據(jù)aviationweek網(wǎng)站2019年7月24日刊文，從概念探索到自主作戰(zhàn)，人工智能(AI)正被逐步引入航空航天和國防領域。目前機器學習已在數(shù)據(jù)分析方面進展迅速，但接下來的發(fā)展可能會帶來更大的影響，如改變飛機的設計和制造流程以及飛行員的編配和飛行方式。

波音公司首席執(zhí)行官丹尼斯·穆伊倫伯格表示：“AI已經(jīng)影響到了各方面的業(yè)務，而且這種影響將繼續(xù)增強。”2017年成立的波音公司AnalytX組織的專家已將AI應用到供應鏈、制造系統(tǒng)管理以及工程工具集中。但是在AI駕駛飛機之前，仍有需要克服很多阻礙?？湛?、波音、洛馬和其他公司正在研究機載AI，但仍處于初級階段。

現(xiàn)在，航空航天領域AI的本質(zhì)是統(tǒng)計學習。這不是AI的非確定性給航空航天領域帶來的唯一問題。今天的機器學習系統(tǒng)在經(jīng)過訓練以篩選大量數(shù)據(jù)時，在統(tǒng)計模式識別方面非常強大，但他們不能解釋所做的決定。沒有解釋就很難讓人進行預測，因此就不能建立對AI與人類共同執(zhí)行任務時的信任。

由于機器學習固有的復雜性，解釋能力是客戶接受AI系統(tǒng)的關鍵。因此，DARPA已啟動了在未來五年內(nèi)開展的AI Next活動，資金超過20億美元。開發(fā)可解釋AI是一個關鍵目標，創(chuàng)建能在真實世界中使用并從經(jīng)驗中學習的系統(tǒng)，降低訓練神經(jīng)網(wǎng)絡所需的手動標記實例的數(shù)量，并防御網(wǎng)絡上的誤分類攻擊。

DARPA長期以來一直在研究AI，1980年代引領了以專家系統(tǒng)為代表的第一波AI。這些系統(tǒng)以手工輸入規(guī)則的形式對某領域?qū)＜业闹R進行編碼。典型的案例是飛行員伙伴項目，其旨在開發(fā)一個決策支持系統(tǒng)來幫助單座戰(zhàn)斗機的飛行員。

AI的第二波浪潮集中在受人腦啟發(fā)的神經(jīng)網(wǎng)絡上，并利用大量的標注實例對它們進行訓練。然而，像專家系統(tǒng)一樣，神經(jīng)網(wǎng)絡也有缺點。例如在圖片中添加細微的噪點會導致經(jīng)過訓練的神經(jīng)網(wǎng)絡出現(xiàn)明顯的錯誤。由于機器學習的實踐已遠遠領先于理論，到目前為止，我們對這種對抗式的圖像攻擊僅有有限的解決方案。

面向未來，DARPA的“可解釋的AI”(XAI)項目正在開發(fā)一種計算架構，使神經(jīng)網(wǎng)絡能夠解釋自己。XAI正在構建輸出可解釋模型的機器學習程序，以及允許用戶查詢該模型的界面，這將使用戶知道何時可信任該系統(tǒng)。XAI專注于兩種類型的應用程序：數(shù)據(jù)分析和自主控制。第一個應用程序的案例是與機器學習系統(tǒng)一起工作的智能分析師系統(tǒng)。該系統(tǒng)負責查看圖像、識別某些對象和活動，并建議如何響應其所看到的內(nèi)容。研究表明，機器學習算法中隱藏的偏差會產(chǎn)生錯誤的預測，例如將購物中心看成太陽能發(fā)電場。因為網(wǎng)絡比人類對諸如停車場之類的特征更加關注，這使得預測復雜化。XAI打算在不犧牲學習性能的同時提高解釋能力。當與傳感器數(shù)據(jù)一起工作時，深度學習模型的性能極大提升，

在另一個涉及自駕駛汽車的XAI項目中，車輛控制命令將生成模型行為的文本解釋。例如軟件生產(chǎn)，不僅系統(tǒng)中的代碼量在增加，而且生產(chǎn)也是軟件實現(xiàn)關鍵功能的一部分。目前軟件生產(chǎn)和質(zhì)量保證的工具和方法并沒有根據(jù)所需的代碼量進行擴展。軟件工程師無法有效利用現(xiàn)有的大型代碼庫，以了解程序缺陷的來源并確保不會重復錯誤。一個解決方案是把軟件程序作為機器學習的數(shù)據(jù)。DARPA正在開發(fā)代碼挖掘、漏洞檢測和程序合成中的新功能，目標是使工程師能夠容易地搜索現(xiàn)有的可用代碼數(shù)據(jù)庫，并將基于學習的方法應用于異常檢測，生成具有最小規(guī)格的程序工件。

DARPA也正在將AI應用于設計中。研究人員訓練了一個深度神經(jīng)網(wǎng)絡，其可獲得在流體繞圓柱體流動的可觀測數(shù)據(jù)，并用它來生成控制物理行為的方程式，其結果與描述粘性流體運動的N-S方程非常一致。在另一個項目中，研究人員將強化學習與在游戲機中使用的物理引擎相結合，以尋找新的滑翔飛行方式。另一個DARPAAI程序正在利用拓撲優(yōu)化——基于基礎物理來放置和去除材料，以最大限度地減少重量——將形狀與材料進行平衡。AI也被應用于新的制造工藝。當3D打印制造零件時，金屬在底部的受熱時間比頂部更長，使合金晶粒有更多的時間生長，因此底部的材料特性與頂部的材料特性并不相同。

波音公司將此應用于電子射束增材制造。洛馬公司解決了一些不同的問題：如何信任兩個復合材料之間牢固的黏合。由于沒有可靠的數(shù)學模型來預測黏合強度，因此洛馬公司對原材料的溫度、濕度和時間等參數(shù)的影響進行了詳細的研究。

DARPA的ALIAS項目正在開發(fā)高水平的自動化，可以添加到飛機上以減少機上人員。由西科斯基公司開發(fā)的系統(tǒng)正在可選有人駕駛的UH-60“黑鷹”上進行測試。它可以有兩個、一個或零個飛行員。

在目前的形式中，ALIAS系統(tǒng)不包括AI，因為該系統(tǒng)被設計為可認證的，并且美國聯(lián)邦航空管理局無法確定具有學習行為的非確定性系統(tǒng)的適航性。但是AI正在接近空戰(zhàn)。DARPA已經(jīng)啟動了“空戰(zhàn)進化”(ACE)項目，以自動進行空中格斗，擁有機器速度的反應時間，并解放飛行員來管理空中作戰(zhàn)。

DARPA將空戰(zhàn)訓練描述成嚴酷的考驗，在其中飛行員的表現(xiàn)和信任是高度優(yōu)化的。ACE項目使用人機協(xié)同空中格斗作為挑戰(zhàn)場景，以增加飛行員對自主作戰(zhàn)技術的信任。ACE項目將為期四年，并分三個階段實施，自主作戰(zhàn)算法和人機接口將在一系列逐漸復雜的演習中開發(fā)和測試。這些演習最初是縮比飛機的1對1和2對2空戰(zhàn)，最后是全尺寸飛機。通過在類似戰(zhàn)斗機飛行員的空中格斗規(guī)則中訓練AI，ACE項目將在加速機器學習從數(shù)據(jù)中心進入未來飛機駕駛艙中發(fā)揮關鍵作用。