IPP评论|英国智库RUSI报告:人工智能与国家安全( 二 )


监督学习:从给定的训练数据集中学习出一个函数 , 当新的数据到来时 , 可以根据这个函数预测结果 。 监督学习的训练集要求包括输入和输出 , 也可以说是特征和目标 。 训练集中的目标是由人标注的 。 例如 , 在物体识别方面 , 机器可以根据训练数据中有关水果的照片和描述正确识别不同类型的水果 。
无监督学习:与监督学习相比 , 训练集没有人为标注的结果 。 例如 , 在图像识别方面 , 机器可以根据训练数据中有关动物的照片 , 但在缺乏相关描述的情况下 , 对不同类型的动物进行正确分类 。
【IPP评论|英国智库RUSI报告:人工智能与国家安全】半监督学习:介于监督学习与无监督学习之间 。 训练集一半为人为标注 , 另一半则为无人为标注 。 机器可以根据这种训练集进行预训练 , 然后通过人为标注集进行调整 。
增强学习:机器为了达成目标 , 随着环境的变动 , 而逐步调整其行为 , 并评估每一个行动之后所得到的回馈是正向的还是负向的 。 例如 , 使用者可以对机器推荐的音乐进行反馈 , 以便让机器学习使用者的音乐喜好 。 随着反馈的增多 , 推荐结果将越来越贴合使用者的音乐喜好 。
近年来 , 大型数据集的普及使机器学习的应用日益广泛 。 在医疗领域 , 机器学习的图像识别技术可用于预测婴儿患自闭症的风险和检测皮肤癌 。 地方议会目前正在大力推广机器学习在社区事务中的应用 。 在治安管理方面 , 机器学习可用于预测在押案犯再次犯罪的可能性 , 根据“破案成功率”对案件进行优先排序 。 随着“智慧城市”概念的不断深入 , 机器学习越多越多地被用于垃圾处理、交通管理、污水处理等民政工作 。 根据英国政府人工智能办公室的预测 , 人工智能可在2030年为英国经济创造约2320亿英镑的价值 。
然而 , 值得注意的是 , 英国大多数人工智能的发展成就都是由私营部门和学术机构创造的 。 英国公共生活标准委员会(CommitteeonStandardsinPublicLife)的调查显示 , 尽管人工智能引起了不少官员的重视 , 但人工智能在英国政府的普及程度并不高 , 而且英国政府的人工智能项目仍处于计划阶段 。 因此 , 如何在未来充分利用人工智能带来的机遇 , 应当成为英国政府的高度优先事项 。
IPP评论|英国智库RUSI报告:人工智能与国家安全
文章图片
▲如何在未来充分利用人工智能带来的机遇?(图源:网络)
三、AI在国家安全中的应用
“信息过载”给英国安全机关带来了严峻挑战 , 正如美国贝尔弗科学与国际事务中心(BCSIA)格雷格·艾伦(GregAllen)和塔尼尔·陈(TanielChan)所说:“随着数据量的激增 , 情报工作的难度也随之加大 , 想要找出有价值的信息犹如大海捞针 。 ”
“信息过载”只是一方面 。 英国上议院议员大卫?安德森(DavidAnderson)在2015年的政府工作报告中指出 , 通信方式的变革、电信供应商的分散化、通信权归属的争议 , 加密技术的升级和新数据源的出现加大了英国安全机关的工作难度 。 为了应对这些挑战 , 英国政府需要开发更高级的数据分析工具 , 而人工智能将是实现这一目的重要途径之一 。 英国政府通信总部(GCHQ)曾公开表示:“许多类似GCHQ的机构将考虑使用机器学习和人工智能 , 这有利于提高英国安全机关的工作效率和有效性 , 英国的国家安全也将得到更有效的保障 。 ”
为此 , 本报告提出了英国安全机关的改革方案 , 并进行了分类 , 如下图所示:
IPP评论|英国智库RUSI报告:人工智能与国家安全
文章图片
1.人工智能在商业和行政领域中的优势
对于任何大型行政机构而言 , 重复性工作占总工作量的很大一部分 。 使用人工智能最直接的优势是行政管理自动化 。 2016年美国政府发布的人工智能报告称:“人工智能带来的主要经济效应是行政管理自动化 。 ”