成。未来，美国陆军将使用单一架构连接士兵的夜视镜、可穿戴计算机、显示移动数字地图和时间敏感情报数据的手持设备、各种武器站、声光传感器和移动电源，并通过各种自动化和人工智能应用来提高团队信息共享和决策能力，将大大改变未来的战术和战略场景，增强士兵的生存能力。美国陆军研究实验室正在与陆军未来司令部的士兵杀伤力跨职能团队合作，将士兵即系统架构概念扩展到陆军班级部队。自治系统可以从各种系统获取和处理数据，并为指挥官和士兵提供有用的决策解决方案。随着智能技术的应用越来越广泛，未来战场的性质和士兵的任务性质都将发生翻天覆地的变化。图1Soldieristhewaythesystemisbuilding2.DigitalSoldierProject美国陆军的认知和神经生物学工程协作技术联盟包括许多行业合作伙伴，例如BoozAllenHamilton。2019年10月，该公司获得美国陆军5.61亿美元的“数字士兵”系统开发合同。“数字士兵”系统可以更好地连接战场上士兵的所有单兵装备，并将通过虚拟现实等技术为士兵提供训练辅助。该系统可以识别视频中的人和他们的行为，一旦检测到有人举起武器，它可以立即向士兵的平视显示器或附近飞行的无人机发送提醒。此外，该系统可营造逼真的虚拟现实环境，士兵无需上飞机即可进行跳伞等训练，帮助士兵做出正确的跳跃姿势，完成规定动作。图2数字士兵应用概念BoozAllen正在与美国陆军和其他行业合作伙伴合作，探索自主系统与人类在决策过程中的关系。研究发现，战争中有许多复杂的相互交织的变量，机器和计算机算法的处理能力较差。即使是最好的人工智能系统也无法执行某些类型的判断决策、感知或其他与人类认知相关的动态任务。3.适应士兵需求的人工智能系统2019年4月，美国陆军研究实验室的科学家发表了一篇关于利用人脑活动信号训练人工智能系统的论文，寻求优化人机团队的性能。未来，先进的人工智能系统可以动态响应士兵的需求，自适应地辅助士兵完成任务。在战场上，士兵可以同时执行多项任务，例如勘测地形、通过特定区域、接收通信和评估威胁，所有这些都在大脑不同区域的指导下进行。研究人员希望能够分析士兵在执行任务时大脑中的数据，以确定各种数据对应于哪些任务。通过了解大脑区域如何协同工作以完成任务，科学家可以构建人工智能系统来预测任务将如何完成。图3使用脑机接口训练人工智能系统研究人员对30名受试者进行了脑部MRI成像，以绘制大脑中九个不同认知系统之间的关系，包括注意力、运动技能、视觉和听觉系统以及传递信息的组织通路。研究人员将组织通路图转换为计算模型，以了解大脑中的区域如何工作，并运行模拟来证明刺激特定大脑区域的效果。研究人员开发的数学框架使他们能够测量大脑活动如何在特定模拟中跨各种认知系统同步。该研究关于大脑基本协调原则的发现可以应用于人机团队的动态任务分配。在试验期间，一名有战斗经验的士兵戴着配备脑电图传感器的头盔，当他看到威胁性图像时，该头盔会检测到士兵的焦虑、恐惧和紧张加剧。使用脑电波标记威胁图像可以收集足够的标记训练数据来快速训练机器学习算法识别威胁图像。在战场上，头盔传感器检测到的表示高度焦虑的脑电波可以传输给同一小队的其他成员，以警告他们可能存在的危险。4.挑战目前，美国陆军的主要工作是寻找能够成功分析与人类认知和行为相关的主观判断的方法，例如识别语音模式或与人们过去的行为、倾向或决策相关的各种信息。这类研究工作仍处于早期阶段，不一定解决人工智能的已知限制因素——信息。这是因为问题的意义和推理是通过信息来表达的，人工智能系统很难对不同信息所在的“生态系统”进行充分的整合或比较。例如，特定的信息采集系统只能处理专门的数据集，因此解决多领域数据交互问题存在困难。未来的人工智能系统需要能够分析不同信息所在的生态系统，并基于这些分析融合信息以提供可靠的输出。
