SCSP-国家安全的人工智能笔记-全-
SCSP 国家安全的人工智能笔记（全）
001：利用AI提升国家安全工作效率 🚀
在本课程中，我们将学习如何利用人工智能工具，特别是大型语言模型，来辅助完成国家安全领域的日常工作，例如撰写政策备忘录和准备背景资料。我们将通过一个具体的案例来演示其应用。
概述
我是米莉·巴拉兹托里，特殊竞争研究项目的首席执行官。在领导该项目之前，我曾在联邦政府担任多个职务。无论身处哪个岗位，为高级领导撰写备忘录和背景文件始终是一项核心工作。如今，人工智能可以为这些文档提供初稿，最终由政策分析师或主题专家进行编辑和完善。我们与Coursera合作创建本课程，旨在帮助联邦或州一级的员工利用最新工具完成使命。我们不仅希望讨论这些工具，更想通过真实案例展示如何将AI应用于日常工作。
案例演示：为出访准备背景备忘录
想象一下，您是五角大楼、国务院或中央情报局的一名政策工作人员，任务是为领导即将前往印度新德里的出访准备材料。在通常情况下，您需要花费数天甚至数周时间来汇编背景信息、安排通话、咨询内外部专家、确认行程细节，并最终为领导撰写谈话要点。您需要查阅政策文件、情报报告、简报及其他各种资料来汇编文档。这是一项耗时的工作，并且在处理日常其他事务的同时，总有可能遗漏关键细节。
上一节我们介绍了传统工作流程的挑战，本节中我们来看看如何利用AI工具来高效完成这项任务。
让我尝试演示如何使用一个大型语言模型来执行此任务。本例中，我将使用谷歌的Gemini及其名为“Deep Research”的工具。我相信其他模型（如Claude或ChatGPT）也具备类似功能，但为了本课程的目的，我将使用2025年1月发布的Gemini Deep Research。
以下是我将如何操作：
- 构建提示词：在提示词中，我会包含一段文本，指示大型语言模型为我需要为国防部领导即将访问德里准备的备忘录进行调研。
- 生成研究计划：模型会给我一个研究计划大纲。如果您对计划进行的研究不满意，可以在下方直接编辑。
- 执行研究：如果认可研究计划，可以点击“开始研究”。在左侧，您可以看到模型为您构建备忘录的进度。整个过程甚至不需要一分钟。这一切都是基于互联网上现有的开源信息完成的。
- 审查与导出：在右侧，模型从智库报告、政府文件、新闻网站、印度智库等来源提取信息。Gemini Advanced 1.5 Pro with Deep Research 为我提供了初稿。您可以将此文档导出到Google Docs中。
现在，让我向下滚动，让您感受一下这份文档作为起点的质量。这绝非最终成品。正如开头所说，它需要人工干预进行编辑、双重检查数据来源等。但它至少为您提供了一个坚实、出色的初稿，供您在此基础上继续工作。
您可以看到备忘录已按我的提示构建完成：
- 它讨论了美印防务关系的现状。
- 回顾了过去十年的关键倡议。
- 分析了印度对我们关系的看法。
- 指出了潜在挑战。
- 列出了对方的关键利益相关者和主要负责人。
- 然后为您的领导提供了与印度领导人对话的潜在谈话要点。
- 继续向下，它提供了总体贸易、商品和服务的经济数据。
- 在最底部，附有引用来源。
构建这份七页的备忘录用时不到一分钟。我认为这是一个极好的起点，您可以在此基础上继续加工、完善、双重检查来源和数据，然后才将其提交给领导，用于德里之行前的准备。
总结
本节课中，我们一起学习了如何利用AI大型语言模型（以Gemini Deep Research为例）来高效生成政策备忘录的初稿。我们看到了从输入提示词到获得一份结构完整、信息丰富的文档的完整流程。关键在于理解AI是强大的辅助工具，能够大幅节省信息搜集和初步整合的时间，但最终成品的准确性、深度和策略性仍需依赖人类的专业判断和编辑。这为国家安全领域的专业人士提供了一种提升工作效率的新方法。
002：人工智能在国防中的关键应用
概述
在本节课中，我们将探讨人工智能如何塑造未来的国防能力。课程内容基于对专家埃里克的访谈，涵盖了从战术应用到公共部门效率提升等多个方面。我们将通过具体案例和概念分析，理解人工智能在国家安全领域的实际应用与战略意义。
人工智能如何塑造未来国防能力
上一节我们概述了课程主题，本节中我们来看看人工智能将如何具体改变国防能力。埃里克以坦克为例进行了阐述。
一辆美国坦克的成本可能高达3000万美元，而一架无人机的成本仅为1000美元。如果身处坦克中，士兵会面临巨大风险。理想的解决方案是在坦克前方和后方持续部署无人机群，提供不间断的侦察与监视能力。这被称为持久、前沿、自主的ISR（情报、监视、侦察）能力。
这种能力不仅适用于坦克，也适用于森林中的步兵。关键在于构建一个始终存在、始终监视的无人机层，而不仅仅是讨论单个人类、无人机与目标的关系。软件能够实现这种大规模、持续的自主系统部署。
人工智能在公共安全中的现实应用
理解了国防中的概念应用后，我们来看一个人工智能提升公共安全效率的真实案例。
大约一个月前，一家名为SkyFire AI的公司（由访谈者领导的风险投资基金投资）在美国帮助拯救了一名警察的生命。该公司提供“无人机作为第一响应者”项目。当警报响起时（许多是误报），系统会先派遣无人机前往查看。
在一个具体事件中，一名警官在凌晨2点拦停一辆车辆后失联。警方调度中心指令一架正从其他任务返回的无人机改变路线，前往寻找该警官。无人机从空中视角迅速定位了警官及其拦停的司机（后者是一名逃犯）。当时警官正在沟渠中与袭击者搏斗并处于下风。
地面巡逻车可能需要5到7分钟才能在复杂的多层立交桥区域找到事发地点。而借助无人机提供的实时图像，调度中心能立即引导响应单位精确抵达。第一辆警车在45秒内就到达现场，迅速控制了局势并逮捕了嫌疑人，确保了警官的安全。
人工智能提升公共部门工作效率
看到了人工智能在应急响应中的威力后，本节我们探讨如何利用AI工具提升公共部门工作人员的日常效率。
公共部门及国防领域的工作需要处理海量信息。人工智能作为一种通用技术，就像它正在帮助众多企业处理信息和决策一样，有巨大潜力被适配到公共部门的诸多用例中。
联邦政府面临的问题具有独特性，但并非完全独特。过去几十年的技术创新中，许多来自硅谷的发明后来也被证明对国防有用。例如，使用大语言模型梳理文件、帮助起草递交给国防部长的备忘录。
在国防生态系统中，人工智能有强大潜力帮助人们理解政策或遗留的IT系统，并处理更多数据。一种思考AI的方式是：我们希望给每个人配备一支非常高效且成本低廉的“实习生”队伍。这些“实习生”可能对我们的工作知之甚少，但非常勤奋，愿意完成所需任务。尽管存在局限，但AI可以承担联邦政府人员的大量繁琐、重复性工作，帮助我们的劳动力变得高效得多。
目前的现象是，许多非专业软件工程师的人正在学习足够多的AI知识，来构建创新的应用，从而在自己的工作角色中变得更高效。
国防部整合人工智能的关键领域
了解了AI对个人效率的提升后，我们转向组织层面，看看国防部哪些领域最有可能快速、全面地整合AI以增强防御能力和效率。
回顾多年前美军的“第三次抵消战略”，其核心思想是转向精确性与自主性。这仍然是正确的方向。现代人工智能系统允许你精确识别目标并几乎避免附带损伤。
因此，自主系统的概念，尤其是那些受人类远程控制的系统，可能是战争和国防领域即将发生的最大变革。在乌克兰可以看到，人们可以在舒适的办公楼里边喝咖啡边操作无人机执行防御或进攻任务。
美军应迅速转向这些技术。由于国防部的运作方式，这个过程可能漫长，但最终将会发生。
科技界参与国家安全的必要性
讨论了技术整合后，我们有必要思考提供这些技术的科技界所扮演的角色。作为教育者和AI技术专家，我很高兴我们的社区正在参与国家安全事务，探索我们的工具和专业知识如何贡献于国家安全。
我记得当“专家计划”出现时，一些大型科技公司决定不参与国家安全事务。这让我深思。我为自己能生活在一个民主国家而感到荣幸，军人们冒着生命危险保护我们所有人。如果科技界人士不愿站出来至少支持我们的军队，那 frankly，我们到底在做什么？因此，我非常高兴科技界愿意审视国家安全和国防提出的难题，并尽我们的一份力，为拥有一个安全、繁荣的民主国家做出贡献，并支持我们的军队。
人工智能人才培养与国家竞争力
认识到科技界的责任后，我们最后来探讨人才培养这一根本问题。任何在人工智能领域培训其劳动力的国家或地区都将在国家安全和经济竞争力方面获得优势。
人工智能是一项强大的技术。我认为，任何拥抱并善用它的国家或地区，都将在当前时刻于国家安全和经济竞争力方面获得优势。无论是为了安全、商业应用还是非政府组织应用，构建卓越事物的机会都是巨大的。每天我都感到，我们能构建的卓越事物的集合，远远大于目前现有技能人才所能追求和把握的所有机会数量。
因此，我想对政府内外的所有人说，现在是学习人工智能的大好时机。如果你拥抱这些工具，你将能比以往更有效地完成任务。这就是为什么培训是我们工作的如此重要的一环。我认为，曾经每个人都必须学习使用网络搜索，几乎每个人都必须学习使用智能手机。今天，在商业世界，我无法想象雇佣一个不会使用互联网搜索的营销人员、招聘人员或人力资源专业人士。我们正迅速接近这样一个阶段：我无法想象雇佣一个不会使用生成式人工智能的营销人员、招聘人员或几乎任何办公室职位的人员。
确保我们所有人都能拥抱这项技术并尽可能利用它，对于国家竞争力至关重要。
人工智能对未来战场的影响
我们探讨了AI在多个层面的应用，最后展望一下它将对未来战争形态产生的根本性影响。部分原因是人们相信人工智能技术将在人类的指导下改变我们所知的商业、营销、销售等几乎一切领域。
一个企业通常需要观察、设计、采购、制造、运输并建立客户关系。每个环节都可以理解为一个智能体，每个智能体都可以自主运作。因此，你有负责规划的智能体、负责采购的智能体、负责设计的智能体和负责制造的智能体。
完全相同的智能体方法也适用于军队的运作。从这个意义上说，军队就是一个大型公司，也是一个大型规划机制。在我服役的岁月里，我只能说他们整天都在用白板靠人力进行规划。然而，这种规划应该由人工智能系统来完成，以找出最优的防御策略、进攻策略等等。我认为这将彻底改变五角大楼的运作方式和我们的决策方式。
不幸的是，目前我们的政府总体上非常不擅长采购软件，尤其是人工智能系统。软件与硬件系统不同，软件永远没有完成之日。你总是在迭代，总是在让它变得更好。然而，我们尚未能以一种正确的方式让美国军方理解这一点。
总结
本节课中，我们一起学习了人工智能在国家安全与国防领域的多方面应用与影响。我们从具体的战术构想（如无人机群护航）出发，看到了AI在现实公共安全事件中的价值，探讨了其提升公共部门效率的潜力，并分析了国防部整合AI的关键领域。我们还反思了科技界参与国家安全的必要性，以及通过人才培养提升国家竞争力的战略。最后，我们展望了AI通过智能体模式对未来战场和军事决策流程可能带来的革命性变化。理解并主动驾驭这些变化，对于维护未来国家安全至关重要。
003：落后的代价
我是伊尔·B·巴拉卡里，曾在五角大楼和白宫工作超过13年，专注于国防政策与战略。
今天，超过97%的美国人只生活在一个以自由为各国理想归宿的世界里。民主，而非专制，被视为组织社会的最佳模式。技术创新的目的是改善，而非损害人类福祉。美国是世界领先的超级大国。
一场激烈的竞争正在展开，这关乎上述未来是否会延续。事实上，这个未来将主要由美国与中华人民共和国之间的技术竞争所塑造。
为了真正理解这场竞争的利害关系，设想一个替代性的未来是有益的，即中华人民共和国胜出的未来。换句话说，想象一下如果北京成功控制了全球数字基础设施、主导了世界技术平台、掌握了关键技术的生产手段并驾驭了人工智能、生物技术和新能源等新一代通用技术，未来会是什么样子。
如果那是未来，可以预见一系列令人深感不安的后果。我将列举六点作为说明。
以下是六种可能出现的后果：
- 中国主导世界经济，并攫取下一代技术产生的数万亿美元价值。 美国及其盟友将错失新技术所承诺的大部分就业和增长机会。新技术供应链将在中国建立。北京在科技领域的主导地位，将催生强大的平台和公司，在云服务、社交媒体和互联网搜索等关键领域取代美国公司。
- 中国的技术影响力范围将遍及全球。 北京将利用其技术优势获取政治杠杆。包括美国盟友在内的国家将日益依赖中国的技术，并不可避免地进入其政治轨道。依赖中国数字基础设施和平台的国家，将不愿在全球危机中冒险对抗北京，并在多边场合支持中国的政治抱负。
- 开放的互联网将受到损害，数字压迫将取代数字自由。 北京所主张的“主权互联网”愿景将席卷全球。中国的监控国家模式将全球化。中国支持的科技平台将取代其他全球平台，利用复杂的算法塑造全球话语。中国最终将控制数字支付基础设施，削弱美元的力量。北京将收集海量数据，用于针对个人和优化其宣传。
- 各国的数字基础设施将面临网络威胁。 世界将依赖中国提供大部分核心数字技术、关键电子元件和最终产品，这些技术被编织进每一个关键系统。能源网络、港口、机场、金融系统和政府办公室将容易受到中国的网络攻击。北京会在意见分歧时将其用作威胁，并在危机中发动网络攻击。
- 美军的科技优势将被侵蚀。 中国将利用其在自主系统、机器人技术和低成本大规模制造方面的主导地位，建造超越美国能力的武器系统，创造新的作战模式，并削弱对美国军事威慑的信心。能力下降加上盟友的摇摆，将迫使美国在印太地区——本世纪最关键的区域——做出痛苦的妥协。
- 北京将威胁或实际切断芯片及其他关键技术投入的供应。 北京将拒绝供应能源、数字和国防技术所必需的稀土材料，并切断尖端半导体的供应（其中92%产自台湾）。美国的军事能力将下降，国家将陷入萧条。美国人将被迫生活在一个中国可以随时关闭技术“水龙头”的世界里。
总而言之，这个替代性的未来意味着二战后美国及其盟友精心构建的世界秩序的解体，并对美国未来的繁荣构成严峻挑战。美国和其他民主国家将变得经济上依赖他人，失去其繁荣引擎和在世界上的行动自由。我们的领导人将面临艰难选择：要么为了在一个不同的世界秩序中谋得一席之地而妥协信念、牺牲盟友；要么从一个更小的技术工业基础、更弱的地缘政治地位和削弱的军事优势出发，为维持美国的地位而战。
现在，即使上述情况只有部分成为现实，对于美国和自由世界而言，世界也将变得黯淡得多。这将导致我们的日常生活发生无法忽视的转变。一个失败的场景是可能发生的。我们已经看到中国如何利用其技术优势来提取数据、强制服从，并惩罚那些不按其意愿行事或批评其政策的个人、公司甚至国家。
如果我们审视当前技术竞争的状态、我们如何走到这一步、我们今天驾驭新兴技术的准备程度，以及趋势线所指示的未来方向，我们有充分的理由感到担忧。
总结
在本节中，我们探讨了美国在人工智能和关键技术领域竞争中落后的潜在后果。我们设想了一个中国主导技术未来的场景，并分析了其对全球经济、地缘政治、数字自由、网络安全、军事平衡和供应链安全的深远影响。这些后果共同描绘了一个世界秩序可能发生根本性转变、美国及其盟友的繁荣与自由面临严峻挑战的未来图景。理解这些利害关系，是激励我们采取行动、确保在技术竞争中保持领先地位的第一步。
004：人工智能在开源情报行动中的应用
在本节课中，我们将探讨人工智能如何革新情报工作，特别是它如何改变情报机构收集和分析公开及商业可用信息的方式。这种信息在情报界被称为开源情报。
什么是开源情报及其重要性
上一节我们介绍了课程主题，本节中我们来看看开源情报的基础概念。当我们想到情报工作时，通常只想到秘密收集。这些数据被用于制作高度机密的书面产品，例如总统每日简报或闭门风险简报。
虽然这绝对是情报界工作的重要组成部分，但现实是，威胁环境在不断变化，这要求我们的方法和来源也必须适应。
试想一下，社交媒体如何成为获取地缘政治事件实时更新的重要来源。这就是开源情报。开源情报是收集和分析公开及商业可用数据，以支持战略决策。这可能包括来自社交媒体平台、新闻媒体、公共和商业数据库、卫星图像甚至在线论坛的数据。
尽管美国情报界拥有许多开源情报单位，但主要工作由中央情报局的开源企业和国防情报局的开源整合中心完成。开源情报在商业领域也是一个不断增长的行业。
事实上，在从中国国内微芯片生产、俄罗斯规避金融制裁的努力到恐怖分子使用加密货币等一系列日益广泛的问题上，私营部门分析师、独立的在线调查员和学术研究人员正在从事一些最前沿的工作。
人工智能如何革新开源情报
上一节我们了解了开源情报的定义，本节中我们来看看推动其前沿工作的关键力量：人工智能。人工智能，特别是其机器学习和自然语言处理等形式，正在显著提高曾经劳动密集型流程的效率、准确性和范围。这些流程用于识别来源、数据收集和清洗，甚至分析和报告。
人工智能还可以实时翻译和分析外语报告、社交媒体帖子以及其他文本和音频数据，打破语言障碍，加快收集可操作情报的过程。
以下是人工智能在开源情报中的几个关键应用领域：
- 监控地缘政治事件：国家安全机构使用人工智能驱动的开源情报平台来监控地缘政治事件、追踪极端主义活动并识别新兴威胁。
- 分析社交媒体：人工智能算法扫描社交媒体，寻找动荡或协调行动的迹象。
- 检测虚假信息：快速筛选数千份新闻报道以检测虚假信息。
- 分析卫星图像：快速分析大量卫星图像，以探测部队和军事装备的移动。
例如，中央情报局目前使用一个名为Osiris的平台，该平台利用大型语言模型来整理和处理大量公开可用信息。该平台还可以生成摘要，并允许分析师使用聊天机器人直接查询或探索场景。这些摘要可以比手动编写过程快得多地准备好供决策者使用。
人工智能驱动开源情报的广泛应用
上一节我们介绍了情报机构的应用，本节中我们来看看更广泛的影响。这仅仅是西方情报机构如何使用人工智能的起点。这一切都很重要，因为我们知道像中国这样的对手正在利用人工智能和开源情报的结合来增强其自身的军事决策和能力，特别是在了解外国军事能力和技术发展方面。
但受益于人工智能驱动开源情报的不仅仅是情报机构。在商业领域，公司正在利用人工智能收集和分析开源数据，用于各种应用，从市场研究和竞争情报到网络安全和风险管理。
对于情报界而言，紧跟商业发展至关重要，因为这提供了利用现有信息的机会，而无需重复造轮子。
以下是人工智能驱动开源情报在其他领域的具体应用：
- 网络安全：人工智能驱动的开源情报平台扫描漏洞，在威胁升级前识别潜在威胁。这些平台持续监控博客、论坛和技术报告等开源数据，以寻找网络攻击或新出现漏洞的迹象。
- 国家安全与冲突预测：在国家安全问题上，人工智能驱动的模式识别和预测分析方法利用开源情报来评估暴力冲突的演变，例如识别部队可能移动的位置以及可能发生军事行动的特定地理区域。一个重要例子是，我们看到私营部门实体对俄罗斯-乌克兰战争何时开始做出了相当准确的预测。
- 信息环境分析：其他公司正在使用人工智能来理解每天在线发布的海量内容，以识别竞争对手和其他企图分裂和破坏我们社会的对手所传播的对抗性叙事。
平衡、挑战与未来展望
需要重点强调的是，在开源情报中使用人工智能现在是，并且将永远是情报界工作的一部分。人工智能可以并且很可能将被用来支持情报界的秘密工作。
此外，必须始终牢记，情报界必须在为安全目的使用公开数据和尊重个人隐私权之间取得微妙的平衡。
但正如你所见，将人工智能用于开源情报正在改变情报工作。它使机构和公司能够保持领先地位，做出更快决策并降低风险。
在未来，我们将看到更强大的工具，能够预测新兴威胁、发现新机遇，并改变数据转化为可操作见解的方式。
总结
本节课中我们一起学习了人工智能如何深刻改变开源情报领域。我们了解了开源情报的定义及其重要性，探讨了人工智能如何通过自动化处理、语言翻译和模式识别来革新情报的收集与分析流程。我们还看到了人工智能驱动开源情报在国家安全、商业竞争和网络安全等多个领域的广泛应用。最后，我们认识到，在利用这项强大技术的同时，也必须谨慎权衡其与隐私保护的关系。人工智能正在使情报工作变得更高效、更敏锐，并将在未来持续塑造这一领域。
005：案例研究 - 项目Maven 🚀
在本节课中，我们将学习美国国防部首个致力于快速、大规模应用人工智能与机器学习的项目——项目Maven。我们将了解其启动背景、核心任务、关键经验教训以及它如何成为国防部人工智能领域的“大爆炸”时刻。
项目Maven的起源
上一节我们介绍了人工智能在国家安全领域的宏观背景，本节中我们来看看一个具体的开创性案例。
2016年夏，时任美国国防部负责情报的副部长办公室三星上将的我，主持了一次情报、监视与侦察（ISR）处理、利用与分发（PED）执行指导小组会议。会议为来自各军种和情报界的高级领导人提供了一个论坛，旨在讨论从全球情报平台和传感器收集到日益增长的数据所带来的挑战与机遇。
这对与会所有人而言都是一个关键时刻。大家一致认为，我们正经历一场“灾难性的成功”：情报收集的来源和数量比历史上任何时候都多，但分析师已无法处理和解析如此海量的信息。他们正淹没在数据之中。这不仅是数据量巨大的问题，还涉及数据速度、种类乃至真实性的挑战。
我们所有人都清楚，不能再依赖传统的自动化工具、更好的业务流程，或是政府惯用的“投入更多人”的解决方案。我们需要找到一种全新的、甚至是革命性的方法，来提升情报周期每个阶段的效能与效率。
会议结束后，我转向负责下级工作组的、富有创新精神的“经典颠覆者”——一位海军陆战队上校，要求他解决这个看似无解的问题。而他做到了。
项目的建立与使命
不到10个月后，即2017年4月，时任国防部副部长鲍勃·沃克正式成立了算法战跨职能小组，即项目Maven。这是美国国防部首个致力于快速、大规模实现人工智能与机器学习作战应用的项目。
我受命组建Maven团队，明确指示是加速国防部对大数据和机器学习的整合，并“将国防部可用的海量数据转化为可操作的情报和见解，并提高其速度”。
具体而言，Maven团队的使命是部署人工智能能力，以增强、加速和自动化对无人航空系统（无人机）全动态视频的利用与分析。我们还被指示整合现有的基于算法的技术项目，包括那些开发、部署或应用了人工智能、机器学习、深度学习和计算机视觉算法的项目。
在成立后的八个月内，我们已将首批计算机视觉模型交付给海外部署的作战部队。对国防部而言，这已是“光速”，尽管仍不够快，但这无疑是一项非凡的成就。
关键经验教训
在项目推进过程中，我们获得了宝贵的经验。以下是三个最突出的经验教训：
首先，最重要的是改变文化，而非任何单一技术。 如今技术在很大程度上已是商品。关键在于打破现状。我们证明了在体制官僚机构中创建初创企业文化是可能的。文化吞噬战略，忽视文化将自食其果。
其次，人工智能围绕数据展开。 谈论人工智能必须从数据开始。坦白说，如今大多数人工智能项目失败，是因为负责人在认识到所面临的数据挑战的规模后，热情往往会迅速消退。数据种类、位置、质量、获取方式、清洗与准备用于训练算法和模型的过程等都是问题。数据是一大障碍，但绝非不可逾越。
第三，人工智能流程或生命周期大体相同。 无论是在政府、商业还是学术界，流程并无深奥秘密。一旦确定了要解决的问题，就从数据开始，利用数据将算法转化为AI模型，测试模型，部署最小可行产品，根据持续的用户反馈修改模型，并不断重复此循环。
定义问题 -> 获取与准备数据 -> 训练算法/模型 -> 测试与验证 -> 部署MVP -> 收集反馈 -> 迭代优化
项目现状与未来展望
那么，Maven现状如何？最初的Maven之树现已发展出两大坚实分支。
官方项目（我们称为“记录项目”）已于去年移交至国家地理空间情报局，进展顺利，并获得了高层的大力支持。但从补充阅读材料中你会看到，Maven现在不仅被情报分析师使用，也同样被作战部队广泛使用，他们的反馈对持续改进至关重要。
一方面，我为Maven自2017年启动以来取得的成就感到振奋。另一方面，令人失望的是，它仍是政府中少数成功实现规模化并持续稳步推进的人工智能项目之一。我们需要成百上千个“Maven”，而不是一两个。
我对各位最重要的建议很简单：立即行动。开始一个人工智能项目，并与已经走过这条路的人交流，没有替代方案。你们应该为挑战现状、直接投身人工智能项目的机会感到兴奋，而不是畏惧。
总结
本节课中，我们一起学习了项目Maven这一国防部人工智能应用的先驱案例。Maven是国防部人工智能的“大爆炸”时刻，至少在如何快速部署并规模化人工智能能力方面是如此。在技术上，它或许像莱特兄弟的飞行者一号，而非阿波罗登月舱。然而，美国从基蒂霍克的首次飞行到将人类送上月球，也只用了66年。
我希望大家学完本课程后，能思考如何在未来几年加速人工智能在整个政府中的采用。这是近代史上最令人兴奋的时代之一，但我们不能再等66年才把它做好。
再次感谢学习本课程，祝你在人工智能之旅中好运。
006：人工智能在国家安全领域的未来 🔮
在本节课中，我们将探讨人工智能的未来发展趋势，以及如何理解这些趋势以保持前瞻性。我们将从两个基本视角出发：理解人工智能作为一种通用目的技术，以及识别塑造其未来的三大关键趋势。
通用目的技术：理解人工智能的根本属性
上一节我们介绍了课程主题，本节中我们来看看如何理解人工智能的本质。第一种思考方式是认识到你正在应对的是一种通用目的技术。
通用目的技术是指像机器（机器时代）或电力（电气化时代）这样的技术。当它们出现时，往往会持续存在，并支撑起社会的大部分功能。
以下是一个展示通用目的技术稳步发展的例子：
- 蒸汽机：始于1780年，标志着机器时代的开端。机器至今仍与我们同在。
- 国家点火装置：这是劳伦斯利弗莫尔国家实验室的一台机器，它能在十亿分之一秒内创造一颗“恒星”，并释放超过一兆焦耳的净正能量。这在1780年蒸汽机发明时是难以想象的。
- 电气化的地球：当尼古拉·特斯拉埋头于他的实验台，试图在电池中创造交流电时，他也难以想象今天这个完全电气化的世界。交流电使得电网的创建成为可能。
核心观点是：我们都在驾驭一种通用目的技术。它如此广泛有用，以至于我们甚至无法完全理解它将带来的所有变化。我们只知道，通用目的技术一旦出现就会留存下来，并且它们倾向于叠加，即相互结合以创造出我们尚无法想象的新创新形式。
把握未来：塑造人工智能的三大趋势
理解了人工智能的通用属性后，我们来看看如何具体把握其发展方向。第二种保持前瞻性的方法是了解即将到来的趋势。主要有三大趋势值得关注。
趋势一：大语言模型的演进 🧠
这是指我们正在交互的模型的创建过程。它们对工作非常有用，每年都在变得更好。其“通用性”水平（即处理多项任务的能力）正在变化。这将触及所谓的缩放定律，即这些模型在成本效益不再合算之前能改进多久。无论是否存在瓶颈，它们都将增长到某个有用的成本点，在特定有用性上持续变得更好。
趋势二：新兴人工智能范式 🤖
存在一些与大型语言模型本身无关的人工智能形式，我们可称之为新兴范式。
以下是几种新兴范式的例子：
- 智能体：这是能够为你重复执行任务的算法处理循环，具有一定程度的自主行为，就像为你工作一样。
- 多智能体团队：创建多智能体团队的能力已经出现。随着时间的推移，你将能越来越轻松地为自己创建智能体。
- 类人记忆：这些智能体将开始拥有类似人类的记忆，能够记住与你的互动。
- 小样本学习：它们还将开始拥有类似人类的学习能力，只需少量重复练习就能掌握，我们称之为小样本学习。
上述的智能体AI、拥有类人记忆和学习能力的AI，都属于新兴范式。它们将与趋势一结合，并自主运行。只需知道这些范式会不断涌现，当你听到新概念时，就能意识到这可能是一个新范式，进而理解它可能如何影响你的工作。
趋势三：人工智能基础设施的变革 ⚙️
这是第三大趋势。数据、数据科学、数据中心、进行计算和高级计算（直至量子计算）的能力、网络和高级网络（如光网络）、以及能源（如聚变能源或降低其成本以使模型运行更易、更廉），所有这些都在人工智能技术栈底层进行着自身的创新。理解这一趋势本身也很重要。因此，你会不断看到人工智能技术栈的演进。
总结与展望
本节课中我们一起学习了如何前瞻性地思考人工智能的未来。
总而言之，没有人确切知道它将走向何方。我们只知道它对工作将非常有用，并且在不断演变。一种思考方式是，你正处在一个真正应对通用目的技术的旅程中，我们都在同行。同时，起作用的趋势不止一个。如果你能在新闻中识别它们，并对它们的走向有一个基本的把握，你将成为能够在该领域占据主导地位、并让自己在任务中越来越高效的人工智能赋能工作者。
我们正共同踏上这段旅程。希望这些思考对理解人工智能的未来方向有所帮助。我们完全同行，祝愿你在继续学习如何将人工智能融入工作的过程中一切顺利。
007：生成式人工智能工具概述与入门
在本节课中，我们将学习生成式人工智能的基本概念及其核心工具。我们将从人工智能的宏观定义开始，逐步深入到生成式AI的工作原理和主要应用。
大家好，我是克里斯·克拉夫特。欢迎参加今天的课程。
什么是人工智能？🤖
上一节我们介绍了课程主题，本节中我们来看看人工智能的基础定义。
人工智能是计算机科学的一个分支。它致力于创建能够执行通常需要人类智能的任务的系统。这些任务包括学习、推理、问题解决、感知和语言理解。
人工智能系统通常通过分析大量数据来识别模式并做出决策。
从传统AI到生成式AI 🔄
理解了人工智能的广义概念后，我们现在可以聚焦于一个特定的、快速发展的子领域：生成式人工智能。
生成式人工智能是人工智能的一个子集。它专注于创建新的内容。这与仅用于分类或预测的传统AI模型不同。
生成式AI模型能够生成文本、图像、音频、代码等多种类型的新颖输出。
其核心原理是学习训练数据中的模式和结构，然后生成具有相似特征的新数据。这通常通过一种称为“生成模型”的算法来实现。
一个基础的生成模型目标是学习真实数据分布 P_data(x)，并尝试生成服从相似分布 P_model(x) 的新样本 x_new。
生成式AI工具的核心能力 🛠️
生成式AI工具具备多种能力，使其区别于早期技术。以下是其主要能力概述：
- 内容生成：根据文本提示（Prompt）创建全新的文本段落、文章、诗歌或代码。
- 内容总结与改写：将长文档浓缩为摘要，或将一种写作风格转换为另一种风格。
- 对话与问答：进行多轮、上下文相关的对话，并回答复杂问题。
- 代码生成与解释：根据自然语言描述编写代码片段，或解释现有代码的功能。
- 多模态生成：根据文本描述生成图像、音频或视频，或理解图像内容并用文字描述。
主要工具类型与应用 📝
目前市场上有多种类型的生成式AI工具，服务于不同场景。以下是几种常见类型：
- 大型语言模型：例如GPT系列、Claude、Gemini。它们主要用于处理文本任务，如写作、翻译和对话。
# 伪代码示例：调用LLM生成文本 response = llm.generate(prompt=“请解释量子计算”) - 文生图模型：例如DALL-E、Midjourney、Stable Diffusion。它们根据文字描述生成相应的图像。
# 伪代码示例：调用文生图模型 image = text_to_image_model.generate(“一只穿着宇航服的柯基犬在月球上”) - 代码助手：例如GitHub Copilot、Amazon CodeWhisperer。它们集成在开发环境中，帮助程序员编写和调试代码。
如何使用生成式AI工具？🎯
要有效使用这些工具，掌握与它们交互的方法至关重要。关键点在于“提示工程”。
提示工程是指精心设计输入给AI模型的指令或问题，以获取最佳输出。一个清晰的提示通常包含以下部分：
- 角色：指定AI扮演的角色（例如，“你是一位资深软件架构师”）。
- 任务：明确、具体地描述需要完成的任务。
- 上下文：提供必要的背景信息。
- 输出格式：指定期望的回答格式（例如，“请以列表形式给出”）。
例如，一个结构化的提示可能是：“你是一位历史老师。请用简单易懂的语言，向高中生解释法国大革命的主要原因。请列出三个要点。”
总结
本节课中我们一起学习了人工智能和生成式AI的基本概念。我们了解到生成式AI能够创造新内容，并介绍了其主要能力、工具类型以及通过“提示工程”与之交互的核心方法。理解这些基础知识是探索AI在国家安全等复杂领域应用的重要第一步。
008：引言
在本节课中，我们将要学习人工智能在国家安全领域扮演的角色及其重要性。我们将探讨人工智能如何被应用于国家安全任务，并理解其带来的机遇与挑战。
我是安巴拉·克里希南。
人工智能在国家安全中的应用
上一节我们介绍了课程的基本信息，本节中我们来看看人工智能在国家安全中的具体应用领域。人工智能技术正被集成到国家安全任务的各个方面。
以下是人工智能在国家安全中的几个关键应用方向：
- 情报分析：人工智能可以处理海量数据，识别模式，辅助分析师发现潜在威胁。
- 网络安全：人工智能系统能够检测异常网络活动，防御网络攻击。
- 自主系统：无人机、无人地面车辆等自主平台可用于侦察、监视甚至作战。
- 后勤与规划：人工智能优化资源分配、路线规划和任务调度。
- 信息战：识别和对抗虚假信息、宣传和影响力操作。
核心概念：机器学习
为了理解这些应用，我们需要掌握一个核心概念：机器学习。机器学习是人工智能的一个子领域，它使计算机系统能够从数据中学习并改进性能，而无需进行明确的编程。
一个简单的机器学习模型可以表示为寻找一个函数 f(x)，使得对于输入数据 x，能预测出结果 y，即 y ≈ f(x)。通过训练过程，模型不断调整其内部参数，以最小化预测误差。
# 一个简化的机器学习训练过程概念示例
模型.训练(训练数据, 训练标签) # 学习数据中的模式
预测结果 = 模型.预测(新数据) # 将学到的模式应用于新情况
机遇与挑战
人工智能为国家安全带来了显著机遇，例如提升决策速度、处理复杂信息以及降低人员风险。然而，它也伴随着一系列挑战。
以下是人工智能在国家安全领域面临的主要挑战：
- 算法偏见：训练数据中的偏见可能导致不公平或错误的决策。
- 可解释性：复杂的AI模型（如深度学习）通常是“黑箱”，其决策过程难以理解。
- 安全与可靠性：AI系统可能被对抗性攻击欺骗或出现意外故障。
- 道德与法律：自主武器系统的使用引发严重的道德和法律问题。
- 国际竞争与规范：全球范围内对AI优势的争夺需要建立新的国际规范与协议。
总结
本节课中我们一起学习了人工智能在国家安全中的基础介绍。我们探讨了其主要的应用领域，介绍了机器学习的核心概念，并分析了该领域面临的重大机遇与挑战。理解这些基础是进一步深入研究人工智能如何塑造未来安全格局的关键。
009：组织AI应用手册简介 🚀
在本模块中，我们将探讨为何人工智能工具尚未在组织内大规模应用，并学习如何通过设计和实施一份“AI应用手册”来成为推动组织变革的关键力量。
上一模块我们学习了如何利用AI工具提升个人生产力。本节中，我们将视角转向组织层面，看看如何利用AI工具推动组织整体目标的实现。
剖析问题：为何AI工具未被广泛采用？
如果你正在疑惑为何AI工具在你的组织中尚未普及，你并非孤例。以下是阻碍AI工具成为组织常态的一些常见挑战与壁垒。
以下是五个主要障碍：
- 组织内AI工具访问受限：包括缺乏专有实例或无法处理敏感数据。
- 部门或组织层面缺乏对AI工具访问与采用的优先考虑：或简单地说是缺乏高层领导的支持。
- 对数据架构或数据质量投入不足：或两者兼有，导致即使有访问权限也无法有效使用大语言模型或其他AI工具。
- AI使用政策与策略零散、不一致或不明确：尤其是在存在多个相关职权部门或利益相关方时。
- 员工队伍尚未做好数据或AI准备：也缺乏相应的激励措施。
当然，问题可能源于上述一点或几点的组合。你应该从本模块学到的是，无论你身处何职，都可以成为推动组织和使命前进的变革者。
本模块目标：创建你的AI行动指南
本模块将帮助你着手创建一份AI应用手册，并确定一些可作为后续步骤的、富有成效的当前行动。
总结：本节课我们一起探讨了组织内部采用AI工具时面临的常见障碍，并明确了本模块的核心目标——引导你成为变革推动者，通过制定AI应用手册来克服这些障碍，为组织引入并有效利用人工智能。
人工智能与国家安全：课程总结
在本课程中，我们共同探讨了人工智能如何融入公共部门任务，以提升效率、加速决策并加强协作。现在，让我们对所学内容进行回顾与总结。
我们首先了解了人工智能在国家安全领域的应用前景。通过将人工智能整合到公共任务中，可以优化流程、提高效率。
上一节我们介绍了人工智能的整合潜力，本节中我们来看看具体的应用实例。我们研究了现实案例，展示了这些强大工具如何提升行动效率，并赋能您在自身岗位上取得更大成就。
以下是人工智能带来的核心价值：
- 流程优化：AI可以自动化常规任务，释放人力资源。
- 决策加速：通过快速分析数据，AI为决策者提供关键洞察。
- 协同增强：AI工具促进跨部门、跨领域的信息共享与协作。
在课程结束前，需要强调一个关键要点：人的专业知识始终至关重要。人工智能可以放大我们的能力，但确保其负责任且有效实施的，是我们的判断力、战略思维和诚信。其关系可以概括为：
最终成效 = 人工智能能力 × 人类决策与监督
因此，我鼓励大家在各自的团队和组织中，继续倡导对人工智能的合理采纳与应用。将在此学到的经验教训付诸实践，在推动创新的同时，绝不妥协安全。
最后，感谢各位的专注与投入。期待看到大家将这些见解，应用于守护国家安全的使命中，并使之焕发生机。
😊 恭喜完成本课程！
本节课中，我们一起学习了人工智能在国家安全领域的整合应用、实际价值，并深刻理解了人机协同的核心原则。记住，技术是工具，而运用工具的智慧与责任永远掌握在人类手中。
浙公网安备 33010602011771号