強勢逆襲軍事界！AI 運作揭密與未來發展
從 AlphaGo 到美軍空戰 AI
2016 年 AlphaGo 與時任世界棋王李世乭的對抗，引起了當時全球的矚目。經過鏖戰，最終 AlphaGo 以 4 勝 1 敗的傲人之姿獲勝，帶領人工智慧（AI）的發展進入一個全新的篇章。而近期在國防軍事領域上，AI 取得與人類飛行員模擬對戰的機會，並且以壓倒性的比數贏得勝利。
AI 軍事應用 — DARPA 機構與 ACE 計畫
美國國防部高級研究計劃局（DARPA）在 2019 年啟動「阿爾法纏鬥試驗」（Alpha Dogfight Trials）計劃，讓人類機師和機器競爭，而在今年 8 月 20 日， AI 不但戰勝美國空軍 F-16 戰機機師，更是以 5 : 0 完勝人類。
DARPA 一直扮演著美國國防科技研發突破的推手，在 1957 年蘇聯成功發射人造衛星即成立。研究成果包含軍事科技如匿蹤科技、精準武器、民用網路、語音辨識等。從 AI 發展初期，DARPA 就對其抱以厚望，並著手許多探索型計畫、大型專案研究及開發，其中，阿爾法纏鬥試驗就是專注於探索 AI 和機器學習的「空戰演變」（ACE）計畫的項目之一。
ACE 計畫的三個階段分別為：模擬環境研究、無人機自主飛行試驗、有人機與無人機協同飛行試驗。透過空中格鬥場景，希望將 AI 技術引入高強度的空中對抗，除了幫助飛行員部分工作自動化外，也期望對於無人機作戰系統更為熟悉信任。按計劃進行，DARPA 有望在 2024 年將工作交接給空軍。
美國近期正在發展下一代的戰鬥機，有空軍及海軍兩個版本，其中空軍更注重在性能表現上，發展強大的技術，包含提高巡航聲速、機動性能提升、雷達優化、定向能武器、網路數據鏈及 AI 等，與 ACE 計畫的發展進度高度相關。
不過，實際空戰跟計算機模擬還是有差別的，想要實現 AI 無人機空戰仍有一大段路要走，普通的計算機系統都要經過廣泛使用、升級改善才能完整，空戰的風險又更加難以預測。
DARPA 期望未來飛行員從飛機的操控者轉變為指揮官，且願意與 AI 飛機搭檔，一同在軍方混戰中做出更好的進攻技巧與更有效率的策略戰術。
AI 的成功推手 — 機器學習
在此次的阿爾法纏鬥試驗中，是利用機器學習 （Machine Learning）的技術獲得勝利。Machine Learning 是 AI 得以日新月異的重要元素之一，強調電腦能從資料中自動改進程式的效能。而機器學習的模式主要分為四種：
- 監督式學習（Supervised Learning）：給予機器有標記（Labeled）的資料，就其特徵預測出結果。
- 非監督式學習（Unsupervised Learning）：給予機器未標記（Unlabeled）的資料，讓機器自行摸索出規律，但機器不會知道結果是否正確。
- 半監督式學習（Semi-supervised Learning）：介於監督式學習及非監督式學習之間，同時具備精準及高效益的特性，是目前常用的方式。
- 強化式學習（Reinforcement Learning）：強調隨著環境的變動與正反向回饋，而逐步調整其預測結果，著重在 Try and Error 的過程。
阿爾法纏鬥的勝利模式 — 強化式學習
過去名聞遐邇的 AlphaGo，或是本次的阿爾法纏鬥，皆採用「強化式學習」。強化式學習讓機器不只是單純運算出固定規則，而能夠依循環境改變，不斷調整並創造最佳解法。強化式學習的模型如下：
沿革了行為主義對「行為學習」的觀點，強化式學習的成就關鍵在於「酬賞（Reward）」。在完成一項行為後，機器會獲得酬賞；而機器最終的目標，就是根據各種因素求得最大的酬賞值。
在模型中，機器（Agent）會處在環境中的一個狀態（State, S1），並且將根據現下狀態進行動作（Action, A1）。在產生動作後，機器會獲得相對應的酬賞（Reward, R1）；於此同時，因為機器的動作，使得環境有了新狀態（S2）的產生。而狀態改變後，因為行為之間的酬賞並非獨立事件，所以機器必須重新評估狀態，採取新的動作，以獲得最大酬賞。於是，機器計算的非當下的最佳解，而是長遠的最佳解。
如果以無人戰機舉例，戰機的勝利要求為：擊落最多的敵機。所以每次攻擊的時候，機器不是只需要評估眼下的狀況，找到當下能擊殺最多敵機的方法就好。因為機器每次攻擊時，敵機們會閃躲、支援，戰局會依據選擇的攻擊行動而隨時變動。所以機器真正要做的，是評估自己發動這次攻擊後，未來戰局的發展，確保長期能擊落最多敵機的方法。強化學習最偉大的部分，在於機器每一次行動時，能夠考慮自己做法引起的後續影響，追求最終最大利益，而不只是評估當下。
而美國為了掌握每一種行動對「環境」及「敵軍」帶來的影響，打造「強化式學習」的戰機，不斷進行戰術分析、對戰過程的修正，逐步累積大量的資料庫，使得無人戰機能夠在不同的情勢下，做出符合最大效益的行動。
AI 廣泛的應用
除了軍事方面之外，在農業、零售、運輸、自動化等領域，人工智慧的應用觸及更廣，希望可以有效串聯、處理與分析資料；平時我們所使用的手機系統中含有的自然語言處理、臉部識別等也需要 AI 功能的協助；醫療、金融、製造業也在使用 AI 以達到減少人力成本、提高準確度以及促進跨行業合作。由此可見，AI 在各個領域的應用越來越顯著，且十分地具有潛力，未來將會是科技發展的重要趨勢之一。
AI 發展與我們之間的關係
未來幾年之內，企業採用 AI 的比例也將大幅增加。許多公司尤其需要三種 AI 領域的相關⼈才：第⼀種是數據科學、AI、機器學習科學家，研究演算法的設計與開發 ; 第二種為資料分析師，協助企業挖掘洞見、找到問題核心 ; 第三種則是 AI 後端⼯程師，負責維護現有的系統架構與資料庫並開發相關應用程式。
不管是大學生還是職場新鮮人，都可以從現在開始培養 AI 相關的技能與知識，並把這些專業運用在業界，以因應 AI 時代的來臨。而對於 AI 的快速發展，多數人深怕會全面性的取代人類，但事實上，在藝文、商業決策、政策擬定以及上述所提到的軍事運用，AI 只在其中扮演輔助性的角色。
面對未知的未來，我們應該多具備解決問題的能力，並調整自身工作的性質與規劃，當然重要的是聰明的運用 AI 為自己的工作創造更多的價值，才能在快速變遷的未來世界中與 AI 同行。
