이미지: METAL LAB 생성
摘要
- 乌克兰首次向英国开放500万张实战照片。
- 用合成数据训练的模型在实战中识别率偏低。
- 数据不会离开乌克兰,只能在安全数据室内训练。
- 데이터 규모
- 약 500만 장 라벨 붙인 전투 이미지(어벤저스 AI 랩스)
- 접근 국가
- 영국 — 외국으로는 최초 접근
- 탐지 성능
- 적 장비 식별률 70%, 물체당 2.2초
- 월간 처리량
- 드론 영상 스트림 월 10만 건 이상 처리
- 참여 영국 스타트업
- Sintela, Mind Foundry, Skyral
- 인터셉터 드론 자율도
- 약 95% 자율 작동
- 관련 사건
- 7월 자포리자 러시아 몰니야 드론 공격, 민간인 3명 사망
为什么这500万张照片特殊
西方军工企业训练AI识别战场时,大多依赖模拟生成的合成数据,因为一直找不到真实战斗中拍摄的影像。这个空白如今被打破了:乌克兰自2022年起用无人机和传感器收集的500万张实战照片首次对外开放,接收方是英国。英国首相安迪·伯纳姆与乌克兰总统弗拉基米尔·泽连斯基在基辅签署AI合作协议后,乌克兰的战场数据平台"复仇者AI实验室"(Avengers AI Labs)向英国研究者和企业敞开了大门。据《金融时报》报道,英国是首个获得该数据访问权的外国政府,这项协议也是两国"百年伙伴关系"的一部分。
这个项目要追溯到2022年。当时乌克兰无人机部队用获取的影像训练神经网络,试图自动识别俄军兵力和车辆,起点就在这里。目标是加快军队"观察-判断-决策-行动"的决策周期。此前这些数据只在国内企业间共享,这也让乌克兰无人机制造商在实战识别性能上,领先于那些靠合成数据训练的外国竞争对手。去年3月,乌克兰曾预告将与盟国共享这些数据,而这次与英国的协议正是首个落地案例。
只能在数据室里操作——与帕兰蒂尔共同制定的规则
据乌克兰国防部介绍,这份协议的核心是约500万张带标注的图像,大部分来自"DELTA"数字化作战系统,该系统把无人机、卫星和传感器信息整合成实时战场态势图。获得授权的企业只能在与帕兰蒂尔共同搭建的安全数据室内训练和测试计算机视觉模型,最终成型的AI归乌克兰所有。也就是说,这不是把数据搬出去,而是让企业带着权限去数据所在的地方使用。
一个已经用这些数据开发出来的探测系统,被视为实力证明的案例。据国防部介绍,该系统能在视频流中识别出70%的敌方装备,每个目标的识别耗时2.2秒。每月处理的无人机视频流超过10万条。
| 指标 | 数值 |
|---|---|
| 标注图像规模 | 约500万张 |
| 月度无人机视频处理量 | 超10万条 |
| 敌方装备识别率 | 70% |
| 单目标处理时间 | 2.2秒 |
| 拦截无人机自主程度 | 约95% |
英国三家初创公司,在做什么
据英国政府公告,布里斯托尔的Sintela、牛津的Mind Foundry,以及伦敦的Skyral三家初创公司已经在开展试点项目。其中一个项目是把埋在地下的光纤电缆变成AI传感器,用于保护军事基地,未来还将扩展到机场和铁路;另一个项目是为无人机和自主系统开发低功耗AI芯片。英国军方尤其关注用于探测来袭俄罗斯无人机的声学传感器数据,据说经过充分训练后,其精度会远超雷达。这份协议的公布,紧随伯纳姆首相同意向乌克兰组装线公开军工企业MBDA的"暴风阴影"巡航导弹英制部件相关机密信息之后。
无人机自主性,发展到了哪一步
这些数据究竟能造出什么,从无人机自主性的三个阶段就能看清楚:无需GPS自主寻路的自主导航、由人指定目标后AI负责最后一段追踪的"最后一英里"追踪,以及机器自行选择攻击目标的自主选目。
前两个阶段在乌克兰战场上早已投入使用。2024年就出现过一起案例:一架乌克兰FPV无人机在无线链路中断后,仍自主打击了此前预先指定的俄军坦克。据政府公告,乌克兰拦截无人机的自主程度约为95%,Swarmer公司的软件已在超过100次实战任务中协调无人机集群行动。Swarmer的米沙·涅斯托尔在接受《金融时报》采访时表示:"高质量的标注战场数据,是开发可靠自主系统的最大制约因素。"
扎波罗热发生的事
第三阶段——机器自主选择攻击目标——最近因《纽约时报》的报道再度受到关注。去年7月,扎波罗热一架俄罗斯"闪电"无人机造成3名平民死亡,其中包括19岁的大学生捷季亚娜·布维内茨。操作者最初设定的目标是一处加油站,但调查显示,实际上是软件自行选中了附近一个看起来像丙烷罐的物体并发动了打击。
在残骸中发现了一台可能参与目标选定的商用微型计算机——英伟达Jetson Orin。CSIS的卡特琳娜·邦达尔称,这是搭载自主选目AI的俄罗斯无人机造成平民死亡的首个有记录案例。不过调查人员也指出,单凭一块英伟达芯片并不能证明是自主决策,还需要结合与操作者无线链路的中断情况,以及电脑中确认的代码和训练资料才能形成完整证据链。
乌克兰自身也不能置身事外。最近被解职的国防部长米哈伊洛·费多罗夫向《纽约时报》透露,乌克兰曾在被占领的克里米亚地区数月间测试完全自主的AI系统,打击燃料储存设施和军事装备,据称未造成平民伤亡。从2023年引入的自主攻击无人机"海科侦察兵",到如今的无人机集群,乌克兰一直在逐步扩大自主武器的应用范围。就在去年4月,还有评估认为乌克兰战场尚不存在完全自主武器,而此后陆续曝出的这些测试,正让这一评估重新受到质疑。
编辑视角
如果只把这份协议看作一次数据共享安排,那就只看到了一半。乌克兰三年多来在实战中积累的标注数据,是合成数据永远无法替代的资产,而当它从"国内专用"变成"盟国可用"的那一刻,全球军工AI开发的一个关键瓶颈就被打通了。此前西方无人机厂商一直依赖模拟或游戏引擎生成的虚假战场影像训练模型,实战识别率不足的问题始终被诟病。这次的访问权限,是缩小这一差距的一条捷径。
对比一下不同阶段就更有体感。2022年乌克兰第一次用无人机影像训练神经网络时,目标还只是"自动找出兵力和车辆"这种水平。而现在,已经是单目标2.2秒、识别率70%的实战部署系统,再加上无需人为介入的自主选目——第三阶段——也已经在真实战场上被证实。短短四年间,自主性的重心已经从"探测"完全转移到了"决策"。
从实操角度看,这对任何想涉足国防AI领域的企业都是一个不能忽视的信号。不把数据搬出去、只在安全数据室内训练,成型AI的所有权归数据提供国所有——这种模式很可能成为未来其他国家军工AI合作的标准合同范本。反过来,那些一直只靠合成数据开发计算机视觉模型的企业,现在必须认真评估自己与拥有实战数据访问权的竞争对手之间的差距了。
未来几个月内,类似扎波罗热事件的自主选目争议只会越来越多。关于自主武器的国际规范讨论,目前明显跟不上这种实战推进的速度,而在这期间,数据积累和实战部署已经悄然进入了下一个阶段。
评论