据外国媒体报道，英军正在向称为“阿斯加德”的AI目标开发定位系统。依靠高级通信网络和新算法，系统可以在几分钟内监视和锁定目标威胁，从而大大提高了遥远罢工的效率。目前，该项目已从英国国防部获得了超过10亿英镑（约13.45亿美元）的资金。目前，由于其出色而准确的财产，目标AI定位系统已成为许多国家研究和开发军事技术的主要领域。 从获取信息到智能决策 AI目标定位系统是一个智能系统，它使用计算机视觉，融合传感器和AI算法来自动识别特定目标，空间坐标计算和特性。它的主要过程是：该系统捕获环境联合国通过传感器（摄像机，雷达等）验证数据，然后该模型用于执行数据审核和处理以识别目标预设类别并计算准确的信息输出位置信息。 像早期冷战一样，有关于目标发现技术的相关研究。在当时的技术条件下，这种类型的技术主要依赖于硬编码的规则和简单的匹配模式来基本发现和识别，其信息处理能力受到限制。例如，早期的卫星侦察和身份系统只能识别出大型的高对比度目标，例如导弹筒仓，并且在面对复杂的环境或伪装目标时通常无助。 从20世纪末到本世纪初，随着机械研究技术的发展，目标AI定位系统始于取得重大成功。在此期间，这样的系统开始具有知道的能力来自数据的目标特征的模式。美国军方在科索沃战争期间部署的相关系统能够结合可见的灯光和红外图像，以通过预输入的目标特征执行概率身份，这在一定程度上提高了对目标识别和智力产出效率的识别的速度。但是，由于当时的算法和数据量表，这些系统的一般识别能力（机器学习算法适应新数据）的准确性仍然是有限的，并且完全取决于MANU辅助识别。 真正促进AI目标定位系统革命性变化的循环点是在-21世纪初期发展 - 深度研究技术的成功，以其经典算法的快速发展，卷积神经网络技术的快速发展。该算法可以在许多层面上捕获图像功能，以便计算模型可以识别在一定范围内被解散或部分删除的目标。同时，计算硬件的开发以及大规模注释数据集的出现（机器学习训练的重要资源，它可以帮助机器NA通过大量数据研究提高功能的性能和一般功能）为复杂研究模型的培训提供了基础。在此阶段，AI目标定位系统开始逐渐从简单地获得有关明智决策的信息而变化。 修理传统谋杀链 当前，对AI目标定位系统的研究集中在三个主要方向上 - 多模式数据融合，侧面计算和系统自主权改进。 AI目标定位系统不再限于评估单个数据源，而是通过提交诸如可见光，红外，合成的光圈雷达，电子信号，开源Intel等数量的资源来构建全景方法ligence and acoustic data.Target chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart chart charts chart chart chart chart chart chart chart chart chart chart chart chart chart charts chart chart chart chart chart chart chart chart chart chart chart chart chartsof the situation, which provides support for the decision making in battle.例如，北约先前对其进行测试的AI目标定位系统可能已将无人机视频，无线电拦截信号和社交媒体信息联系起来，以实现高价值目标的准确定位。 SO值的计算边缘决定了在资源生成数据附近的信息处理。此共享计算框架的开发导致从云到战术的处理信息Al Edge（例如无人机和坦克平台），从传感器到射击器链路实现了接近时间。如果无人机执行任务时实时收集数据，请通过云数据进行处理，然后返回，则可能会有延迟。 Edge Computing允许无人机直接处理KTA数据并使用机载设备对实时响应。这不仅可以提高响应速度，还可以减少带宽要求和数据传输的延迟，从而使系统变得更好和可靠。 同时，来自许多国家的科学研究小组致力于提高设备系统的自主能力。例如，美国空军研究实验室促进了金部独立合作指导弹药项目。通过网络技术，该项目允许无人机独立合作而无需依赖人干预，从而提高了效率和灵活性。 新技术的突破使AI的突破目标定位系统重建传统的谋杀链。通过实时处理多源异质数据，快速响应计算端，并深入嵌入独立决策，AI目标定位系统可以快速找到对手通信节点，雷达辐射源或主要网络节点，从而为电子战和军舰提供重要的支持。与传统模式相比，从发现到决策的战斗过程从发现到决策，然后罢工压缩了几十次。 “ Asgard”目标英国定位系统是这种趋势的具体显示。 无捐赠的技术困境和崩溃 应该注意的是，当前的AI目标定位系统完全取决于复杂的深度学习技术。由于深入研究算法的复杂架构，因此很难理解和监控他们的决策过程，导致缺乏Transpa系统得出的结论中的质量和解释性。这种情况容易受到“黑匣子”效应的影响，也就是说，AI决策过程就像一个神秘的黑匣子，人们将不了解其背后的逻辑和基础。例如，指挥官无法知道该系统如何确定目标是重要的军事设施，而不是民用建筑。 数据期望是AI目标定位系统的另一个主要弱点。该系统高度取决于多源异质训练数据，其识别的准确性必须基于大量的高质量并准确地标记特定方案数据。但是，缺乏实际数据使得训练数据集很难完全涵盖战场上的复杂环境。此外，数据标签的过程是最新的和密集的劳动力，很难团结标准，其复杂性也使更高的需求使得NTS到标签人员。 值得注意的是，数据质量缺陷或标记偏差会导致系统模型不准确。敌人可以通过数据污染，攻击算法模型，通信干扰和其他手段来激励系统产生错误的目标热图，从而导致指挥官的误解。为了解决这个问题，有必要同时促进战场，算法的能力以及网络安全保护系统的构建数据生成技术的提高，确保AI目标定位系统在复杂的环境和威胁中保持良好的身份能力，并在战场上已成为“金眼”。 （Zhang Shihong Chen Lihui） （编辑：Wang Xiaoxiao，Peng Jing） 分享让许多人看到