地平线扫描和预警监测:定义和实践

(重写和修订版) 地平线扫描和预警监测是用于预见未来、预测不确定性和管理风险的一系列活动的一部分。它们的实践对于成功的战略预见和预警、风险管理、未来主义或任何预见性活动都至关重要。

监测是一个通用术语,用于许多活动,而地平线扫描则非常具体,主要用于预见性。地平线扫描是一个在21世纪初出现的术语。它既指战略展望过程中的一个具体工具,也指整个展望过程。(Habbeger, 2009).*

在此,我们将重点讨论地平线scanning,作为整个战略预见过程中的一个具体工具。我们将把它与预警监测(以下简称监测)进行对比。首先,我们将提出这两个概念的定义。然后,通过对这两种活动的实践进行比较,我们将强调两者之间的相似性和差异。同时,我们将确定最佳做法。最后,我们将得出结论,地平线scanning,作为一种工具,实际上是任何-好的-监测预测的第一步。

地平线扫描和监测的定义

地平线扫描

作为一种工具,地平线扫描允许识别潜在的新主题或元问题和议题,回答我们议程或背景中所定义的关切。然后,我们将需要深入分析由此确定的问题。

因此,地平线扫描宁寻找表明新的元问题和问题出现的微弱信号。因此,扫描必须对所关注的核心问题采取尽可能大的范围。

地平线scanning,警告,监测,情报,风险管理,未来主义
加拿大气象局(加拿大环境部)。来自天气回声的非气象数据可以通过使用目标的多普勒速度进行过滤。在清洗之后,只留下真正的降水。

地平线scanning的想法是建立在较早的想法和方法之上的,如 "环境scanning"、"战略预见 "和 "指示和警告"(也被称为 "战略警告 "和 "警告情报",见下文)。 格拉博, 2004).实际上,正如Glenn和Gordon所强调的,在1960-1970年代,大多数未来学家使用了"'环境扫描'这个术语。然而,随着环境运动的发展,一些人认为这个词可能只指监测自然环境因人类行为而发生变化的系统。 为了避免这种混淆,未来学家创造了各种标签,如 "未来扫描系统"、"早期预警系统 "和 "未来情报系统"。军方则使用 "战略预警 "和相关术语。其目的是为了避免战略上的意外(如珍珠港)。

英文 "地平线扫描"与法文""不一样。veille"与一些作者的断言相反--例如尼古拉-卡雷斯特("地平线扫描" 2012年和 pdf).我们可以把""翻译成最好的。维耶尔"由 "监测"--泛指,而不是像这里一样更具体地用于警告。我们也可以把它翻译成 "情报收集"。

Charest,实际上,指的是一个过程。"一个收集、分析和传播增值信息以支持决策的有组织的正式过程"。然而,这是一个没有未来和预测的过程。奇怪的是,作者自己也强调,地平线scanning的英文含义意味着预见性、预期性。

与其将 "veille "和地平线扫描这两种做法和两个词混为一谈,不如将两者区分开来。事实上,尽管这两种活动密切相关,但其中一种,即地平线scan宁,必须处理未来的问题,而另一种则不必面对这一挑战。

正是这种预期性,即用Grabo的话说,"对未来作出判断 "的必要性(同上),产生了这两种相关活动之间的本质区别。

在各种政府办公室的名称中使用 "地平线扫描",有助于普及这一名称。例如,我们有英国 地平线扫描中心。 2004 年,在呼吁在整个政府中发展这样的卓越中心之后,创建了 "新加坡卓越中心" (Habbeger, 2009, p.14),或者新加坡的 风险评估和地平线扫描(RAHS)计划在2005年推出(Lavoix, 2010).这种想法成为时尚的方式也促成了围绕其含义的混乱。

监测预警

监测是战略预警过程的一部分。关于情报、预警和战略突袭的文献很好地记录了这一想法和过程。事实上,至少从第二次世界大战以来,行为体就开始使用战略预警,而情报研究现在已成为一个完整的知识体系和一门学科。关于进一步的阅读,过去有一个关于情报相关问题的极好的参考书目:J. Ransom Clark 的《情报文献参考书目》,特别是关于战略预警的部分。遗憾的是,该书目已被删除。不过,仍可通过 网络档案甚至 关于战略预警的部分但日期不一,可能与最新版本不符,现已遗失。

监测问题将允许识别警告问题。然后,我们将使用适当的模型和相关指标来监测这些问题。作为提醒,一个指标是一个概念,是对某一事物的抽象化。迹象是在特定情况下与该指标相对应的现实。因此,我们使用指标来收集指示。例如,国内生产总值(GDP)的增长是一个指标,5%是一个特定国家和时间的指示。速度可以是一个指标,60公里/小时是特定时间特定设备在特定地点的指示。

监测和监督都会引导收集必要的信息,如模型和相关指标所定义的。

作为提醒,在整个SF&W的过程中,我们的重点不断缩小,所用的词汇也反映了这一点。我们从最笼统的、包含的内容转向最详细的内容。让我们举个例子,能源是一个 "元问题"。那么,"问题 "可以是 "石油安全"、"石油峰值"、"铀峰值"、"石油价格的波动"、"欧洲和俄罗斯之间的能源政治"、"中国的能源 "等等。"问题 "可以是更具体的 "Gasprom政策","Keystone管道","一带一路倡议中的能源",或 "巴基斯坦的能源和一带一路倡议",甚至是 "围绕这个或那个工厂的紧张局势",等等。

地平线1TP9预警和监测实践中的警告

如果定义不同,那么我们一方面做地平线扫描,另一方面做监测预警的方式是否真的有区别?扫描是否包括在预警监测中?我们是否应该在扫描和监测中使用同样的程序和同样的工具?或者我们必须使用不同的方法?

同样以模型为基础,但模型的复杂程度不同

地平线扫描宁和监测之间的第一个区别是两者在整个SF&W过程中的位置。扫描是指 第一步的分析.这意味着什么呢?

地平线scanning,警告,监测,情报,风险管理,未来主义

由于这是你在处理一个问题时做的第一件事,那么扫描地平线就隐含地假定对这个问题没有理解或很少理解。然而,实际上这只是一个表象。

试着在心理上做练习:如果你开始寻找什么,即使是以最宽松的方式,要做到这一点,你需要对你正在寻找的东西有一个想法,即使是最小的想法。发生的情况是,在无意识中,你依赖一个认知模型。这个认知模型是隐性的。因此,为了scan的地平线,你已经使用了一个模型,即使它是一个非常不完美的模型。

在展望或风险分析的过程中,你要进一步监测一个问题。这是为了在分析过程结束时进行,因此一旦你非常了解你的主题。在上图中,监测是在我们创建了情景并确定了警告指标之后进行的。

因此,监测也是建立在一个模型之上的。然而,我们已经把这个模式明确化。我们通过分析过程改进和完善了它。

因此,从根本上说,地平线扫描和监测是相似的。它们的区别实际上在于所使用的模型的复杂性,而不在于进行扫描或监测的第一步所使用的实际过程。因此,扫描和监测可以利用最常见的相同的工具或支持。

广阔的前景,包罗万象的产出

第二,scan的定义表明,它应该只识别弱信号。然而,事先根据信号的强度来选择信号--假设这是可能的--将产生反作用,在某些情况下是不可能的。事实上,一个问题的强信号有时也可能是其他问题出现的弱信号。

因此,在通过旨在识别新出现的元问题和问题的scan收集信号时,最好是尽可能地广泛和包容。

在实践中,你可以注意到新的信号,并松散地开始将它们与其他元问题或问题联系起来。

同样,对一个问题的监测和对一个问题的监视也可能发现新出现的问题的信号。同样,你应该确保记录这些发现。

因此,对于地平线扫描和监测来说,你需要有一个尽可能开放和广泛的认知构成,同时,也要能够将这个或那个事实、趋势或 "事情 "与这个问题、那个问题和这个指标准确地联系起来。

地平线扫描的信号及其强度,监测的指示和时间表

地平线scanning,警告,监测,情报,风险管理,未来主义,偏见
图片来源:Jens Langner (http://www.jens-langner.de/) (自己的作品),公共领域,通过维基共享资源。

最后但同样重要的是,由于各种偏见,无论是分析师还是客户,决策者和政策制定者往往无法看到、识别和考虑一些 "地平线以下 "的信号。只有当这些信号在 "地平线以上 "时,他们才能够接受这些信号,这意味着这些信号要强得多,例如 关于及时性的文章.

信号在地平线以下或以上的位置,或一个信号需要有多大的强度才能看到演员感知和接受它,会因人而异。

因此,在这个过程中过早地尝试根据信号的强度进行分类,实际上是不可取的。

在监测和监督预警的情况下,根据时间轴对各种迹象进行分类也很关键。这个时间序列向我们警告被监视的问题的演变。最后,它将使警告及其传递成为可能。至少在精神上,每个迹象或信号,或一组迹象和信号都必须被定位在其相应的时间线上。我们在这里使用复数,因为迹象和信号可以为各种问题提供不同的动态,正如在前一部分中所看到的。

因此,我们看的是强度--对于信号。另一方面,我们关注的是指标及其指示的时间线。因此,这是否意味着scan宁和监测是不同的?

实际上,地平线scanning的信号强度可以被看作无非是时间轴上变化运动的一个指示。让我进一步解释一下。如果信号很弱,那么情况就离事件或现象的实际发生很远。相反,如果信号很强,那么人们就接近它了。因此,scan将是一个监测的例子,其中只有导致判断的迹象,根据这些迹象,一个事件不会很快发生,但仍然值得被置于监视之下。

然而,我们看到,根据信号的强度来筛选信号既不可取,有时也不可能,那么这种对scan的设想是理想化的,不切实际的。

因此,实际上,在这个过程的最后,scan会给我们提供不同强度的信号。在那个阶段,我们只能对所识别的信号的强度有相对较弱的信心。在这种情况下,使用信号的强度将是在时间表方面做出更精细的判断的前奏。

因此,地平线scanning对应于监测(和监视)的第一阶段,然后才是与信号的意义有关的判断,或在时间表方面的指示。因此,它不仅存在于整个SF&W过程的最开始,而且在我们每次监测时都存在。


*关于国家安全的辩论内容丰富,有许多作者。关于许多杰出学者的简要总结和参考资料,如Helene Lavoix "使得21世纪的安全。情报与战略预见和警告,"RSIS工作文件第207号,2010年8月。


这是本文的第2版,在2012年6月第1版的基础上进行了大幅改写和修订。

特色图片。美国海军由tpsdave拍摄。CC0公共领域

关于作者:博士 Helene Lavoix伦德博士(国际关系),是红色(团队)分析协会的主任。她专门从事国家和国际安全问题的战略预测和预警。她目前的重点是人工智能和安全。

书目和参考资料

Charest, N. (2012), "地平线扫描。"载于L.Côté和J.-F. Savard(编辑),《公共行政百科辞典》。Savard(编辑),《公共行政百科辞典》。

Gordon, Theodore J. and Jerome C. Glenn, "ENVIRONMENTAL SCANNING," The Millennium Project: 期货研究方法,3.0版,编辑。Jerome C. Glenn和Theodore J. 2009,第2章。

Grabo, Cynthia M. , 预测突发事件。战略预警的分析Jan Goldman编辑,(Lanham MD: University Press of America, May 2004)。

Habbegger, Beat,  政府中的地平线扫描。概念、国家经验和瑞士的模式苏黎世联邦理工学院安全研究中心(CSS),2009年。

J.Ransom Clark的《情报学文献目录》。.

Lavoix, Helene, 是什么让展望变得可操作:新加坡和芬兰的案例.(美国国务院委托报告,2010年12月)。

Lavoix, Helene, "使得21世纪的安全。情报与战略预见和警告,"RSIS工作文件第207号,2010年8月(也可访问 这里).

当风险管理遇到战略远见和警告时

风险管理被编入了法律。 国际标准化组织 (ISO)。它针对的是任何与风险有关的组织,无论是公共的还是私人的(Sandrine Tranchard,"新的ISO 31000使风险管理变得简单",ISO新闻,2018年2月15日)。其前身是精算学,即评估保险和金融风险的方法(如ENSAE 定义).它的研究,作为一门主要对私营部门有用的学科,在二战后逐渐发展起来(乔治-迪翁,"风险管理。历史、定义和批判“, 风险管理和保险审查读者可以通过以下方式了解到:1.在中国大陆地区,"中国大陆 "是指 "中国大陆";2. "中国大陆 "是指 "中国大陆";3. "中国大陆 "是指 "中国大陆"。)

另一门 "非学术性 "学科涉及风险、不确定性、威胁和机遇,或者更确切地说,是涉及惊喜。它的名字是 "战略预见与预警"(SF&W)。它是由较早的军事迹象和警告以及战略远见的结合而产生的。情报人员和军事人员主要是为了满足他们在国际和国家安全问题上的需要而开发了SF&W。例如,战略预警,仍然是美国国防情报局(DIA)的一项基本任务,正如其在2018年9月重申的那样 战略方针. 同时,关于战略预警的经典参考书现在是DIA的一部分。 2018年主任阅读清单.战略预警和SF&W更具体地说是我们在这里,在红色(团队)分析协会的经验和实践的起源和展望。

因此,风险管理和SF&W这两门学科和实践都有不同的历史、参与者和目标。然而,自2009年ISO修订风险管理以来,我们现在在SF&W和风险管理之间有了几乎完美的对应关系。 ISO 2018年的更新确认了这种相似性。本文将进一步详细介绍这两个过程,它们的相似性和互补性。

中情局纽约证券交易所sc

因此,新的风险管理过程为轻松地将所有国家和国际安全问题纳入通常由企业管理的风险奠定了基础,因为这些问题通常与国家的国家利益有关,从地缘政治到政治,从犯罪到战争到网络安全。换句话说,用于管理企业界所面临的外部和内部风险的过程,现在与国家根据其国家利益处理其国际和国内安全任务的方式相似。

同时,风险管理和SF&W之间的这些相似之处应该促进企业界和公共部门之间的讨论和交流,包括在数据、信息、分析和过程方面,根据各自的特点和优势。 当SF&W和风险管理之间存在差异时,我们可以将其扭转过来,取其精华。

事实上,重要的是正确预测未来的情况并采取适当的政策。这并不是要遵守一个或另一个标签。

在这篇文章中,我们详细介绍了风险管理过程。我们解释了风险的新定义。然后,我们强调了与SF&W的相似之处。 我们强调,在风险管理与SF&W最不同的地方,前者如何也能帮助后者。值得注意的是,风险管理提供了一个处理敏感领域的框架:为决策者制定和提供政策或应对方案。

这是一篇高级文章。要访问这篇文章,你必须成为我们的 成员 或采取我们的 在线课程1,从过程到分析模型,或 在线课程2:情景构建. 登录 如果你是会员或实习生。该文章的pdf版本可供会员使用。

完整文章 3017字 - pdf 15页


特色图片。 美国总统奥巴马出席了在阿富汗举行的会议。 情况室 在白宫。在他左边的是国家安全顾问 James L. Jones, 国务卿 希拉里-克林顿美国驻联合国大使 苏珊-赖斯, 国家情报局局长 Dennis C. Blair 和中情局局长 莱昂-帕内塔.在他的右边,副总统 乔-拜登, 国防部长 罗伯特-盖茨 (隐藏),参谋长联席会议主席海军上将 迈克尔-穆伦, 白宫办公厅主任 Rahm Emanuel.- 2009年10月9日,白宫官方照片流,白宫(Pete Souza) - 公共领域。

所有提及ISO规范的版权归国际标准化组织(ISO)所有。

本文是首次作为美国政府委托报告的内容发表的文章的全面更新和修订版,Lavoix,"可操作的展望",全球未来论坛,2010年11月(第12和20-24/98页)。 

气候变化。我们在不断变化的地球上是生是死?

在南极Thwaites冰川内发现了一个1000英尺高(1600米)的空洞,其大小相当于曼哈顿的三分之二(Sarah Sloat, " ")。南极冰川内的一个巨大空洞蕴藏着危险的威胁 ", 反义词日报,2019年2月1日)。

它是在三年内通过内部变暖和融化形成的。这显示了这个过程的加速,以及整个冰川和其邻国的不稳定(Sloat,同上)。

仅仅是Thwaites冰川的融化就能使全球海洋的上升幅度增加两英尺。

继续阅读“Climate change: Shall we live or die on our changing planet ?”

量子时代》(每日更新)。

对量子信息科学和技术及其使用进行地平线扫描。
因此,我们出版了《量子时代》,这是一份关于与新兴量子世界有关的一切的每日扫描和新闻简报。 量子时代》每天在东部时间9:00之前更新。

你可以访问它 这里

在竞争激烈的量子化竞赛中,了解和跟上正在发生的事情至关重要。我们创建了这个扫描,以帮助我们的用户社区紧跟该领域的发展。

你将在这里找到所有与量子计算和模拟、量子传感和计量、量子通信,以及量子密钥分配、量子机器学习和后量子密码学有关的新闻(英文)。

查找我们所有关于量子新兴世界的深入报告、简报和文章 这里。 

战略预见和风险管理中的时间

从企业界到政府,我们寻求逃避不确定性和意外。这对生存和发展至关重要。这也是保护我们免受威胁、危险和风险的需要。

作为一个整体,一般来说,我们识别威胁的能力--如果不是意愿--已经随着经验和实践而提高。值得注意的是,我们在评估可能性和影响方面变得相对有效。然而,威胁和风险评估的一个组成部分仍然是最经常不被考虑、不被注意和被忽视的:时间。

然而,时间是我们防止意外、处理威胁和管理风险的能力的一个重要组成部分。这篇文章评估了我们如何整合时间,并强调了改进的空间。

继续阅读“Time in Strategic Foresight and Risk Management”

量子计算、好莱坞和地缘政治

自2017年以来,量子信息和技术科学(QIS),特别是量子计算,正在迅速成为好莱坞及其电影、电视剧和小说的核心。他们的场景强调了量子力量和国家安全形势之间的联系。

好莱坞与美国的战略辩论

这是一个重要的迹象,考虑到美国文化产业和国家安全之间的关系自二战以来一直是美国战略辩论的主要动力之一(Jean-Michel Valantin, 好莱坞、五角大楼和华盛顿。从二战到现在的电影和国家安全, 2005).

这种联系通过华盛顿特区的联邦政治权力中心、国防部、情报界以及媒体和文化产业之间非常复杂和纠结的关系来组织美国战略辩论的结构(Valantin,同上)。这就是为什么好莱坞电影、电视和电子游戏在美国战略辩论中发挥着重要作用的原因。

继续阅读“Quantum Computing, Hollywood and geopolitics”

人工智能的传感器和执行器(1)。在现实中插入人工智能

除了炒作和仇恨之外,本文重点关注人工智能(AI)的方式--实际上是 深度学习 - 通过传感器和执行器,人工智能被整合到了现实中。由此产生的理解可以强调传感器和执行器的重要性,这是人工智能和其环境之间的双重界面。这个界面是人工智能的一个潜在的破坏性驱动力。

请在我们的播客 "前瞻前线--人工智能系列--与 NotebookLM 一起制作 "中收听这篇文章的深度对话。

传感器和执行器,被遗忘的元素

传感器和执行器是人工智能在各个层面发展的关键,包括在实际应用方面。然而,在讨论人工智能的扩展和未来时,这两个元素在大多数时候都被忽略了。这主要是由于这种缺乏关注,接口可能成为破坏性的。事实上,通过传感器和执行器的人工智能方法可能是许多人寻求的非常普遍的繁荣的关键?同时,人工智能的许多子领域也可以从这种进一步的发展中受益。另外,如果不能完全整合这种方法,可能会导致不必要的障碍,包括暂时的破产。

传感器和执行器,人工智能竞赛中的另一个赌注

此外,我们看到世界上正在出现三种相互作用的人工智能相关动态。国家的人工智能治理和私人行为者的人工智能管理的双重诞生和传播相互作用,并为人工智能权力的国际竞赛提供了支持,即在全球相对权力分配中如何排名。因此,人工智能越来越多地影响着这种权力的分配(见 新的人工智能世界正在形成).因此,人工智能的驱动力不仅是人工智能扩张背后的力量,也是人工智能竞争中的赌注。同时,公共和私人行为者如何处理这场竞争,由此产生的动力以及随之而来的失败和胜利也塑造了正在形成的新的人工智能世界。

因此,如果传感器和执行器在广泛操作人工智能方面至关重要,那么最好地发展人工智能治理和人工智能管理的能力,以及在人工智能力量的国际竞争中的地位,也很可能取决于对这些传感器和执行器的掌握。

相关的

人工智能--力量、驱动力和赌注

人工智能的驱动力: 

概要

本文使用两个案例研究来逐步解释什么是传感器和执行器。因此,它详细说明了人工智能-代理和其环境之间的双界面。作为结果和第三点,我们强调,人们对人工智能的理解最好是作为一个序列。这种理解使我们能够设想整个经济活动的未来世界。然而,这个世界并非没有危险,我们强调它将需要一种新型的安全。最后,我们将指出,有必要区分人工智能序列所连接的现实类型。

下一篇文章将重点讨论处理人工智能序列及其孪生接口的不同方式,特别是执行器。我们将更多地关注物联网(IoT)、人类本身和自主系统,也就是我们熟知的机器人。同时,我们将进一步探索人工智能创造的新活动。

以不同的眼光看待与AlphaGo的比赛

我们将再次考察(谷歌)DeepMind的 阿尔法狗这是一个有监督的学习/AI-agent,可以下围棋,并且胜利地开始了当前AI的发展阶段。

回放与AlphaGo的比赛

现在,让我们想象一下,在范辉先生、2015年10月以5比0击败的围棋欧洲冠军AlphaGo和AI-agent (阿尔法狗 网页)。范辉先生,就像现实中发生的那样,首先与人工智能代理AlphaGo对弈。在他面前,我们可以看到一个五番棋(围棋的棋盘名称)。AlphaGo被连接到云端,以获得分布式计算能力,因为它需要大量的计算能力。

范辉先生开始下棋,并在戈班上放了一颗白子。然后就轮到AlphaGo了。这个人工智能代理将如何回答?它是走典型的棋还是走原创的?然后它将如何快速下棋?悬念是巨大的,而...

什么都没有发生。

什么地方出了问题?

DeepMind的(正确)方法

如果你仔细观看下面展示原始游戏的视频,你会发现,实际上,设置并不完全是我上面描述的那样。还有一些其他的关键因素也存在。如果DeepMind按照我描述的设定让人类和AI-agent面对面,那么他们的实验就会出错。相反,由于他们添加的元素,他们的游戏是成功的。

你可以在视频的1:19处观察到这三个要素,如下面的注释截图所示。

  • 答:一个人类球员
  • B: 一个屏幕
  • C:一个人,桌子上有一个奇怪的装置。
谷歌DeepMind的视频截图。突破性的AlphaGo掌握了围棋游戏 - 1:19

传感器

在我们想象的环境中,我没有创建一个界面来告诉人工智能代理,许先生移动了一块石头,以及哪一块。因此,就人工智能代理而言,没有任何输入。

在DeepMind的真实环境中,我们有人类代理人(C)。我们可以推测,在她面前的桌子上的奇怪装置允许她在计算机中为人工智能代理输入范辉先生在整个游戏中的动作。

更一般地说,在现实世界和人工智能-代理之间必须存在一个第一输入接口,才能看到它的运作。因此,我们需要传感器。它们将为人工智能感知现实世界。我们还需要以人工智能理解的方式,将传感器捕获的数据传达给人工智能代理。

现在让我们假设,我们把代理C和它的设备--即传感器系统--添加到我们的设置中。

同样,什么也没有发生。

为什么?人工智能代理继续进行并决定其行动。然而,算法的结果仍然在计算机中,作为机器的输出,无论其形式如何。 事实上,在现实世界中没有任何界面可以行动。所需要的是一个执行器。

执行器

与外部世界的接口不仅要产生我们的围棋大师能够理解的每一步棋的输出,而且还要在整个棋局中对他有意义。

仅仅根据棋盘上的坐标得到一块石头的位置是不够的。这样的结果首先要求樊麾先生有很好的可视化和制图能力来翻译棋盘上的这些坐标。其次,它要求我们的围棋冠军有一个真正非常好的记忆。事实上,在几步棋之后,能够想象并记住整个棋局将是一个挑战。

DeepMind实际上使用了所需的执行器,使人类和AI之间的游戏成为可能。

在(B)处,我们有一个显示整个游戏的屏幕。该屏幕也很可能显示人工智能代理每次的行动。然后,在(A),我们有一个人类代理人,他把屏幕上的虚拟游戏转化为现实中的戈班。为了做到这一点,他通过在棋盘上放置相应的石头来复制屏幕上显示的人工智能代理的行动。

注意到这个人(A)的存在是很重要的,尽管这对范辉先生来说可能不是真正必要的,他可以在屏幕前玩。首先,它是一个交流工具,使整个实验对观众来说更充分的理解和有趣。然后,对范辉先生来说,可能更容易在真正的戈壁上玩。从虚拟世界到现实世界的转换是至关重要的。它很可能是真正让人工智能出现和发展的一个重要利害关系。

正如我们上面所举的例子,指定与AI-agent的互动过程,突出了双界面的重要性。

这实际上是DeepMind对其最新人工智能成就之一的构想,我们现在就来谈谈这个问题。

走向看成是一个人

2018年6月,DeepMind解释了它是如何建立一个AI-agent,可以像人类一样感知周围的情况(开放访问; S. M. Ali Eslami等人,"神经性场景表示和渲染“, 科学  2018年6月15日。Vol. 360, Issue 6394, pp. 1204-1210, DOI: 10.1126/science.aar6170)。

"例如,当第一次进入一个房间时,你会立即认出其中的物品以及它们的位置。如果你看到一张桌子的三条腿,你会推断出可能还有第四条形状和颜色相同的腿隐藏在视野之外。即使你不能看到房间里的所有东西,你也很可能能够勾勒出它的布局,或者想象它从另一个角度看是什么样子。"("神经性场景表示和渲染",DeepMind网站)。 

科学家们的目的是创造一个具有与人类相同能力的人工智能代理,他们成功地做到了这一点。

DeepMind使用 "传感器和执行器"

对我们来说最有趣的是,我们在第一部分所描述的正是科学家们建立他们的过程和解决人工智能代理的视觉问题的方式。

他们教他们的AI-agent从外部世界(在这种情况下仍然是一个虚拟世界)获取图像--我们称之为传感器系统--然后通过第一个深度学习算法--表示网络--将其转换成一个结果,一个输出--场景表示。在这个阶段,输出对AI-agent有意义,但对我们没有意义。最后一步代表我们所说的执行器。它是将对人工智能有意义的输出转换为对我们有意义的东西,即 "预测"。为此,DeepMind开发了一个 "生成网络",称为 "神经渲染器"。事实上,就三维计算机图形而言,渲染是将计算转化为图像的过程,即渲染。

下面的截图显示了工作过程(我在原截图上添加了红色的圆圈和箭头)。

下面的视频展示了整个动态。

为AI-agent的视觉开发自主传感器

用DeepMind的科学家的话说,生成查询网络(GQN)的开发是为了创造 "一个框架,在这个框架内,机器学会只用自己的传感器来表示场景"。事实上,目前的人工视觉系统通常使用监督式学习。这意味着需要人类干预来选择和标记数据。DeepMind的科学家希望尽可能地克服这种类型的人类参与。

这里的实验使用了一个 "合成 "环境(同上,第5页)。下一步将需要新的数据集,以允许扩展到 "自然景象的图像"(同上)。最终,我们可以想象,GQN将从现实开始,由人工智能控制的光学设备捕获。这意味着GQN将需要整合计算机视觉方面的所有进展。此外,我们的AI-agent的传感器也将不得不在其环境中移动,以捕捉它所需要的观察结果。例如,这可以通过一个移动摄像机网络来完成,比如那些被越来越多地安装在城市中的摄像机。同样由人工智能控制的无人机可能会补充传感网络。

改进AI-agent的视觉执行器

研究人员还将需要改进执行器(同上)。DeepMind的科学家建议,生成性建模能力的进步,如通过生成性对抗网络(GAN)取得的进步,将允许走向 "自然的场景渲染"。

同时,GANs可以导致重要的进步,不仅是视觉表达,而且是人工智能代理的 "智能"。

当GANs训练表示视觉输出时,它们似乎也发展了将类似的物体单独分组的能力,这些物体被研究人员称为 "概念"(Karen Hao, "一个神经网络可以学习把它看到的世界组织成概念--就像我们一样“, 麻省理工学院技术评论,2019年1月10日)。例如,GAN可以 "将树的像素与树的像素分组,将门的像素与门的像素分组,而不管这些物体在训练集的照片中如何改变颜色".它们也会 "在具有乔治亚建筑风格的砖房上画出乔治亚风格的门,或在哥特式建筑上画出石门。它还拒绝在一片天空上画任何门"(同上)。

在语言研究领域也有类似的动态。

使用虚拟机械臂作为执行器

在一个相关的实验中,DeepMind的研究人员用一个深度强化网络来控制一个虚拟机械臂,而不是初始生成网络(Ali Eslami等人,Ibid., p.5)。GQN首先训练代表其观察结果。然后,它训练控制合成机械臂。

在未来,我们可以想象一个真正的机器人手臂将取代合成的手臂。因此,"最终执行系统 "将成为虚拟世界和现实之间的一个接口。

人工智能是世界之间的一个序列

现在让我们概括一下我们对传感器和执行器的理解,或者说对AI输入和AI输出的界面的理解。

在现实中插入人工智能意味着把它看成一个序列

我们可以把涉及人工智能代理的过程理解为以下序列。

环境 -> 感知环境(根据任务) ->
做一个任务-->输出一个人工智能可理解的结果-->根据任务和互动的行为者来表达结果

新活动的出现

这个序列以及关于GAN执行器的细节表明,如果想把人工智能完全融入现实,实际上需要不止一个人工智能代理。因此,执行人工智能代理的开发将涉及许多团队和实验室。

设想未来的生产链

因此,在人工智能领域可能会出现新型的经济活动和功能。特别是,我们可以有正确的操作序列的组装。同样,最初设计正确的架构,跨类型的人工智能代理和子领域可能成为一项必要的活动。

依次分解人工智能的整合,让我们开始了解未来的生产链。因此,我们可以想象能够和将要出现的一系列经济活动。这些活动将远远超出目前对信息技术或消费者分析的重视,而这正是大多数人工智能的早期采用者迄今为止所青睐的(德勤,"企业中的人工智能状况“, 2018).

令人眼花缭乱的可能性倍增

此外,人工智能序列的定制可以根据需要进行调整。我们可以想象,各种执行器系统可以被添加到一个序列中。例如,对于使用我们第二个案例研究的AI-agent来说,一个可以理解的 "场景表现 "可以被表达为一个现实的视觉渲染,一个叙述和一个机器人的动作。我们在这里更接近于感官刺激会在我们人类身上引发一系列可能的反应的方式。然而,与人类世界相比,如果加上云,那么 "场景表现 "的各种表现形式可以根据可用的通信基础设施,位于地球和空间的任何地方。

所涉及的可能性和组合是惊人的,令人眼花缭乱。我们将在接下来的文章中探讨正在创造的不可思议的可能性。

走向重新定义安全的需要?

改变了我们的现实

就危险而言,如果我们开始只依赖或主要依赖一个由人工智能序列感知、理解、然后表达的世界,那么我们也为改变我们的现实打开了大门,这种改变可能比我们使用自己的感官更容易做到。例如,如果一个人依靠人工智能代理序列来识别和感知离我们所在的地方几英里远的外部世界,那么一个无意的问题或恶意的意图可能意味着我们收到了错误的现实的视觉表现。在没有树的地方可能会设置一棵树。结果是,一辆自驾车,试图避开它,可能会走出道路。在人工智能世界中,用户对现实的这种表达方式的行为是有意义的。然而,在它之外,它将是反复无常的。

演员们可以用一种以前从未想过的方式创造诱饵。想象一下 坚韧行动在第二次世界大战期间,盟军在1944年的入侵地点方面欺骗纳粹的行动,是以多个人工智能序列的力量组织的。

事实上,正是我们的现实,因为我们习惯于看到它通过照片来表达,可能会以一种我们的视觉感官无法直接掌握的方式而变得改变。

破坏了世界网络?

在这里,我们还需要考虑宣传和现在所谓的 "假新闻 "的传播,最重要的是 "假互联网 "的传播,正如马克斯-雷德在 "中国 "一书中巧妙地解释的那样。互联网有多少是假的?事实证明,很多都是这样的” (智能化报》杂志,2018年12月26日)。假设 "虚假的一切 "的传播信号确立了广泛的恶意,那么再加上人工智能代理的力量,可能会打破世界网络。其影响将是巨大的。为了避免这样的灾难,行为者将不得不制定非常强大的法规,并支持和传播新的规范。

人工智能完全重新定义了安全可能被破坏的方式,因此必须进行防御。

根据不同的现实情况,整合人工智能代理。虚拟-虚拟和虚拟-物质

从虚拟世界到虚拟世界

当人工智能代理的环境和其他演员是虚拟的,那么这个序列--在某种程度上--更容易建立。事实上,一切都发生在一个具有独特性质的世界里。

然而,恐惧和了解的需要很可能意味着人类会在序列的不同点上想要控制。因此,将虚拟世界转化为至少是人类可以感知的东西的方法可能会被引入。这将提高发展的复杂性。

从虚拟到物质

当环境是真实的,当AI-agent和人类之间发生互动的时候,这个顺序就变得更加复杂。双胞胎界面必须成为两种不同类型的世界--数字和现实--之间的桥梁。

实际上,如果我们通过这些镜头来观察深度学习生态系统及其自2015年以来的演变,研究人员将其最初的大部分努力用于创建能够 "完成一项任务"(播放、分类、贴标签等)的AI-代理。同时,科学家们首先开发了使人工智能代理能够理解现实世界的方法。同时,所开发的执行器系统对人类来说是可理解的,但它们仍然大多是虚拟的。

在现实世界中表达虚拟世界方面的滞后 - 视觉AI-代理人

例如,现实世界被转化为数字照片,AI-agent通过深度学习算法识别这些照片。人工智能将以人类理解的方式对它们进行分类或标记。例如,人类很容易理解文字,或显示在屏幕上的图像,这些都是序列中执行器部分的结果。然而,这种输出仍然是虚拟的。如果我们想进一步改进,那么我们必须创造和使用其他设备来加强或缓解从虚拟到现实的界面。物体识别也是以类似的方式进行的。

在与视觉人工智能相关的工作方面,我们可能会想,我们在给人工智能代理提供视觉方面的进展是否比在以对现实世界中的人类足够有用的方式使用这种视觉方面的进展更大。

从虚拟到现实,感应比表达更先进?

在中国,声音识别也有类似的过程(Joseph Hincks," ")。中国正在创建一个公民声音的数据库,以提高其监控能力。报告“; 时间, 2017年10月23日)。 数据分析也是一种向人工智能代理机构解释的方式,根据各种标准,互联网用户是什么。传感器收集数据,例如从管道(例如(Maria S. Araujo和Daniel S. Davila,"机器学习改善石油和天然气监测",2017年6月9日。 谈论能源领域的物联网》。裘-奥夫斯塔斯,"大数据和机器学习用于预测管道的腐蚀情况",2017年6月12日,DNV GL)或来自飞机的飞行,或来自任何实际的东西,都是使世界对具有特定设计的算法的理解的方式。

然而,我们在开发人工智能代理的虚拟世界和人类的现实之间的接口的执行器方面是否取得了类似的进展?或者,是否我们确实改进了整个序列,但进展仍然限于虚拟世界?在所有情况下,在安全、政治和地缘政治方面的影响是什么?

这就是我们接下来要看到的,特别是要看看物联网、机器人和人类,作为人工智能的潜在执行系统。


*最初,我使用了 "表达者 "这个词,而不是 "执行者 "这个适当的词。感谢 Teeteekay Ciar 帮忙找找看。

特色图片。美国陆军图形由Sonya Beckett,CERDEC NVESD - 公共领域 - 来自Aris Morris, 2018年1月9日。 陆军ALT杂志科学和技术。

战略前瞻与预警分析

战略预测与预警(SF&W)是在一次 过程 和分析。

我们所说的SF&W分析是指所有的方法和相关的问题,这些方法和问题可以发展出基于现实的理解,从而产生最佳的预测产品,对决策者和政策制定者执行他们的任务是有用的(要在给预测活动的无数标签中找到你的方式,见 情报、战略远见和警告、风险管理、预测或未来主义? (开放访问/免费)和 当风险管理遇到SF&W).

大的SF&W分析方法可以被看作是以下步骤,使用各种方法,特别是面对每个阶段的具体挑战。

战略展望和预警分析方法,展望分析,情景模拟

一个好的书目是第1步所涉及的典型部分,此外还必须加上一个持续的扫描,就像用什么来做一样。 红色(团队)分析周刊.A 更详细的讨论 第1步和第6步的内容可以在扫描和监控部分找到。

这里介绍了第二和第三步所使用的方法的摘要,并对动态网络进行了映射 第一部分 & 第二部分;其次是 确定标准:重新审视的影响分析; 动态网络中的变量、数值和一致性最后 用 "自我网络 "构建展望情景的叙述方式.

Everstate的编年史 是一个早期的实验,体现了绘制问题地图的一种方式,以及如何利用自我网络来发展叙述。我们的在线课程。 从过程到创建你的分析模型... 着重于模型的创建,因此在这些步骤中最基本的部分。

场景及其指标的例子如下 叙利亚利比亚.此外,就利比亚而言,我们详细介绍了评估每种情况的可能性的方法。叙述的另一个例子可以发现 这里.

这些步骤也将在以下章节中讨论 评估未来的安全威胁在这里,我们以具体的全球地缘政治问题、风险和不确定性为案例,分享我们对方法论的最新见解和展望。

我们监测的公共部分--第6步--是通过以下方式对各种问题进行监测的 符号以及通过 周刊(两者都是开放性的/免费的)你也可以在我们的网站上找到工作中的监测 地平线扫描板 (开放访问/免费)。此外,这些现实生活中的迹象允许检查方案的有效性,并在必要时更新用于每个问题的模型。

最后,监测是必要的,甚至是关键的,以确定新出现的问题(关于步骤1的反馈)。

预见未来并为之做好准备的视觉化步骤

战略预见和预警,或者更广泛的预见,是一个以可操作的方式预见未来的逐步过程。

下面显示的图形理想类型过程是十多年来与预测系统合作的结果,从为援助机构预防冲突的早期预警系统到与安全和情报机构及从业人员的战略预警和战略预见。它考虑了通过委托报告和关于这个主题的教学进行的太多研究。

它更特别适应于全球安全、外部风险、政治和地缘政治风险和不确定性。事实上,所推荐的过程是建立在中央行政管理和战争、国际关系、政治科学、分析和政策规划等领域的二十多年的经验之上。

预见,警告,过程,战略预见和警告

Red Team Analysis Society网站的架构就是按照这个流程建立的。每个部分都努力逐步解决每一步遇到的各种挑战,解释和应用各种可能的方法和工具,最后提供现实生活中的战略预见和警告产品。

另见。

———

特色图片。斯坦利-库布里克在阿姆斯特丹EYE Filminstitut Netherlands的展览--The War Room (Dr. Strangelove or: How I Learned to Stop Worrying and Love the Bomb)--作者:Marcel Oosterwijk,来自荷兰阿姆斯特丹 [CC-BY-SA-2.0 (http://creativecommons.org/licenses/by-sa/2.0)], via Wikimedia Commons

战略远见方法论

我们所说的战略远见方法,是指这部分的一般 战略预见和预警方法 着重于预见性分析。换句话说,它是一种没有预警部分的一般方法。因此,它包括:

  • 界定问题
  • 第1步:探索性阶段
  • 第3步--构建情景
  1. 确定标准:重新审视的影响分析;
  2. 动态网络中的变量、数值和一致性;
  3. 用 "自我网络 "构建展望情景的叙述方式:这种方法是以 Everstate的编年史 - 它可以在分析者在发展其叙述时面临障碍的情况下作为指南和退路。然而,实际上,用自我网络建立一个完整的叙事,对于一个分析家来说可能太费劲了,无法系统地使用。如果人工智能被应用于SF&W,那么,可能,它可以从自我网络的方法中受益。
ZH