前沿動態

前沿動態

美智庫發布《人工智能與國家安全》報告

2017年7月，美國哈佛大學肯尼迪學院貝爾福科學與國際事務中心發布了題為《人工智能與國家安全的報告》，分析了人工智能（AI）技術對國家安全的潛在影響，并提出了3個目標和11個發展建議。

報告認為，過去5年，AI領域研究取得遠超預期的重大技術進展，主要得益于機器學習子領域的快速發展。大多數業內專家相信AI將持續甚至加速進步。AI對國家安全起到至關重要的影響。AI的發展將通過變革軍事優勢、信息優勢和經濟優勢等三方面影響國家安全。在軍事優勢方面，AI的進步將催生新的軍事能力，同時使更多的軍事行動參與者可應對當前的軍事挑戰；在信息優勢方面，AI將極大提升數據收集與分析能力，并提升產生數據的能力；在經濟優勢方面，AI的進步將引發新的市場變革。

1. 經驗教訓

報告通過分析核武器、飛機、網電攻防和生物技術四個變革性軍事技術案例，提出AI發展應注意的5個經驗教訓：

（1）突破性技術變革將引發激進的政府政策；（2）軍備競賽有時不可避免，但可以設法控制；（3）政府必須對相關的商業活動采取既促進又限制的措施；（4）政府必須針對技術安全形成規范化的目標并提供適當的資源；（5）在技術發生變化時，美國的國家利益也在發生變化。

2. 建議

報告以“整個政府”為框架，針對關于AI技術的美國國家安全政策提出了3項目標及11點建議。

（1）目標1：保持美國的技術領先地位

建議1：美國防部（DoD）應開展聚焦于AI的軍事演習，以確定潛在的顛覆性軍事創新。

建議2：DoD應資助多種形式的、長期的關于AI技術及其應用的戰略分析。

建議3：DoD應有限考慮支持能帶來持續利益和降低關鍵風險的AI研究與開發工作。

建議4：美國國防和情報機構應該重點投資在攻防兩端“反AI”的能力。

（2）目標2：支持和平利用AI技術

建議5：國防高級研究計劃局（DARPA）、情報高級研究計劃局（IARPA）、海軍研究辦公室和國家科學基金會應增加與AI相關的基礎研究的經費支持。

建議6：DoD應提出關于軍民兩用AI能力的信息需求（RFI）。

建議7：In-Q-Tel公司（負責為美國中央情報局做風投的公司）應提供額外的資源用于提升國家安全部門與商用AI公司間的合作。

（3）目標3：災難性風險管理

建議8：國家安全委員會、DoD與國務院應清楚AI應用對美國的潛在影響，并制定限制條款。

建議9：DoD和情報部門應當建立專門的AI安全組織。

建議10：DARPA應針對AI系統的失效保護及安全使用技術提供研究經費支持。

建議11：美國國家標準與技術研究院（NIST）和美國國家安全局（NSA）應探索應對基于AI的偽造技術的方法。

ITU發布《全球網絡安全指數2017年》

2017年7月5日，國際電信聯盟（ITU）發布《2017年全球網絡安全指數》（Global Cybersecurity Index，GCI），對各國在應對全球網絡安全問題上的承諾和行動進行了全面衡量。報告評估顯示，新加坡在全球193個國際電信聯盟成員國中排行第一，其他前十國家包括：美國、馬來西亞、阿曼、愛沙尼亞、毛里求斯、澳大利亞、格魯吉亞、法國、加拿大和俄羅斯。中國得分為0.624，位于全球第32位。

GCI圍繞ITU的“全球網絡安全議程”及五大領域（法律、技術、組織、能力建設、合作），對每個領域制定了評估問題，通過與專家磋商，對這些問題進行加權，最終得到整體得分。結果顯示，在五個領域全部獲得高分被列入“處于領導地位階段”的國家有21個，處于“成熟階段”的有77個，95個則處在剛開始采取對策的“初期階段”。

報告稱，全球只有38%的國家發布了網絡安全戰略，另有12%的國家還在制定相關戰略的過程中，這意味著全球大多數國家仍然沒有清晰的網絡威脅應對策略，不利于防范相關風險。調查還發現，不是國家越富裕，其網絡就越安全；許多富國的網絡防御漏洞百出，而一些窮國的經驗卻可供富國借鑒。

日本專利報告分析第四次產業革命相關技術發展趨勢

物聯網（IoT）、人工智能（AI）、大數據等技術的發展引發了第四次產業革命，為擴大國家的產業競爭力創造了絕好的機遇，知識產權制度的重要性也與日俱增。2017年6月29日，日本專利局發布了《2017年專利行政年度報告》，在特集部分總結了日本專利局針對第四次產業革命采取的一系列措施，其中包括針對與第四次產業革命相關的技術開展專利申請動向調研。

報告認為，IoT是第四次產業革命的核心，2016年日本專利局針對6項相關技術開展了調研，下面將簡要介紹其中3項技術的調研結果。

智能制造技術

以智能制造技術為首，IoT在工廠中的使用到2025年有望創造出最大3.7萬億美元的經濟效益。就智能制造技術整體而言，日本的申請量最多，占據總申請量的40%以上。美國有兩項技術的申請量居首：一是工廠多層模型中使用的跨層數據傳輸技術，即從傳感器直接向企業資源規劃（ERP）層或制造執行系統（MES）層傳輸，二是作為工廠數據分析手段的AI利用技術。日本應針對以下方向采取相關措施：開發跨層數據傳輸技術，實時高效收集必要的信息以便管理層能運轉PDCA管理循環，以及充分利用AI等先進信息處理技術。

面向LTE-Advanced和5G的移動無線通信系統

作為IoT的基礎技術，通信技術的研發十分活躍。速度和容量是當前移動無線通信系統LTE-Advanced面臨的主要挑戰，是通信技術研究的重點，專利申請一直持續不斷。隨著IoT等新應用的發展，與下一代移動無線通信系統5G相關的低延遲技術、終端間通信技術等研究備受矚目，申請量逐年大幅增加。日本今后也應關注新興應用，并致力于與這些應用相關的技術的研發。

云服務

SaaS在云服務中擁有最大的市場規模。就全球SaaS市場（2015年）的企業銷售份額來看，IBM以19%的份額位居第一，第2至5位分別為Salesforce（8%）、微軟（6%）、甲骨文（3%）、SAP（2%）。這5家企業的市場占有率相加仍未達到40%，可見SaaS市場并未出現寡頭壟斷的情況，適合中小企業、初創企業新加入。

作為基礎技術，云服務應用于各種行業。特別是電力/燃氣、制造、運輸、醫療/福祉等4個行業，專利申請出現增長趨勢，且由于申請數超過一定量，可以預見云服務在該這些行業的應用前景。從功能來看，“機器監控”的專利申請呈現增長趨勢，且適用于多種行業。“機器監控”還與IoT傳感技術關系密切，其未來的應用范圍有望繼續擴大。此外，AI的應用備受期待。尤其是在上述4個云服務應用行業，針對AI應用的研究和開發備受期待。

歐盟新項目擬開發模塊化超算架構

歐盟于2017年7月啟動的超算研發項目DEEP-EST旨在開發模塊化超算架構，以滿足多樣化應用程序的需求，并使這些程序運行時能最大程度地利用可用的資源。

這一創新的架構創建了一個耦合各種計算模塊的獨特高性能系統，每一模塊的硬件特性都是針對特定組別的應用定制。模塊化超級計算機不同于當前方案之處在于，所有模塊同時工作，如同單一系統一樣。它們通過高速網絡相連，最重要的是，它們擁有同一的操作軟件并運行單一的編程環境。這使一個應用能分布在幾個模塊上，并選擇最合適的硬件運行代碼的不同部分。

DEEP-EST系統軟件，尤其是特別改寫的“資源管理器”和“調度程序”使其可以同時運行多樣化應用的混合，最好地利用模塊化超級計算機的資源。調度程序和資源管理器的工作方式類似于“俄羅斯方塊”，它們將不同形狀的代碼置于硬件上，使其不存在“空洞”（空閑資源）。當一個應用使用完部分節點，這些節點會被立刻釋放并配置給其他應用。

DEEP-EST整機（包括硬件和軟件組件）采用6個不同科學應用一組的“協同設計”方式開發，這些應用涉及神經科學、分子動力學、射電天文學、空間天氣、地球科學和高能物理領域。它們的需求將體現在硬件模塊及軟件棧的設計中。一旦樣機安裝、軟件開始運行，應用程序將在樣機上運行，展示模塊化超算架構在實際科學應用方面的優勢。

該項目為期3年，以此前的DEEP和DEEP-ER項目為基礎，并獲得了歐盟H2020計劃近1500萬歐元的資助，由德國于利希超算中心牽頭，共有來自9個國家的15家產學研機構參與。

（責編：楊潔）（中國科學院成都文獻情報中心信息科技戰略情報團隊編譯）