真题：「高度」人工智能应用在美国军队情报系统基本建设中的重要性科学研究续篇—优化算法、算力和信息的主要功能

原创设计 稻香湖下午茶时间 稻香湖下午茶时间

人工智能技术已经成为情报系统建设过程中支撑力、示范带动技术性。优化算法、算力和数据基础设施的优化升级能够很好的解决智能化情报系统开展海量数据存储管理方法、海量信息测算解决所面临的难题，有关技术在情报系统建设过程中实际应用情况如下。

1

神经网络模型在情报系统中

普遍使用

伴随着神经元网络主导深度神经网络行业的高效进度，神经网络模型被广泛使用到各个领域的情报系统中。每一种神经网络模型都是有相对应的特长，算法挑选在于实际任务与被讲解的基本数据类型。

针对图像和视频内容解决，计算机视觉技术在对待、剖析和解释视觉效果数据信息（静态数据或动态影像）层面可充分发挥很好的效果。机器视觉关键所使用的人工智能算法是神经网络（CNN）。在机器视觉系统内，CNN前多层一般代表基层的图像数据，如边沿和角落里，与不同种类物件相对应高端特点出现在了后期卷积层中，一个CNN一般能通过再次练习其最终多层而被重新用以一个新的运用。

文字和语音处理广泛运用自然语言理解技术性。循环系统（递归算法）神经元网络（RNN）在自然语言理解行业受到重视。RNN善于解决时序数据，容许应用可变性长度编码序列。斯坦福学校的研究人员应用RNN来处理脑机接口，使之能够把从人类的大脑过程中发现和捕捉信号中合成语音，比以前的办法快3.4倍。此外，RNN 也可以用于一种注意机制来获取图象中的一些种类的特点，将系统软件“正确引导”到有兴趣的目标很有可能所在位置。比如，开源系统Tesseract光学字符识别库运用长短期记忆模块（LSTM）来测试页面上文字行部位。该基本原理还可以用于多种类型数据信息（比如声频视频）里的时间与空间特点。

在电子对抗技术行业，应用自动编码器能够对波型信息进行缩小和去噪，并获取适合于数据信号科学的分类识别有关特点。神经网络所获得的各种各样优异表现立即促进了卷积和自编码器的形成，并且使用卷积层和池化层取代了原先的池化层，能够比一般自编码器更高效的开展图形的减噪。美国陆军作战战斗能力发展趋势指挥所正在开发一种被称作便捷自动编码器的人工智能算法，该优化算法能恢复被各种类型高斯噪声损坏的单一声频精彩片段和图象。

长期性不断探寻神经科学积累出来的认知科学理论依据被运用到测算行业，促进了神经系统拟态或类脑计算。神经系统拟态计算系统有非常多的优化算法方式，主要分练习或学习培训脉冲神经网络（SNN）算法与非人工智能算法这两类。SNN是一种专项计划的神经网络算法（ANN），它与传统ANN间的关键区别就是SNN在操作过程中考虑到了时钟频率。现阶段神经系统拟态测算的常见测试用例可能与机器学习算法有关。

结合实际一般会把一种类别的神经元网络与其他类型神经元网络和/或者非神经元网络融合，产生更多的架构设计，完成丰富多样的作用。比如，神经网络（CNN）和循环神经网络（RNN）的融合能够被用来文本摘要和场景描述。GPT-4等大型模型的成功可能会引起人工智能应用在各个领域情报系统中运用方式的改变。生成式AI已经被导入到美国国防安全信息管理系统局观察名单。

2

AI处理芯片为情报系统给予大量

数据处理方法的能力和质量

神经网络算法在情报系统中发挥出色，但其计算复杂性高。测算不断发展的、繁杂每日任务模型所需要的硬件配置能源消耗是情报系统更广泛运用的重要阻碍。在过去一段时间里，为加快神经网络算法的练习与使用的芯片出现突破性的发展趋势，为情报系统建设过程中算力基础设施建设带来了广泛挑选。

“

1

一是图像处理器（GPU）变成通用计算机的重要Cpu。2015年后，GPU的使用促使硬件配置测算能力的缺陷得到填补，它具有很多单独的运算单元，速度更快且行驶性好，广泛应用于模型推理任务时。

“

2

二是立即微波射频现场可编程门阵列（立即RF FPGA）在电子战和雷达中的运用。他们带来了FPGA的稳定性和可编性，同时结合了立即解决微波信号的能力，可以在单独处理芯片上进行繁杂的射频系统。进而大幅度降低无线通讯、雷达、软件定义无线通信等微波射频密集式运用的系统软件多元性、提升性能并减少开发进度。

“

3

三是专用集成电路（ASIC）（亦被称作神经系统加速器）的需要不断提高。伴随着通用芯片的性能增加陷入瓶颈，各径山行业龙头企业陆续着手开展以自主研发处理芯片为代表的底层自主创新，以提供更好的云服务器。比如，谷歌搜索于2016年发布第一款为机器学习算法定做的偏微分控制部件（TPU），并且于2018年公布第一代边沿TPU。

“

4

四是被称之为ASIC以外提升神经拟态处理芯片获得阶段性进展。现阶段，根据传统式相辅相成金属材料氧化物半导体（CMOS）神经拟态处理芯片已进入产品化产品研发。2014年IBM根据 SyNAPSE项目评估出第一个神经系统拟态处理芯片TrueNorth，代表了冯.诺依曼测算架构的设计方案提升。2016年美国奥利弗利弗莫尔国家级实验室和IBM联合开发了一台TrueNorth设备，可以帮助美国国家核安全局（NNSA）进行其核心工作。2018年7月，美国航空兵科学研究试验室（AFRL）和IBM发布“神经系统形状数据神经递质高性能计算机”Blue Raven。此外，intel还在2017年发布神经系统拟态处理芯片Loihi，并且于2021年10月上线了Loihi2。

3

阴天IT混合云是提升情报系统

数据库管理能力的关键所在

伴随着商业服务云企业（C2E）合同的引进，在数据存储与处理能力建设上，美国情报界应用多云解决方案，以使用不一样云供应商优点、减少风险并提升弹力。在阴天环境里，公司使用多种多样公共云服务，一般来自各式各样的云服务提供商。它提供了一种方式来避免单一经销商锁住，同时避免在经销商迁移后产生极大转移成本。

由于情报系统数据库的敏感度，阴天IT混合云（带有好几个公共云的IT混合云）对策能够很好的均衡安全系数、扩展性和协调能力规定。混和汇集变成公有云服务、私有云服务与当地系统架构，同时提供跨这三者的编辑、管理与应用软件可扩展性。其具有将比较敏感或敏感数据保存在当地的协调能力，并利用公共云网络资源解决不特别敏感的工作负载或者在要求高峰时段完成扩展性。

IT混合云为工业物联网带来了足够的基本。工业物联网将算力移到造成数据信息的硬件周边，能加速情报系统的数据处理方法速率、提升网络带宽以确保数据主权。当与前沿的传感器通讯平台搭配使用时，配置边缘设备人类收藏者能够进入极端的、高危的或者被抗拒的地域实行敏感情报搜集每日任务，并且以贴近实时方法传送时长比较敏感情报数据信息。配置边缘设备的无人飞机搜集与处理系统可以在更长远的范围之内完成独立物体检测、识别特定。

一 END 一

免责协议

文章系创作者个人见解，内容见解不代表本公司观点。照片均来自于互联网。若有一切质疑，欢迎联系大家！