我们研究了军事和国防空间探索如何以及在何处AI今天利用由世界军队和情报机构以及能力的人工智能可能给该部门不久。

现代军队是由许多小节的。他们的营销部门像任何大公司，必须为员工发放工资，和生产方式非常相似，企业工艺文件。为了简洁起见，本报告主要侧重于人工智能特定的功能，以作战行动。

军队和国防组织可以使用AI为：

• 自治区武器和武器瞄准
• 监控
• 网络安全
• 国土安全
• 后勤
• 自主车辆

有兴趣的读者可能需要阅读我们的报告AI在顶部5美国国防承包商，但我们将从自动武器和武器瞄准的人工智能开始。

自治区武器和武器瞄准

目标定位系统是根据其准确性和锁定目标的速度来判断的。随着这种打靶方式的对策越来越受欢迎，电子打靶系统必须进行创新，以减少受到这些对策的影响。由此可见，机器学习和计算机视觉将是这个猫捉老鼠的技术游戏的下一个应用。

今天，自主武器平台正在使用计算机视觉来识别和跟踪目标。当系统能够识别并跟踪部署在它所保护的空间中的目标时，自主武器就会成为自主武器。

瞄准背后的人工智能需要什么完全是一个战略目标是值得重点关注的火力并提醒操作员监控平台进行培训。这可能是一架敌机飞入在极端速度有争议空域，火箭发射在城里还是一辆装甲运兵车行驶了辅修的道路。

目前，没有自主武器平台被设计用于在没有得到监视操作员明确批准的情况下发射其弹药。与传统的载人系统相比，自主武器可能提供的一个战略优势是，后者容易受到人类干扰和需求的影响。

自治区武器允许计算机视觉的不断警惕的“眼睛”要在天空上面的培训，以防止意外的火箭袭击目标，在空中击落敌方火箭弹，才可以在人口密集区域引爆。如果操作人员愣是有价值秒回应可能会丢失或同时发布打瞌睡。

我们在“RAPIDFire”中分解了这一技术，“RAPIDFire”是由泰利斯公司制造的自动武器炮塔在条AI项目在欧洲顶级的国防承包商。

下面是一个短短的3分钟视频演示和突出的RapidFire的定位功能：

这种目标软件背后的机器学习模型将视觉数据来自安装在炮塔和从各种角度由公司承担以前的项目收集的其他武器平台，并在各种照明条件下的相机进行培训。

这些图像和录像会被标记为目标，敌对行动，或自然地形。他们会再通过机器学习算法运行。这将已经训练的算法来辨别的是，对于人眼，形成靶，敌对活动，或自然地形的图像或视频片段作为显示在跟踪接口的序列和1分的模式和0。

计算机视觉目前正在应用到导弹系统，用于手持式导弹发射系统以及更大的海军罢工导弹。

在飞行过程中和观看的目标尝试部署应对措施或躲避动作，导弹瞄准软件将使导弹做出适当的反应，仍然连接到它的目标。

拉斐尔先进防御系统公司声称他们GIL 2手持火箭系统采用计算机视觉增强目标，这是我们更深入地在我们的报告覆盖AI在以色列顶尖国防承包商。

根据海军承认，L3技术公司的HE-4G导弹仍在发展中，但在波托马克河测试靶场取得了成功，在更远的距离击中了一个移动目标，比标准的投射物更精确。在2017年,美国海军审查其设计并通过它，可以让程序继续运行到重要的资质活动，然后到潜在的部署。

人工智能也可以被用作网络领域的武器。的适应性电子战的行为学习系统或刀片，是指攻击，并使用人工智能禁用无线通信网络的系统。该BLADE方案，在后期testings，是由洛克希德·马丁公司与DARPA一个$ 29日万美元的合同创造了一个系统。

尽管出于安全考虑，关于这个项目的细节还不清楚，但众所周知，人工智能在BLADE探测和描述新的通信威胁、学习如何干扰它、然后评估干扰在现场的有效性方面起着关键作用。此外，洛克希德·马丁公司声称“刀锋”能够预测敌方软件的对抗措施，并对其进行持续干扰。

能够像BLADE在战场上禁用无线通信的cyberweapon超越语音和文本通信中断，因为它也能提供简易爆炸装置（IED）中和的方法。

通常情况下，小型商用无人驾驶飞机可作为遥控炸弹，让恐怖分子附上无人机小型炸药和飞过来的一个军事基地。该无人驾驶飞机通过无线手机或无人机远程本身或者引爆。BLADE可以禁用远程或手机试图引爆IED，导致雄蜂和炸药的中和，从而防止恐怖袭击的无线通信信号。

监控

世界各地的军队每天从各种渠道获取大量的视觉监控数据，比如手机摄像头、笔记本电脑、视频监控、植入式摄像头、无人机和卫星录像。挑战不在于收集数据，而在于处理数据以获取战略信息，而这正是机器视觉和人工智能可以发挥作用的地方。

机器视觉软件具有通过数据的大笔比训练有素的人力分析师更快排序为洞察力的潜力。美国国防部门和其他国家组织正在使用机器学习和计算机视觉软件的监视行动。

例如，在我们的报告中描述在军事机器视觉,项目的Maven是美国国防部创造计算机视觉人工智能的一次尝试，它可以分类和识别大量由低空战斗监视设备(如无人机)拍摄的监视录像。

我们可以推断出从材料说,谷歌和美国国防部使用的机器学习模型在软件项目38 Maven被训练来识别不同类型的对象,所以在小时的录像显示那些单个对象的人工智能从不同角度和不同照明条件。

在镜头内的对象将被贴上了我们所知道的对象是，如行驶的汽车，武器，或一个人。此镜头标记然后将通过该软件的机器学习算法运行。这已经训练算法来辨别，人的眼睛，形成作战区域的视频中显示无人机监控录像的序列和1分的模式和0。五角大楼并没有公开这些定义对象38软件的标志。

然后，监控小组可以上传没有被标记到Maven项目软件中的新拍摄的视频。该软件背后的算法将能够确定镜头的内容，并识别任何异常或相关的物体，它已经训练标记。然后，系统以某种未知的方式向操作员发出警报，并在视频显示中突出显示标记的对象。

轨道见解提供了机器视觉的展示了能力，在应用到卫星图像产品。该公司进行的大型区域空间卫星图像地理空间分析。此外，我们可以推断美国中央情报局使用轨道见解目前，因为它在2016年从In-Q-Tel的风险投资基金的资金获得2000万$。

该在-Q-Tel的风险投资基金的唯一目的就是基金公司开发的产品，它预示可能有利于美国的情报和军事行动。此外，在-Q-Tel公司索赔轨道见解是被多家美国政府机构，但它没有对这些机构的身份发表评论。

下面是轨道Insight的CEO展示了轨道Insight的软件的一个3分钟的视频：

卫星成像允许运营商来跟踪在大面积上靶的运动，确定活动的正常模式为一个位置，并检测异常时，这些图案是不同的。轨道洞察连接在一起的大量来自各种网络卫星成像数据，以装配在地球上的任何位置的高清晰度的图像，获取每个的最有用的片段，同时除去云，烟雾，天气的影响，或雾度从图像。

轨道见解写了一个案例研究在预测中国的地上石油储备。轨道Insight的计算机视觉软件可以识别油库，然后测量以计算整体供应的能力。他们指出，“油的量是可见的，因为坦克浮顶。使用我们的阴影检测技术，我们可以衡量的屋顶上，并计算它是多么充满新月形阴影的大小“。

特朗普政府提出了超过两倍，在明年的预算，以8300万$资金的只有一个AI驱动的导弹检测程序依靠军事可视化数据。

国土安全

人工智能的一个核心能力是确定的趋势和模式的数据集内则预测的可能性，以及何时会再出现这种趋势。这就是所谓的预测分析，且目前被应用到国土安全的问题。

预测分析模型可以用来进行非法活动，如在商店，这使得情报机构截获的行为前的情节展现出来的购买武器或临时搭建的炸弹制造材料制备的归属关系的迹象。预测分析软件也可以给基于各种环境因素和过去的犯罪记录数据的犯罪嫌疑人可能的预测。

美国中央情报局(CIA)、联邦调查局(FBI)、洛杉矶警察局(LAPD)和其他美国政府机构目前使用Palantir作为预测分析软件。以下是一段5分钟的视频，描述了机器学习如何将消息数据、州身份数据、图表、电子表格、电话记录、州数据库中的文档(如存档的警察报告、网络数据、传感器数据和全动态视频)汇集在一起，以识别看不见的模式，并在刑事调查中提供帮助:

汇集数据的大量资金允许AI找到方式相关非法的行动，数据分析可能很难进行调查并找出自己。从2011年开始，美国的海军陆战队在阿富汗战争中集成Palantir的软件编译可能炸弹制造者协助恐怖组织名单。

根据Palantir案例分析中，调查检测到的天气数据，从IED的攻击命令线信号和爆炸装置的个人和炸弹制造网络的收集关联的生物特征之间的相关性。其结果是，他们能够以减少在一个区域的IED攻击次数部署特定的个人manhunting团队。

我们介绍了另一个预测分析软件，Stabilitas，在我们的报告中AI在中央情报局。Stabilitas是一个软件，中情局可能，以了解在世界上地区的稳定和安全使用。Stabilitas似乎能够通过社交媒体帖子，当地的新闻报道，和政府报告爬行区域不稳定的迹象，使这些预测。

网络安全

我们发现，网络安全的人工智能解决方案有很高的需求。对于网络安全来说，这似乎是可以理解的，因为军事和国防网络中的数据泄露风险很高。一些人工智能供应商和国防承包商似乎正在使用机器学习来提供安全产品，这些产品可以在威胁影响网络之前识别和预测威胁。

由于在最后一节，以及泄露政府情报的危险引用收集的数据量，网络安全似乎是为美国陆军和海军的当务之急。许多本报告中的网络安全解决方案，可以通过民营企业，以及被利用;世界上的黑客可以很容易地针对私人实体为他们的秘密，因为他们可以军队。

网络安全威胁的形式和规模多种多样。人工智能有能力在军队的预防措施中扮演重要角色。如今，软件能够识别各种数字情况，如电子邮件或新的闪存驱动器，很可能是植入恶意软件的陷阱或工具，然后在恶意软件激活之前，消除潜伏在军事操作人员面前的网络威胁。

BAE系统公司是一家总部位于伦敦的国防，安全和航天公司。DARPA公司与BAE系统公司的一个$ 5.2万合作开发CHASE，软件工具，它可以识别并使用人工智能预测网络威胁到大型企业网络。

大通软件可能首先需要标记的数据集，其指示从内部网络服务器和非AI入侵检测系统，用于各种度量的“正常”值。这将允许软件识别的基线阅读标准操作的网络条件。

然后，该软件将被训练识别网络特性异常是由于先前的安全入侵。一旦软件“学习”什么参数值可能来自一个活跃的威胁，该系统可以通过仪表板可用于提示人类安全分析师，以确保所有新的安全威胁是最早确定的。

CHASE的能力或其他使用AI进行网络安全的此类软件的一个例子可能是一个软件，它监控每个部门每天正常水平的下载数据。当某个特定部门超出了正常的每日下载预测时，该软件可以显示对安全专业人员的潜在威胁

SparkCognition据称，该公司在其DeepArmor解决方案中使用机器学习来识别和分析未知文件，并在入侵军用物联网网络之前检测恶意软件等网络威胁。诸如笔记本电脑、其他无线和移动设备以及物联网传感器等远程设备被称为“终端”。

这些终端极易受到网络攻击，软件可以自动监控武器系统、移动设备和飞机。SparkCognition称DeepArmor被用来捕获和阻止一些全球网络安全威胁，如WannaCry勒索软件攻击、Popcorn Time和Adylkuzz。

预测分析的一个类似的系统被设计Cylance，一家由In-Q-Tel资助的初创公司。

下面是一个显示Cylance软件如何能消除恶意软件的视频：

Cylance出版了一本案例研究报道展示Cylance沙夫利特的价值。Safelife的马修·科伊，信息技术副总裁对Cylance指出当前功能评论说，“Cylance检测并停止每天事件数万。他们没有一个人被发现或经现有的防病毒系统采取行动“。

在案例研究中，马修·科伊引用管理CylancePROTECT导致显著的成本节约沙夫利特所需的低管理工作。他估计，管理他们以前的防病毒产品所需的每周150小时。

后勤

俗话说，“知识就是力量”和人工智能具有增强支配决策者使他们能够做出更好，更明智的决策知识的能力。有一个组织可以得到的，当涉及到物流和这些组织的维护实践大边缘。AI必须考虑到更高效，数据支持的后勤和军事装备的维护能力。

接收警报和生成报告

改进组织后勤的一个方面是改进决策制定和执行的速度。会话接口能够提高官员决策的效率和速度。

通讯介面可让海关人员要求提供与安装系统有关的各种资讯，并准确地显示在他们面前或向他们广播，而毋须人工干预或人为错误。

例如，在战列巡洋舰的桥梁指挥官，而在战斗中可以指示谈话接口，不断听取有关说明，即可立即提醒他们，当特定的电池的弹药减少15％以下。

知道正是当阈值达到可以允许指挥官下达命令以补充蓄电池的法令在战略上的最佳时间。

军用会话接口比与公众使用的其他问题。他们需要的工作具有高度的确定性或其他错误或不准确的缺点，可能花费一个或多个运营商的生活。一个系统，没有正常投放计划的报告的领导者，同时在战斗中可能会导致他们掌握了领导者和船只被抓住严重猝不及防投入有潜在危险的情况。

对车辆进行维护

作为军事维护众多车辆，当环境或通过正常磨损，在战斗中损坏，这些车辆必须保持。由于工艺的数量巨大，需要保养，增加效率，以修复这些工艺的任何方法可能会受到欢迎。人工智能可能在车队的维修，以帮助的能力。

洛克希德·马丁公司合作与NGRAIN(加拿大)公司在大数据分析项目，以提高美国空军使用的F-35飞机的维修效率。该项目简化了损伤数据的获取，降低了成本，并通过高效的维护操作提高了飞行员的安全性。

根据一项工业互联网联盟发表的案例研究,洛克希德·马丁公司目前生产的F-35闪电II飞机，还提供培训，预测，并为飞机维修支持服务。为了提供有效的维护，洛克希德马丁需要一种方法来准确地评估到飞机船体和机身由于战斗或环境危害的任何损坏。

传统上，维修技术人员通过在薄膜上放置在受影响的区域的透明膜和标记的参考点评估机身损坏区域。从薄膜线附图然后用在电子表格中的修复数据历史交叉引用。洛克希德·马丁公司的维修工程师发现了这一过程繁琐和费时。

洛克希德·马丁公司研制的自主物流信息系统（ALIS）软件套件与F-35的使用和需要的工程师来直观显示3D损失报告具有高度准确性的方法。该国防承包商使用加拿大AI公司NGRAIN的软件开发工具包（SDK）生成飞机的三维虚拟模型。

根据该案例研究，维修技术人员可以使用该工具NGRAIN进入飞机独特的尾号和拉起历史的损伤和修复数据。然后，技术人员进入在每个新的维护周期的伤害类型和尺寸的信息。此信息自动存储在ALIS软件，可以在将来进行检索。

NGRAIN宣称他们的3D建模解决方案帮助洛克希德公司的维修工程师减少维护时间。美国空军还要求损害报告解决方案将被部署在F-22猛禽。我们已经覆盖洛克希德马丁公司的AI项目在前面的文章中更深入。

自主车辆

国防部负责研究和工程的副部长迈克尔·格里芬声明在战争中，执行后勤保障任务的军事人员至少占50%的伤亡。他在国会议员们表示，“如果能够通过自动化的无人驾驶车辆用相对简单的AI驱动算法来进行，我没有对行人和道路标志和所有的担心，我为什么不这样做呢？”

正如迈克尔·格里芬在他的评论躲避到，安全规程和培训军用自动驾驶汽车可以在复杂的较低水平相比，自主车被出售给商务人士。当人的生命是上线，价值功利计算变得轻松了许多;本质上，自主车辆可如果它的使命意味着节约了一个或多个运营商的生活与其他车手少一点工作。

在军队中，自动驾驶车辆的理论能力是众多的，因为军队使用的车辆种类繁多。许多军事国防承包商正在研究用于军事建设和后勤的自动驾驶汽车和工作卡车。举个例子，一辆自动卡车可以在沙井里来回行驶，而军队的工人则继续制造沙袋。

以色列航空航天工业正在建设一个自治推土机，并且变换其尺寸，以优化某些情况下的车辆。洛克希德·马丁公司推出了他们的康宏主动安全技术系统。CAST是安装在军用卡车当被激活时可以锁定到它的前方车辆，并使用机器视觉驱动器本身，创造了车队的系统。

波音公司已经设计并正在测试自主航天器用于常规卫星部署。波音公司提供自主无人驾驶飞机和飞机以军方今天是设计自主潜艇。我们已经介绍的主机波音公司的人工智能项目在前一篇文章中。

下面是诺特曼·格鲁门公司自主射流进行了世界上第一个自主空中加油的镜头：

随着美国国防部高级研究计划局(DARPA)联合人工智能委员会(JAIC)的成立，以及大量大型军事防御承包商的出现，以及各种自动驾驶汽车项目的发展，很明显，自动驾驶汽车的发展是美国国防部的一项优先任务。

此外，在国防承包商行业看到了牵引似乎理解的，因为车辆自治允许的提高生产力并增加了操作人员的安全性。作为一个例子，能够巡逻的安全区域，并通过专注于可能干扰地方的摄像头，然后报警入侵的人类安全部队将导致人类巡警一显著减少调查入侵者的迹象自主车。

这些巡警将能够把他们的时间花在更有价值的任务上，而不让该设施看到监视质量的下降。军队的监视质量也会提高，这是由于排除了人为的操作因素，比如在私人生活中需要使用洗手间或巡警的干扰。

许多公司正试图自治功能添加到各种车辆。波音公司正在开发自主的潜艇。无论是中国政府和美国国防部正在开发可以安装在不同的地面平台的硬件和软件的工具包，像坦克和装甲运兵车，以提高自主化水平，Osie大卫，总工程师任务指挥，通讯 - 说电子学研究，发展和工程中心在美利坚合众国。

我们的首席执行官Daniel，报告对美国和中国之间的国际竞争与在关于AI的开端国防大学在华盛顿特区，以及在联合国会议在上海。他的演讲集中在人工智能和国家安全的经济影响上。