|
ThinkMachine Lab｜梁准
本文依据公开报道信息，结合个人经验进行分析推测撰写,难免有遗漏和偏差，请理解并谨慎阅读。以色列是全球AI强国之一,尤其重视人工智能在国防和反恐领域的应用。以色列国防军下辖的8200情报部队,是以色列军事技术创新的核心力量。该部队汇聚了以色列最优秀的计算机和数据科学人才,专门从事网络安全、大数据分析、人工智能等前沿技术研究,并将其应用于情报收集、目标识别、网络战等领域。8200部队内部还设有专门的数据科学与人工智能中心,据称在开发和运用“福音-Gospel”、“薰衣草-Lavender”等AI武器系统方面发挥着关键作用。8200部队总部位于特拉维夫北部的摩西达扬营(Camp Moshe Dayan),占地面积达462英亩,是以色列最大和最机密的情报基地。营区内设有先进的作战指挥中心、网络安全实验室、大数据中心等设施,以及情报人员的训练基地。8200部队与高校和研究机构密切合作,共同推动AI军事应用的理论和实践创新。同时,以色列还建立了一套独特的预备役军官制度,在平时就征召大量高科技企业的技术专家,如数据工程师、算法工程师等加入预备役。这些后备军官定期参加军事训练和技术演习,一旦战时需要,可以随时投入作战,为前线部队提供大数据分析、人工智能算法优化等技术支持。
从现有的公开报道来看,8200部队开发和使用的两套人工智能系统：Gospel和Lavender系统，在以色列军队的实战中发挥了重要作用,取得了显著战果。Gospel通过卫星和无人机图像,实现了对加沙地区的持续监视,及时发现了哈马斯等敌对组织的大量军事目标,为以色列的空袭和地面进攻提供了精准情报支持。Lavender则通过大数据分析,自动识别出大批高危险敌对活动嫌疑人员,使得以色列有针对性地实施定点清除。据以色列官方宣称,仅战争初期Lavender就在加沙标记出37,000名哈马斯武装人员及其藏身地。使以色列能在短时间内实施密集火力打击,最大限度地压缩交战时间,减少了以方伤亡。 在这些AI系统的支持下,以色列军队在加沙狭小拥挤的城市环境中实施精确打击成为可能,这些支持技术有效削弱了哈马斯等武装的战斗力,为以色列最终控制加沙北部创造了有利条件。 “福音-Gospel”-建筑物/设施自动识别与标记系统
“福音“是一套用于建筑物和设施自动识别的AI系统。它主要基于卫星和无人机获取的高清图像,通过卷积神经网络等算法,自动检测和分类军事相关的建筑物,如指挥部、弹药库、停机坪等。该系统还可以根据建筑物的大小、结构、活动模式等特征,评估其军事重要性和危险程度,为打击决策提供参考。
“福音”主要依赖两类数据:卫星图像和无人机侦察影像。其中,卫星图像主要来自以色列商业公司ImageSat International(ISI)提供的Eros系列卫星。这些卫星搭载了高分辨率光学载荷,空间分辨率可达亚米级,每天可对目标区域进行多次重访。无人机方面,以色列使用灵蛇(Heron)、天鹰(Eitan)等多款远程无人侦察机对加沙实施持续监视,通过合成孔径雷达、光电吊舱等获取高分辨率影像。还有报道称以军出动'蜂鸟'等微型无人机渗透加沙上空,对重点区域实施临近侦察。汇聚到Gospel数据中心的原始影像首先要进行预处理。主要环节包括:辐射校正、几何校正、图像配准、拼接、分割等。其中,辐射校正旨在消除成像设备和大气条件差异造成的灰度误差;几何校正则消除传感器倾斜、地球曲率等因素造成的畸变;图像配准将不同传感器、不同时相的影像统一到同一坐标系下,为变化检测做好准备。据分析,“福音”系统应该充分利用了以色列在计算机视觉领域的研究优势,引入了一些最新的研究成果,如增量学习的语义分割、基于卷积神经网络的目标提取等,大幅提升了数据解译的智能化水平。在预处理的基础上,“福音”对影像进行语义解译,提取军事目标的关键特征。猜测基于深度学习的目标检测算法,如Faster R-CNN、YOLO等都是值得尝试的选择。系统首先在大量已标注的军事目标样本上训练检测模型,然后用于从新影像中自动识别感兴趣目标(POI),输出其类别和位置坐标。针对建筑物目标,“福音”重点关注平面结构、屋顶纹理、周边环境等特征。例如,弹药库通常为独立矩形建筑,屋顶光滑,周边有明显的防护措施;指挥部则可能藏于民用建筑中,但通讯设施、车辆出入频繁。系统在识别到疑似军事设施后,需要自动比对多源数据,以排除误报。“福音”不仅能识别静态目标,还能检测区域内的可疑活动。这主要依靠无人机等移动平台的持续跟踪。系统通过跟踪目标平台的位移、速度变化,构建活动模式,识别出非正常行为。这类行为包括:车辆和人员的异常聚集、设施周边地堡工事的修建、可疑物资的搬运等。一旦发现,系统立即预警。对于重点目标,“福音”还会融合本体信息和活动信息,评估其军事威胁等级。评估一般从目标的战略价值(如指挥控制枢纽)、威胁能力(如导弹发射架)、抗毁性(地堡掩体)等角度进行,由情报人员和武器专家共同完成。评估结果用于指导后续的监视和打击行动。“薰衣草-Lavender”-个人自动识别与风险评估系统 “薰衣草“系统侧重于对个人的自动识别和风险评估。它综合利用监控视频、通讯元数据、社交媒体等多源数据,构建出每个潜在目标人物的数字画像。系统重点关注与已知敌对组织成员接触、通讯和行为模式相似的人,通过机器学习算法给出风险评分,自动生成'关注名单'。
“薰衣草“系统需要处理的数据类型更加多样,渠道更加机密。除了由“福音”系统提供的侦察监视信息,还可能包括:- 情报机构提供的人力情报,如来自线人和被策反人员的报告;
- NSA等合作伙伴提供的信号情报,如电子邮件、电话等通讯记录;
- 以色列安全机构掌握的出入境记录、金融交易、社交媒体信息等;
- 军事单位获取的战场信息,如缴获的文件、审讯记录等。
这些信息通过一套复杂的接口汇聚到“薰衣草”,进行统一管理。汇聚的多源异构数据往往存在语义鸿沟,“薰衣草”需要将它们转化为统一的对象和关系。首先是进行语义映射,将不同词汇体系下的概念实体对齐。例如,将阿拉伯语的人名翻译成英语,将街头俚语映射到规范词表等。然后,“薰衣草”系统利用实体识别、关系抽取等自然语言处理技术,从非结构化文本中提取结构化信息。例如,从一份审讯记录中识别出被审讯人员的身份、组织隶属关系、活动时间地点等。这些结构化的对象、属性和关系被整合到一张超大规模的异构信息网络中。在信息网络基础上,“薰衣草”可能采用图数据挖掘技术,从时空和社会两个维度刻画目标人物的行为模式。时空维度主要분析个体移动轨迹、访问热点,挖掘反常行为;社会维度则着眼于人际交往、组织结构,识别关键人物和团队成员。例如,系统发现一名人员频繁出入某训练营地,并与已知恐怖分子保持通联,即可推断其涉恐嫌疑并预警。这里用到的技术包括频繁模式挖掘、异常检测、社区发现、中心性分析等。系统应该实现每天都在大规模动态异构网络上持续计算,及时捕捉新的威胁。
对于系统标记出的嫌疑人员,“薰衣草”系统会进一步评估其危险程度,以决定是否预警和采取行动。评估一般基于证据的多少和可靠程度、嫌疑人员的角色定位、可能采取的攻击手段等因素。这里还会参考以色列特工提供的线索和情报分析员的判断。风险评估最终形成一个量化的威胁指数。当该指数超过预设的阈值时,系统自动将目标人员列入观察或打击名单,并随时跟踪其位置,一旦出现在目标建筑内则将建筑标记为潜在打击目标。与此同时,系统还会根据建筑面积、人口密度估算可能的附带伤亡,供指挥官决策参考。虽然“薰衣草”系统实现了目标生成和风险评估的自动化,但在最终决策阶段仍需要人的参与。这是由于人工智能系统的判断不可避免存在误差,且'杀伤名单'事关重大,必须慎之又慎。流程上,情报分析员会对系统生成的目标逐一进行复核,剔除明显错误;然后提交指挥官,由其权衡军事收益和政治风险,最终确定行动方案。有报道显示，从这些人工智能系统的实际运行情况看,这种人机协同机制可能会流于形式。一方面,面对海量的机器判断,人工复核往往疲于应对,流于'划勾';另一方面,战时指挥官又倾向于放宽要求,对系统判断照单全收。这导致人的作用边缘化,为相关军事行动埋下重大隐患。如何保障人机协同的实效性,是“薰衣草”这类系统亟需完善的问题。“福音”和“薰衣草”可能的技术挑战 “福音”和“薰衣草”代表了当前军事AI应用的前沿水平,要开发这样满足性能和可靠性要求的系统，主要的技术挑战包括:无论是“福音”的目标特征学习，还是“薰衣草”的行为模式挖掘,都面临训练样本不足、甚至完全没有的困境。真实的军事目标或恐怖分子样本是稀缺的,这导致算法学到的特征模式可能存在偏差,泛化性能弱。如何在小样本或零样本条件下进行有效学习,是普遍挑战。军事情报的获取环境往往恶劣,数据质量参差不齐。比如无人机图像可能因为云雾、沙尘等因素而清晰度不够;人力情报则可能带有明显的主观偏差。这些都会影响系统判断的准确性。成熟的军事AI系统需要成熟的数据质量评估和清洗机制。“薰衣草”系统利用知识图谱进行关联分析,知识推理能力就非常重要，系统不仅需要处理浅层的实体关系,还要对背后的意图、事理、因果进行深入挖掘。否则可能导致过于'死板'的威胁判定,忽视了隐藏在表象之下的深层次威胁。作为'黑盒子',基于深度学习的“福音”和“薰衣草”的内部决策逻辑高度复杂和不透明。即使是参与研发的工程师,也难以准确解释系统为何得出某个具体的判定结果。在实际应用中,相关人员如果无法对系统输出形成有效监管,简单对AI'盲从',会埋下决策失误的隐患。“福音”和“薰衣草”主要是在加沙特定环境下的应用,其算法模型很大程度上依赖当地的地理、人文、战术特点。如果换到其他国家和地区,系统可能需要重新训练和调试。环境依赖性将限制系统的通用性和快速响应能力。作为军事系统,“福音”和“薰衣草”会成为对手电子战和网络攻击的目标。对手可能通过电磁干扰、破坏通信、投放假目标等手段,削弱乃至瘫痪系统性能。“福音”和“薰衣草”系统,为以色列军队的情报收集、目标识别等核心能力注入了强大的技术动能。从逐渐透露出来的一系列公开报道中,我们看到在最近的加沙战争中,以色列国防军动员了数百名后备军官,其中不乏知名高科技企业的高级技术专家和数据科学家。他们与现役军官密切配合,优化改进Gospel、Lavender等AI系统,提高其精准度和稳定性,为以色列在这场'智能战争'中取得优势发挥了重要作用。1、How US Intelligence and an American Company Feed Israel’s Killing Machine in Gaza (https://www.thenation.com/article/world/nsa-palantir-israel-gaza-ai/)2、IDF colonel discusses 'data science magic powder’ for locating terrorists (https://www./world/2024/apr/11/idf-colonel-discusses-data-science-magic-powder-for-locating-terrorists)3、'The machine did it coldly’: Israel used AI to identify 37,000 Hamas targets (https://www./world/2024/apr/03/israel-gaza-ai-database-hamas-airstrikes) 4、'Lavender’: The AI machine directing Israel’s bombing spree in Gaza (https://www./lavender-ai-israeli-army-gaza/) 5、Israel offers a glimpse into the terrifying world of military AI (https://www./world/2024/04/05/israel-idf-lavender-ai-militarytarget/） 
|
