Nature:如果AI可以預測和限制戰爭?
近年來,武裝衝突和恐怖襲擊的數量不斷上升,這種趨勢卻很難得到有效地遏制。研究人員稱利用AI技術可以預測暴力的發生並分析其原因,並以此挽救生命。文中分析了AI可以通過擴大資料收集、減少未知數、建立相關理論支援以及全球合作的方式,更好地預測戰爭的發生,並以此遏制其可能帶來的負面影響。
現由學術plus編譯,僅供參考。文章版權歸原作者所有,觀點不代表本機構立場。
重塑AI來預測和限制戰爭
Retool AI to forecast and limit wars
來源:https://www.nature.com
作者:plus評論員 張濤
研究人員稱,利用AI技術可以預測暴力的發生並分析其原因,並以此挽救生命。
2015年賴比瑞亞選舉中的聯合國維和人員,來自:Chris Hondros/Getty
全球範圍內的武裝衝突與恐怖襲擊只增不減
武裝衝突和暴力數量呈不斷上升趨勢,但我們卻不知道如何阻止和遏制這種情況。自2011年以來,全世界的衝突每年造成多達10萬人死亡,其中四分之三位於阿富汗、伊拉克和敘利亞。 在過去幾十年中,主要戰爭的比率有所下降。 但自20世紀60年代以來,內部衝突的數量翻了一番,恐怖襲擊在過去十年中就變得更加頻繁。
衝突的數量不斷上升,同時衝突的性質(本質)也發生了變化。國家之間的戰爭數量變少了,但武裝團體在不斷活動中,在2013年內戰高峰時期,有超過1000個這樣的武裝團體在敘利亞開展活動。武裝團體的規模也各不相同,有由少數當地民兵組成的,也有由數萬名經驗豐富的戰士組成的。技術進步也使攻擊發生了改變,即使攻擊更加精確、可協調和致命。越來越多的平民成為攻擊目標。 截止2016年,戰爭已使全球超過6500萬人流離失所,其中一半以上是孩子。
武裝衝突的成本也是巨大的。2016年,聯合國在人道主義援助方面的支出就超過200億美元。戰爭或衝突參與國也會在經濟上受到巨大損失。例如,1996年以來,戰爭消耗了剛果民主共和國的國內生產總值的大約三分之一。戰爭還影響了許多聯合國可持續發展目標的進展。
相對而言,各國在預防衝突方面花費相對較少。2016 - 2017年聯合國維和行動的花費約為70億美元,相當於全球軍費開支的不到1%。然而,維和人員在危機發生之前預防了衝突的爆發。例如,在2016年甘比亞有爭議的總統選舉的一個月內,西非國家就派出軍隊來維持安全。干預措施也可以阻止衝突的再次發生,比如1991年的薩爾瓦多內戰和1995年的波斯尼亞和黑塞哥維那。
各國政府和國際社會往往不會對即將發生的危機發出警告。使用預測風險的演算法可以提前幾天或幾周標記可能的危機或衝突爆發點,這類似於用於預測警務需求和極端天氣的演算法。對於衝突風險預測演算法,程式碼通過統計資料可以推斷和分析新聞報道中的文字內容來檢測國際關係緊張度和軍事發展來預估軍事暴力和衝突的可能性(參見go.nature.com/2oczqep)。而人工智慧(AI)是促進這些方法的根本動力。
洛克希德馬丁公司的綜合危機預警系統(Integrated Crisis Early Warning System)、艾倫圖靈研究所的全球城市分析彈性防禦專案(project on global urban analytics for resilient defence,由W.G.和A.W.運營)和美國政府的政治不穩定任務工作組(Political Instability Task Force)就是最好的例子。
人工智慧不僅是未來作戰的重要工具,也可以成為維護和平、令人類免受戰爭之苦的福音。
面對可能的武裝暴力衝突,AI可以做什麼?
未來的人工智慧和衝突模型需要做的不僅僅是做出預測:必須同時提供對暴力的解釋和預防的對策。這是非常困難的任務,因為衝突是動態的和多維的。目前收集的資料都太過狹隘、稀疏,不夠豐富。
新的機器學習技術、關於衝突的更廣泛原因分析及其解決方案的相關資訊、和可以更好地反映社會互動和人類決策的複雜性的理論模型可以改善目前衝突預測遇到的問題。
來源:全球恐怖主義資料庫,https://www.start.umd.edu/gtd
擴大資料收集
Broaden data collection
衝突預測最早出現於20世紀20年代和30年代之間。其先驅之一是數學家路易斯·弗萊·理查森,他利用統計資料來研究戰爭爆發的原因。他通過資料分析揭示了其中一些規則,例如,小型戰鬥的數量遠遠多於大型戰鬥,小型戰鬥的死亡人數要遠遠少於大型戰鬥。還發現在伊利諾伊州的芝加哥和中國上海發生的謀殺事件遵循了與主要戰爭相同的擴張規律。這些規律粗略地預計了會發生多少次小規模衝突,但不能明確可能發生的地點或時間。
因此資料收集就開始了,收集的資料包括數十萬次戰鬥和攻擊的死亡人數、地點、發起者和目標,並被儲存在《武裝衝突地點和事件資料專案(Armed Conflict Location and Event Data Project)》《全球恐怖主義資料庫(Uppsala Conflict Data Program)》《烏普薩拉衝突資料專案(Uppsala Conflict Data Program)》。資料來源主要是媒體報道,但會經過人類專家審查。
收集的資料型別和預測模型都不夠精準,不足以揭示驅動衝突發生的社會因素。但最重要的結果是無法通過觀察得到的:即安全部隊或政治談判阻止發生的事件。在伊朗等國家,媒體對暴力的報道會遭到扼殺。行動者和參與行動者可以轉變戰術,暴力派可能會引發緊張局勢但在公開場合營造追求和平的氛圍,北愛爾蘭在1966到1998期間和1964年以來的哥倫比亞都是這樣的情況。
哥倫比亞革命武裝力量游擊隊2017年開始裁軍,來源:Luis Robayo/AFP/Getty
暴力的程度取決於戰鬥意願等一些無形的東西。來自國外的武器和資金會加劇內部衝突,敘利亞和葉門就是最好的例子。成功的進攻也會鼓勵勝利一方進行下一步的嘗試。不平等、種族緊張關係或壓迫性的治理(oppressive governance)都可能引發騷亂或內戰。乾旱等自然環境因素有時也會增加這種壓力。
減少未知數
Reduce unknowns
如果不考慮社會和因果因素,AI的作用就很小。而且,如今常用的機器學習方法也不能處理這種混合的未知資訊。比如,AI需要經過訓練才可以進行推理,AI從現有資料中“學習”,測試預測是否成立,然後對演算法進行相應地修改。但這都基於一個假設,即訓練資料反映了建模的情況。問題是,我們並不知道這些資料(場景)是否相似,尤其是在涉及許多隱藏因素的演變場景中。如果不相似,那麼預測的結果就是不可靠的。
我們需要從不同型別的衝突的統計資料中去了解更多的資訊,目前我們已經瞭解其中存在差異(參見衝突預測Conflict prediction)。比如,分裂主義的種族衝突不太可能蔓延到本國以外,恐怖襲擊在內戰中更常見。一些精心策劃的攻擊需要規劃,也最有可能發生在傳統衝突以外,比如2001年9月11日對紐約世界貿易中心發起的恐怖主義襲擊。
建立理論
Develop theories
衝突研究人員目前尚未建立一個普遍認同的理論框架來描述引發戰爭的機制。這樣的框架應決定收集哪些型別的資料以及需要預測哪些資料。目前大多數研究都是根據簡單的非正式假設來測試資料的。尋求資料的相關性,模型不符合,結果就會有爭議。關於背景問題的問題太少,例如政治和經濟不平等或軍事威懾。
複雜的建模將是解決這一問題的關鍵。比如,怎麼樣為了和平的結果進行干預,干預的時間和程度是什麼?演算法可以從相互作用的利益相關者中梳理出空間模型(spatial pattern),或用相鄰群體之間的社會競爭理論來強調(突出)不穩定的地理邊界。有團隊就使用這樣的模型來對2011年的倫敦騷亂事件進行特徵分類。這項工作確認了恢復秩序所需的警察數量。
全球協作
A globle consortium
衝突的預測和預防需要一個全球資料驅動的系統,就像用於天氣預報、流行病預測和維護工程需求的系統。 研究人員建議成立一個國際組織(聯合體)來制定正式的方法來對模擬社會發動戰爭的步驟進行建模。建立這樣的平臺將花費數千萬美元,但這只是世界為應對衝突而支付的數十億美元的一小部分。
該聯合體應包括學術機構,國際和政府機構(如歐洲委員會災害風險管理知識中心,聯合國維和和國家外事辦公室)以及工業界、慈善機構等。學術研究人員應建立一個虛擬的全球平臺,用於比較AI衝突演算法和社會物理模型(socio-physical models)。而這必須使用開放獲取的資料來加速可重複的研究,並進行基準輸出。因此需要制定評估標準、理論,以及開發相關的模型。
研究人員希望在2018年10月15日至16日的ViEWS研討會(https://www.pcr.uu.se/research/views/activities/annual-workshop)上採取第一步行動,就共同資料和建模基礎設施方面的問題達成一致。由瑞典烏普薩拉大學組織的該活動將重點關注暴力早期預警系統(Violence Early-Warning System,ViEWS)。研究人員同時呼籲聯合國能投資這類資料驅動的預測方法,以促進和平。
Nature 562 , 331-333 (2018)doi: 10.1038/d41586-018-07026-4
(全文完)
檢視英文原文:https://www.nature.com/articles/d41586-018-07026-4
宣告:本文來自學術plus,版權歸作者所有。文章內容僅代表作者獨立觀點,不代表安全內參立場,轉載目的在於傳遞更多資訊。如需轉載,請聯絡原作者獲取授權。