为何军事人工智能初创公司近年来备受追捧
今日不肯埋头,明日何以抬头!每日一句努力自己的话哈哈~哈喽,今天我将给大家带来一篇《为何军事人工智能初创公司近年来备受追捧》,主要内容是讲解等等,感兴趣的朋友可以收藏或者有更好的建议在评论提出,我都会认真看的!大家一起进步,一起学习!
俄乌冲突爆发 2 周后,数据分析公司 Palantir 的首席执行官亚历山大·卡普 (Alexander Karp) 向欧洲领导人提出了一项建议。在公开信中,他表示欧洲人应该在硅谷的帮助下实现武器现代化。

Karp 写道,为了让欧洲“保持足够强大以战胜外国占领的威胁”,各国需要拥抱“技术与国家之间的关系,以及寻求摆脱根深蒂固的承包商控制的破坏性公司与联邦政府部门之间的资金关系”。
而军队已经开始响应这项号召。北约于 6 月 30 日宣布,它正在创建一个 10 亿美元的创新基金,将投资于早期创业公司和风险投资基金,以开发人工智能、大数据处理和自动化等“优先”技术。
自俄乌冲突以来,英国推出了一项专门用于国防的新人工智能战略,德国在已向军方注资 1000 亿美元的情况下,再次拨出近 50 亿美元用于研究和人工智能。
《I, Warbot: The Dawn of Artificial Intelligence Conflict》的作者,来自伦敦国王学院国防研究的负责人 Kenneth Payne 说道:“战争是变革的催化剂”。
俄乌冲突增加了将更多人工智能工具推向战场的紧迫性。受益最多的是像 Palantir 这样的初创公司,它们希望在军队竞相使用最新技术更新他们的武器库时获利。但随着技术变得越来越先进,长期存在的关于在战争中使用人工智能的伦理问题变得更加紧迫,而限制和监管其使用的前景看起来与以往一样遥远。
科技和军队之间的关系并不总是那么友好。 2018 年,在员工抗议和愤怒之后,Google 退出了五角大楼的 Maven 项目,该项目试图建立图像识别系统以改善无人机袭击。这一事件引发了关于人权和为自主武器开发人工智能的道德性的激烈辩论。
该项目还导致很多知名的 AI 研究人员承诺不研究致命的 AI。其中包括图灵奖获得者 Yoshua Bengio,业内领先的 AI 实验室 DeepMind 的创始人 Demis Hassabis、Shane Legg 和 Mustafa Suleyman。
4 年后的今天,硅谷比以往任何时候都更靠近军队。曾单人美国国家人工智能安全委员会 (NSCAI) 的执行主任,目前为特殊竞争研究项目工作的 Yll Bajraktari 表示不仅仅是大公司,现在很多初创公司也开始涉足该领域。Bajraktari 正游说让美国更多地采用 AI。
为什么选择 AI
那些销售军用 AI 的公司均声称它们的技术可以实现广泛的功能。这些公司表示 AI 可以帮助处理从“平凡”到“致命”的一切,例如筛选目标、处理来自卫星的数据、识别数据中的模式、帮助士兵在战场上更快做出决定等等。图像识别软件可以帮助识别目标。自主无人机可用于对陆地、空中或水上进行监视或攻击,或帮助士兵比陆地更安全地运送补给品。
Payne 表示,AI 在战场上的运用仍处于起步阶段,军队正在经历一段试验期,有时候这些技术并不会取得成功。有无数的例子表明,人工智能公司倾向于对技术做出宏大承诺,但事实证明这些技术并没有像宣传的那样发挥作用,而战区可能是部署人工智能技术最具挑战性的领域之一,因为相关的培训数据很少。
无人机和其他监视技术专家亚瑟·霍兰德·米歇尔(Arthur Holland Michel)在联合国裁军研究所的一篇论文中指出,这可能导致自主系统以“复杂和不可预测的方式”失败。
尽管如此,许多军队依然积极推进 AI 的落地。在 2021 年措辞含糊的新闻稿中,英国军队自豪地宣布,它首次在军事行动中使用 AI,以提供有关周围环境和地形的信息。美国正在与初创公司合作开发自动驾驶军用车辆。未来,美国和英国军方正在开发的数百甚至数千架自主无人机可能被证明是强大而致命的武器。
许多专家对此表示担忧。联邦贸易委员会人工智能高级顾问兼 AI Now 研究所教员主任梅雷迪思·惠特克 (Meredith Whittaker) 表示,这种推动实际上更多是为了丰富科技公司,而不是改善军事行动。
在与兰开斯特大学社会学教授 Lucy Suchman 共同为 Prospect 杂志撰写的一篇联合文章中,兰开斯特大学社会学教授 Lucy Suchman 认为人工智能助推器正在煽动冷战言论,并试图创造一种将大型科技公司定位为“关键的国家基础设施”的设定,因此监管变得非常重要了。他们警告说,军方采用人工智能是一种必然性,而不是它的真正含义:一种涉及道德复杂性和权衡取舍的积极选择。
人工智能战争 chests
随着围绕 Maven 的争议逐渐消退,在过去几年中,要求更多 AI 防御的声音变得越来越响亮。最响亮的声音之一是Google前首席执行官埃里克施密特,他是 NSCAI 的主席,并呼吁美国采取更积极的方式来采用军事人工智能。
NSCAI 在去年的一份报告中概述了美国应采取的步骤,以在 2025 年之前加快人工智能的步伐,呼吁美国军方每年向这些技术投资 80 亿美元,否则可能会落后于其他国家。
美国国防部在 2022 年 3 月的一份报告中表示,美国国防部要求在 2022 年为人工智能提供 8.74 亿美元,尽管该数字并未反映该部门的人工智能投资总额。
不仅仅是美国军方深信这种需求。德国汉堡赫尔穆特施密特大学国防人工智能天文台联合主任海科博尔切特表示,欧洲国家在采用新技术时往往更加谨慎,它们也在人工智能上投入更多资金。
法国和英国已将人工智能确定为一项关键的国防技术,欧盟执行机构欧盟委员会已拨出 10 亿美元用于开发新的国防技术。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
最快下月!地表最强语言模型GPT-4发布在即?CEO暗示:已通过图灵测试
- 上一篇
- 最快下月!地表最强语言模型GPT-4发布在即?CEO暗示:已通过图灵测试
- 下一篇
- 如何在 HomePod Mini 上播放音乐
-
- 科技周边 · 人工智能 | 3小时前 | 人工智能 · PyTorch autograd torch.is_grad_enabled 梯度模式
- PyTorch torch.is_grad_enabled 怎样读取当前线程的梯度开关状态
- 346浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 | 人工智能 · PyTorch Tensor.storage_offset storage_offset Tensor View 张量布局
- PyTorch Tensor.storage_offset 怎样读取张量视图的存储起始偏移
- 316浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 |
- Transformers BaseModelOutput.hidden_states 怎样区分各层隐藏状态与最后一层输出
- 429浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 | python · 人工智能 · Transformers tokenizer BatchEncoding sequence_ids 双句编码 词元来源
- Transformers BatchEncoding.sequence_ids 怎样区分双句编码中的词元来源
- 283浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · Hugging Face Datasets ClassLabel str2int 标签编码
- Hugging Face ClassLabel.str2int 怎样把类别名称映射为标签编号
- 222浏览 收藏
-
- 科技周边 · 人工智能 | 7小时前 | 人工智能 · PyTorch Tensor.is_contiguous memory_format
- PyTorch Tensor.is_contiguous 怎样检查张量在指定内存格式下是否连续
- 170浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | python · 人工智能 · Transformers ModelOutput to_tuple 模型输出
- Transformers ModelOutput.to_tuple 怎样把非空模型输出字段转换为元组
- 192浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · Transformers word_ids BatchEncoding 子词对齐
- Transformers BatchEncoding.word_ids 怎样关联子词与原始单词位置
- 462浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 |
- Hugging Face ClassLabel.int2str 怎样把标签编号还原为类别名称
- 175浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 | python · 人工智能 · Hugging Face Datasets Dataset.split NamedSplit 数据集切分
- Hugging Face Dataset.split 怎样识别数据集对象对应的切分名称
- 476浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- PyTorch torch.get_default_dtype 怎样读取新建浮点张量默认使用的数据类型
- 316浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1099次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1095次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1265次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1204次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1051次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览

