为了帮助全体员工掌握现代人工智能技术,工业4.0研究院决定引入美军人工智能标准课程,该课程是美国军官必须掌握的知识体系,主要分为四个层次,分别为入门、应用基础、应用和主题应用。
本系列课程将对外公开,以吸引创新人才加入工业4.0研究院。课程内容将采用延迟的方式对外公开,即内部人员或实习生将提前获得原始资料(包含视频),对外公开资料是经过编辑的资料。
率先公开的美军人工智能课程为“认识未来战场上的人工智能”(Understanding AI in the Future Battlefield),涵盖人工智能基础知识、战略、战术应用以及作战影响等内容。
工业4.0研究院建立了完善的培训体系,主要以麻省理工学院和哈佛大学的教材为基础,标杆DARPA及美国国防部的研发创新,面向工业4.0研究院的70%主攻方向,力求解决未来影响巨大的的颠覆性技术难题。
“认识未来战场上的人工智能”课程分为22讲,初步计划每周一课,通过“数字孪生体挑战赛”公众号发布,相关疑问的解答将在同名微信群开展。如果需要加入,请联系公众号文章后面列出的联系人零点壹。
按照计划,该课程将由工业4.0研究院人工智能研究中心负责,将由胡权署名。数字太空实验室主任刘继业、中科院大学教授徐俊刚等作为专家将加入课程导师团,解答读者在公众号文章后面留下的疑问。
即日起,工业4.0研究院人工智能研究中心启动实习生招聘,要求为本科高年级或研究生(包括硕士及博士),每周3天*连续3个月以上的时间保障,计算机及相关专业为主。实习生将由导师团指导,参与具有挑战的项目研发工作。
附:认识未来战场上的人工智能提纲
课程1:什么是人工智能?
自1950年代出现人工智能以来,该领域获得了稳步进展,得益于超高速微处理器、大数据的可用性以及我们对自动化人类认知任务的至高需求,人工智能的发展和应用进入了新的时代。
课程2:自动化
自动机是可以比人类更快更好地完成工作的机器。传统自动机可能具有自适应反馈,但它们不会学习新功能。人工智能通过提供学习新功能的自动机来改变自动化。
课程3:基于规则的演绎算法
专家系统是第一批旨在学习专家技能的机器之一。它们将专家描述的规则编码为数据库中的逻辑公式,以便机器可以遵循相同的逻辑并解决相同的问题。然而,由于人类专家采取的行动不能被描述为规则,因此没有专家系统软件成为专家。
课程4:监督学习
识别图像中的人脸是一种人类功能,我们不知道如何用规则来描述。借助包含1亿张标记图像的数据库,我们可以教人工神经网络在显示图像时为人脸命名。然而这些网络无法解释它们的作用,并且对图像中小的像素级变化非常敏感。
课程5:无监督学习算法
足以训练神经网络的大型高质量数据集很难找到或成本太高。人类社会有办法让机器成为国际象棋或围棋大师,通过相互对战数百万场比赛并奖励自己获胜。不需要对学习进行外部监督,能转化为其他人工智能吗?
课程6:人机交互人工智能
当IBM人工智能在1997年获胜时,国际象棋大师卡斯帕罗夫发明了一种由人机团队下的新型国际象棋。团队击败了最好的机器。寻找使用机器来增强而不是取代人类智能的方法是人工智能的核心问题。
课程7:人工智能的前景
能够进行智能对话、思考、理解、创造、关心、自我意识或有感知的机器远远超出了我们目前的理解。这种愿望激发了寻找智能机器的毅力。我们近期最好的赌注是专注于与人类合作、增强和放大我们的机器。
课程8:安全性和对抗性人工智能
通过使用生物识别技术并监控用户行为与授权用户资料的偏差,人工智能增强了网络安全性。但新的人工智能工具存在我们尚不了解的漏洞,例如当停车标志图像的几个像素发生变化时,神经网络会将停车标志误认为是限速标志。对抗性人工智能会变得如此出色,以至于没有人可以依赖人工智能工具进行军事行动吗?
课程9:数据科学与人工智能
在大型数据集中发现模式和趋势的统计推断工具非常有用。从我们不断增长的物联网中理解大量传感器数据需要巨大的计算能力。协同工作,数据科学提供了提高训练数据质量的方法和帮助人工智能从数据中学习的新算法。
课程10:人工智能项目管理
当对软件的需求稳定时,用于生产软件系统的传统模型效果相对较好。当系统结合人工智能时,由于数据在这些系统中的核心作用,需求可能会发生快速变化。在这种情况下,必须拥有一支强大的团队,其专业知识涵盖软件中的所有内容,现在包括人工智能。
课程11:计算机视觉和人工智能
自动识别图像中的人和物体一直是1950年代的长期追求。关于特征提取已经了解了很多——边缘和区域的模式组合成可识别的对象。这与“卷积神经网络”相结合以提供复杂的图像识别。
课程12:人工智能的开发运营周期
大型软件系统开发的最大挑战是系统由多人开发,以服务多个版本的多个用户。近年来,软件开发人员已经转向能够快速适应不断变化的需求的“敏捷”团队。这个过程称为DevOps,被描述为连接开发人员和用户的不断循环演进。
课程13:物流与人工智能
将材料从供应商转移到接收者是所有部门、民用、政府和军事部门长期关注的问题。军事供应网络不断变化,并不断受到威胁。人工智能规划工具正在进入物流领域,它们可以帮助规划路线、指定库存和仓库,并预测在不久的将来需要供应的地方。对于不断变化和演变的现代供应网络,它们正变得不可或缺。
课程14:自然语言和人工智能
寻找计算机可以理解文本和语音并在语言之间进行翻译的方法一直是计算领域的一项长期任务。进展缓慢但稳定。我们现在只有有限的人工智能工具,例如Alexa和Siri,作为我们与计算机、语言翻译器、听写记录器和语言之间的实时语音翻译的接口。
课程15:机器人和人工智能
早在电子计算时代之前,机器人就已经让人类着迷。您可能还记得机械土耳其人的著名故事,它是1770年发明的下棋机器人,最终它被揭露为一个骗局——柜子里藏着一个人类棋手。但即便如此,它还是激发了人们对是否可以建造国际象棋机器人的兴趣。人们花了200年的时间,才对这个问题做出了肯定的回答。
课程16:道德与人工智能
人工智能引发了许多伦理困境。当人工智能机器出现故障并造成伤害时,谁来负责?是否应该允许武器系统全自动,在不咨询人类的情况下做出杀伤决定?军事行动中使用的人工智能工具的程序员是战斗人员吗?在不知道我们可以控制它们的情况下寻找智能机器是否明智?
课程17:人工智能、战略和权力
军事战略涉及在技术和地缘政治背景下制定指导方针,以最大限度地减少战争的可能性,但在战争发生时最大限度地提高获胜的机会。人工智能在大国竞争的背景下发挥了核心作用。什么样的人工智能最有用?
课程18:美国国防部人工智能战略
出于对现实应对新兴大国竞争的关注,美国国防部发布了各种人工智能研究、实施和产业合作战略文件。国防部设立了哪些办公室和项目来加速人工智能技术的采用?
课程19:人工智能系统的风险
人工智能可能具有诱人的吸引力,因为它可以完成超出人类能力范围的某些工作。它也可能令人震惊地没有吸引力,因为它可以如此迅速地犯严重错误,以至于没有人可以干预。我们在本课程中讨论的各种人工智能的风险在哪里?
课程20:对人工智能的偏见和信任
当今地缘政治冲突的性质是采取行动为侵略者占得先机,但没有发动战争。计划和执行行动的决策系统越来越依赖人工智能。如果受到对手的攻击,如果对包含看不见的偏见的数据进行训练,或者如果依赖于脆弱的人工智能技术,人工智能系统可能会犯严重错误。值得信赖的人工智能不仅对于成功至关重要,而且对于避免引发战争的错误至关重要。
课程21:人工智能驱动的战场
1979年,约翰·基根出版了一本书,《战斗的面孔》,他在书中分析了战斗的实际机制以及它们如何影响结果,而不是战略。人工智能正在从根本上改变指挥官和作战人员可用的可能性空间。它强调大型平台上的小型、网络化、分布式、蜂群、自治代理。人工智能还增加了一个新维度,代理人拥有自己的决策权。
课程22:对人工智能的总体结论
本课程试图通过揭示AI的基本原理来消除AI炒作。虽然我们目前没有智能机器,但我们确实有六种机器可以快速学习完成复杂的人工任务。这些机器在视觉、机器人、自然语言处理和网络安全等重要领域产生了重大进步和漏洞。