人工智能与北极（英）

北部2022年12月连接 人工智能和北极 北极地图具有误导性。该地区的广阔并没有完全体现在两个维度上：北极圈传播在大约1450万平方千米(公里2),一个更大的面积比世界上任何国家都多，除了俄罗斯。这个事实不仅是微不足道的;它对居住在那里的社区、监测它的军队以及寻求更好地预测即将到来的全球影响的科学家的福祉产生了严重影响。 气候变化。为了很好地履行其职能，这些参与者中的每一个都寻求工具来弥补或克服这些遥远的距离，以及使北极持续存在如此具有挑战性的恶劣环境。这些社区——其中一些已经在北极生活了几十年，另一些已经在北极生活了几个世纪——开始明白人工智能对于监测该地区和预测该地区的变化可能至关重要。 在本期《北方联系》中，作者探讨了这一新工具对国家安全和气候研究的影响。这两篇文章都说明了政府 、科学家和土著社区如何使用人工智能/机器学习（AI/ML）来更好地了解关键的北极问题集，特别是那些涉及解析大量数据或复杂且不断变化的未来场景的问题集。与此同时，两人都指出，AI/ML虽然具有巨大的潜力，但尚未完全得到证实。在某些情况下，缺乏资金阻碍了AI/ML的稳健部署;在其他情况下，它必须与更成熟和正统的方法竞争。 在第一篇,海军少校迈克尔·贝耳俾的加拿大武装部队列出了加拿大在极北地区使用AI/ML执行其领域意识任务的初期努力。他解释了该地区独特的物理挑战，以及仅使用载人资源来监测它的不足之处，因为这些资产和 涉及的遥远距离。被动和主动传感器是补偿这一现实的手段，但正如Bielby中校指出的那样，这产生了一个新问题：数据的“洪水”，人类操作员并不总是能够快速（足够）区分可能是敌方船只和可能只是天然碎片。他认为AI/ML很可能是这个谜语的答案。 LILLAN和罗伯特·d·斯图亚特·JR.)中心 在欧洲-大西洋和欧洲北部的研究 第二个因素是莉莉安博士Alessa“医生”,北极和情报专家，国家气候评估小组成员。Alessa博士质疑AI/ML在研究北极永久冻土融化方面的适用性，北极永久冻土是北半球25%的基础。气候变化导致永久冻土融化的速度不仅对当地的北极社区造成严重后果，而且 整个世界。Alessa博士认为，特别是如果与这些当地社区的知识相结合，人工智能生成的模型将使政策制定者能够更好地了解永久冻土融化，并根据各种干预或适应策略测试不同的融化情景。 军事影响：北极的人工智能 迈克尔·贝耳俾 每个国家的责任是通过保护其确定的领土不受外国入侵来行使其主权。 要做到这一点，国家必须了解这些物理空间内发生了什么。它必须具有域意识。对于一个数字的原因,这是非常 乔纳森NACKSTRAND/法新社通过盖蒂图片社 在遥远的北方地区具有挑战性。近年来，加拿大和其他北极国家越来越多地考虑如何开发和部署 AI/ML工具，以应对这一领域意识挑战。 约占加拿大陆地面积的40%，约350万公里2，位于北纬60°以北。与北美，欧洲和俄罗斯的大多数有人居住的北极地区一样，它的人口很少-就加拿大而言，不到120，000人，或每约26公里不到一个人2.可以理解的是，很难产生国家在这片偏远领土上行使主权所需的必要水平的领域意识。显而易见的解决方案是在国家行为者突破领土边界之前开始产生这种意识-换句话说，在海上发现它们。 这带来了一个全新的问题，因为加拿大60°以北的专属经济区占地约400万公里2.使用载人资源监测如此广阔的区域的经济和后勤可行性将足够繁重，但考虑到加拿大北部的恶劣气候，缺乏合适的现有基础设施 ，以及基础设施开发项目受到供应链问题和缩短建设季节的困扰，提高海域意识的任务在财务和后勤上变得站不住脚。为了进一步加剧这个问题，还需要适合执行这项任务的有限载人资源来提供 人工智能和北极|2 对海外任务的类似战略影响。因此，目前对加拿大来说，唯一可行的选择是使用天基情报、监视和侦察（SB-ISR）能力。 考虑到使北部水域的海上活动复杂化的各种因素，例如海况（高海况导致海浪和在零下温度下上层甲板上的冰堆积，这可能会影响船舶稳定性并可能导致船舶沉没或倾覆）、冰山以及船舶的不同结构 这些水域-没有一种SB-ISR传感器类型是灵丹妙药。有源传感器可以检测到物体的信号回波（例如，金属反射信号比玻璃纤维更好），但不一定能区分船舶和小冰山，而无源传感器只需关闭发射器即可击败 。因此，有源和无源传感器的混合确保了更大的检测接触的可能性。然而，在解决一个问题时，会产生另一个问题：多个传感器馈送会产生大量位置数据。结果是，北极运营商淹没在SB-ISR传感器的大量数据中，同时渴望域感知。 如果数据框架的泛滥大数据问题，有四个变量需要考虑：数量、品种、速度和准确性。来自北美和北极进近的各种传感器馈送的海事位置数据每天超过数千万份报告（数量），以各种结构化和非结构化报告格式（种类）接收，并持续到达（速度）。系统操作员无法跟上SB-ISR传感器数据流的速度，同时执行必要的质量控制功能（准确性），同时监控异常行为，因为不良行为者试图利用各种间隙灰色区域。 以接收数据的速度关联数据量和种类的唯一方法是采用AI/ML。这项技术不仅可以解决操作员的问题，而且在机器对机器的速度下，将能够根据接收到的数据交叉提示其他传感器，从而提高实现积极识别和随后区域感知的可能性。 加拿大武装部队（CAF）在采用和实施AI/ML以支持海域意识方面仍然有些新来。然而，加拿大皇家海军的创新团队最近试用了一种先进的海域感知软件，该软件使用AI/ML来检测水面舰艇交通异常。此外，加拿大皇家空军作为CAF太空职能机构，拥有 将AI/ML要求纳入目前正在进行的许多SB-ISR项目中。鉴于CAF项目审批过程的复杂性，其中许多解决方案的实施还需要几年时间。 在此期间，CAF最有效的AI/ML缓解策略是重振跨国伙伴关系，如五眼情报联盟，以及（重新）建立盟国和加拿大政府内部伙伴部门之间的信息共享协议。共享数据后，接收者可以对其进行处理，并将异常行为的任何迹象和警告通知更广泛的运营社区。在国家指挥链内，或根据现有的多国条约，这允许飞机、船舶和 迈克尔·贝耳俾|3 覆盖了大约65%对于俄罗斯北极地区，有必要精确地了解俄罗斯基础设施的变化将在何时何地通过提高国防部自身对高度可变的作战环境的弹性来获得战略优势。了解永久冻土融化的复杂动态及其对国防和安全等战略活动的影响需要利用所有可用的工具，尤其是AI/ML。 这一想法违背了北极研究中根深蒂固的传统，在北极研究中，实地研究是探索黄金时代的代名词。然而，实地研究给当地社区和供资机构带来了沉重的负担，由于投资回报率越来越低，这些机构的成本很高。特别是当与土著人民的本地和基于地方的知识的深厚池相结合时，AI/ML等新工具是提高美国及其盟国应对气候变化能力的更好手段。 然而，北极防御中的复原力概念表达得很差。这是一个经常被过度使用和抛出的战略意图和政策的术语，对不同的利益集团有不同的含义。在这里，它被定义为三种类型的综合系统的能力——（1）社会（人，包括他们的文化和观念）;（2）生态（他们生活的自然环境）;（3）技术（人类组织使用的工具和结构） ——在气候变化的情况下保持所需的功能。要实现，北极复原力必须包括文化和人类行为的社会因素。鉴于许多变量及其复杂的相互作用，将社会和社会系统纳入永久冻土科学比以往任何时候都更加重要。 AI/ML有望及时产生所需的洞察力，以积极主动并成功适应前所未有的CEC速度。对于永久冻土研究人员 、地缘政治战略家和军事规划者来说，一个圣杯是开发数据驱动的场景，在这个场景中，可以预测潜在的威胁和机遇预警。 指导主动干预。AI/ML允许用户获取学科内变量（即规则集）的已知交互，并将其应用于一系列 景观和区域尺度的情景作为一个综合系统。在这些场景中，AI/ML可以处理数据，以可视化当地范围内不同CEC条件和干预措施类型的后果和权衡。将其扩展到永久冻土和防御，AI/ML可以创建有关战略优势可能在何时何地的知识。 获得以及由谁作为CEC影响不同类型的基础设施和生态过程。例如，永久冻土是俄罗斯大部分北极海岸线和该地区基础设施的基础。使用AI/ML对这些影响进行建模可以加快准确衡量的能力，例如，哪些军事基地将面临风险，以及哪些 后果将影响美国及其伙伴和盟国，这可能导致国防规划和外交更加精确。 AI/ML可以在这种情况下使用，因为过去30年的广泛资金已经产生了永久冻土物理学，土壤生物学和建筑行为的规则集。 高度精确的环境。这意味着AI/ML世界可用于缩小到单个结构，从而可以快速改善基础设施、物流和运营的设计方式。然而，缺乏关于人类将如何应对这种变化的知识，例如社区如何。可以举行风险通过并应对淡水资源的损失。AI/ML提供了一个现成的实验室来运行场景和 莉莲“医生”Alessa|5 比过去更快、更经济、更安全地了解权衡取舍。当它被用作加强与不同人类社区接触的工具时，它的价值就会增加。由于它允许多个变量同时运行，并且由于这些序列可以由人类利益相关者实时调整和修改 ，权利的人，它还有助于消除政策制定者和决策者不喜欢的许多不确定性。例如，它可以用来更好地 确定需要建立的关键水源和系统，以保护它们或减轻其损失，以确保其对未来使用的复原力。简而言之，了解永久冻土对关键资源的可能影响，使受影响的社区能够阐明后果、权衡及其处理方法。 值得注意的是，AI/ML不提供答案或解决方案，它只是使应对这些挑战的人类能够提出更好的问题，完善理解，然后一起提出更难的问题。这个周期传统上需要数月或数年的时间，但可以通过AI/ML辅助研究在数小时内完成。事实上，解决快速变化的北极的诸多未知数以及国防和安全弹性路线图的关键是提出正确的问题。使用AI/ML提供了思考和 通过设想合理的未来情景来做不同的事情，在这些情景中，可以与必须实施这些干预措施的人民，特别是当地行为者合作，审查各种适应干预措施。 后一点强调了利用AI/ML的另一个好处：这种提炼问题的过程同时增强了伙伴关系。事实上，有效使用AI/ML的最关键因素之一是与权利持有人和利益相关者的密切合作——最好同时进行——无论他们是当地社区还是军事规划者。与现有观念和知识不一致的模型 在局部尺度上，结果的不确定性更高。换句话说，使用AI/ML来了解永久冻土变化的后果并制定干预措施以建立弹性，这既依赖于工程，也依赖于人类行为。AI/ML是一种关键工具，可将最终用户 、运营商和利益相关者直接带入数据驱动的场景中，在这些场景中，人类的感知、决策和反应可以实时整合，这是在AI/ML构建的世界之外无法实现的。 尽管有压倒性的证据表明人类行为和社会动态是复原力结果的强大决定因素，但工程、人为因素（即人机合作）和生态学方面的学科方法在很大程度上主导了北极永久冻土研究。仅靠这些并不能提供解决北极CEC所需的适应水平，因为适应本身就是一个人的努力，这需要社会科学的整合。 这种适应可以通过利用AI/ML的分析能力来整合手头可用的权威数据来实现，以便识别知识、培训和准备方面的关键差距，并获得对弹性的更精确理解。将北极的永久冻土作为工程问题不会 如果社会动态不是分析的核心，则导致弹性。AI/ML经常被批评为将人类从循环中移除的东西，但它只能通过订婚与合作伙伴-那些必须处理永久冻土变化的后果，特别是淡水系统的丧失-有可能发展 人工智能和北极|6 可以更快地做出决策并查看这些决策效果的准确场景。通过由利益相关者构建和修改的人工智能/机器学习辅助情景，接近北极的永久冻土融化，将导致更有效的政策，并获得针对特定适应情况量身定制的技术。例如 与其试图长距离移动水，这需要大量的燃料，不如针对永久冻土变化的地方设计储水系统。创新往往遇到电阻即使是在最高层，但越来越多的从业者——包括学术界、北极社区、美国政府以及五眼联盟和北约联盟的合作伙伴——认识到需要改变科学方法并鼓励使用人工智能相关工具，例如基于主体建模. AI/毫升显然是一个有用的工具在北极进行永久冻土研究，其他国家正在击败美国。利用它甚至可能导致与北极地缘政治问