陸軍におけるAIと自律型ロボット

AI やロボットについて話すとき、多くの人の頭に最初に浮かぶのは、しばしば「終末後の時代」に猛威を振るい、全世界、さらには宇宙全体を占領する恐ろしく強力な超知能機械です。映画「ターミネーター」は、人々のAIに対する恐怖を典型的かつ具体的に表現したものと言える。映画に登場するスカイネットは、コンピューターベースの人工知能防衛システムであり、映画の中では「人工ニューラルネットワークに基づく集合意識と人工汎用超知能システム」と表現されている。しかし現時点では、AI は SF で描かれているほど凶悪ではないようです。代わりに、AI は多くの面倒で従来は手動で行われていたタスクを実行し、認識から会話、予測分析パターン マッチングまで、自律システムを実現します。

SF映画における誇張された想像力や創造性と比較すると、現実の軍事組織によるAI分野への投資は特に現実的です。人間が既存のタスクをより良く完了できるように支援するという観点から見ると、機械学習と AI の実装はそれほど劇的なものではありません。興味深いことに、機械知能を向上させるプロセスにより、人間は周囲の状況をよりよく理解し、制御できるようになります。

米国陸軍研究所のモビリティおよび移動性に関する AI および機械学習アプリケーション パフォーマンス管理の責任者である John Fossaceca 氏は、最近 AI カンファレンス (AI in Government) で講演し、「AI はさまざまな日常のシナリオにどのように対処できるか」について語り、「米国陸軍の自律型ロボットやその他の機械の将来の開発方向」についても紹介しました。

Q: 米軍は現在 AI 技術をどのように活用していますか?

ジョン・フォサセカ：陸軍は予測保守などさまざまな方法で AI を活用しています。 AI技術は、車が故障する前に関連部品を交換または修理する方法を予測するのに役立ちます。こうすることで、多くのコストを節約し、運用の安全性を向上させることができます。現在、ブラッドレー戦闘車両などさまざまな軍用車両がこの機能を試用しています。

陸軍は大量のデータを保有しており、AI や機械学習技術には一般に大規模なデータのサポートが必要です。たとえば、ドローンから送信されたデータを活用してアナリストが特定の軍事タスクを自動化できるようにするプロジェクト Maven があります。 Maven プロジェクトでは、Google の TensorFlow などのさまざまな標準化された AI ツールと、陸軍内で構築されたカスタム ツールが使用されます。

陸軍はまた、自律走行車、電子戦、信号諜報、センサー融合、拡張現実などを強化するための AI の使用についても積極的に研究しています。 AI は統合全領域指揮統制 (JAD-C2) などのプログラムを通じて戦場での状況認識を向上させ、最終的には軍の意思決定を改善します。

軍隊における AI のもう一つの重要な役割は、より優れた人材管理を実現することです。現在、陸軍 AI タスクフォース (AITF) は、AI テクノロジーを積極的に活用して、作戦の成功に必要な能力と特性を求め、これらの要件に基づいて潜在的な軍事的才能を特定しています。

AIは、戦闘能力開発司令部の一部である陸軍研究所（ARL）における主要な研究分野となっている。 ARL は陸軍内の研究開発センターとみなすことができ、複数の AI 関連プログラムを管理しています。 「機動性と移動性のための人工知能（AIMM）」と呼ばれる基礎研究プログラムを例に挙げてみましょう。その目標は、人間の介入なしに次世代戦闘車両（NGCV）の優れたオフロード性能を獲得する方法を陸軍が考えるように導くことです。これらの次世代インテリジェント車両は、特定の状況や環境条件を推論して最善の行動決定を下すことができるほか、兵士に状況レポートを提供して戦場での状況認識を向上させることもできます。 ARL は他にも多くの重要な研究プログラムを持っており、AI 手法を使用してそれらの革新を促進することを目指しています。これらすべてが将来の陸軍に強力な戦闘能力をもたらすと信じられています。

今後、米陸軍は、陸軍未来司令部が主導するコンバージェンス プロジェクトにおいて、AI 技術を使用して複数のセンサーからの入力データを処理し、戦場の脅威を正確に描写し、目標設定と目標意思決定プロセスを加速します。

Q: 陸軍は AI/ML テクノロジーを導入する際にどのような課題に直面していますか?

John Fossaceca：「商用 AI」は膨大なコンピューティング リソースと大量のデータに依存しており、その中でもクラウド コンピューティング リソースは処理結果をタイムリーに端末に返すことができます。一方、「戦場 AI」はエッジ デバイスによって制限されます。コンピューター プロセッサは比較的軽量であり、戦場の対決環境では通信帯域幅が制限される場合があります。

実際の陸軍のアプリケーションでは、通常、十分なトレーニング データがなく、既存のデータは破損していたり​​、ノイズが多すぎたりすることがよくあります。また、道路、建物、インフラの損傷により、運用環境は動的になり、時には混乱が生じる傾向があります。さらに、複数のソースからの異種データを処理する必要があり、その中には不正なものや敵対者によって操作されたものも含まれています。

現在の AI テクノロジーは非常に脆弱な場合が多く、理想的な動作条件下でも故障する可能性があります。推論能力も、特にリアルタイム推論においては、非常に限られています。導入されているシステムの中には、AI 機能を重視し続けているものもありますが、実際の機能はハードコードされたルールによって制限されることが多く、センサーや他のシステムからの入力を収集して推論や推論を行う機能が欠けており、状況評価を強化することなどできません。

かなりの数の AI 手法は「教師あり学習」（ディープラーニングなど）に依存しています。このタイプのテクノロジーは、通常、超大規模なコンピューティング インフラストラクチャ上で「バッチ処理」形式で数千万、場合によっては数億のパラメータを学習する必要がある巨大なモデルを構築します。明らかに、陸軍にはこれらの制約から解放され、真のオンラインのリアルタイム推論機能を備えたソリューションが必要です。

結局、既存のシステムは完全に自動的に実行することはできず、依然として人間の関与、介入、さらには手動制御が必要であることがわかりました。 2018 年に、私たちはフィードバックを通じた学習の実験を始めました。フィードバックでは、人間の観察者がインテリジェント エージェントに肯定的または否定的な信号を提供します。このようにして、学習時間を大幅に短縮できることを実証しました。私たちはこの研究を「デモンストレーション学習」として拡張し、要約します。このトピックについては後でさらに詳しく説明します。

研究が進むにつれて、私たちは「インテリジェントエージェント」と対話するための自然な方法が必要であることに気づきました。自然な会話ややりとりに加えて、AI には常識が欠けており、世界についての「素朴な推論」能力がないため、多くの問題が発生します。私たちは、AIMM の 2 番目の作業であるコンテキスト認識型の意思決定を通じて、これらの課題に取り組んでいます。

Q: 陸軍は AI / 機械学習プロジェクトにデータサポートをどのように提供していますか?

ジョン・フォサセカ：陸軍と国防総省全体が、AI アルゴリズムに利用可能なデータ リソースを準備するために、大規模なデータ収集とラベル付けを行っています。たとえば、Maven プロジェクトではドローンからのビデオ映像を多く使用します。場合によっては、機密レベルに基づいてデータをラベル付けするためにクラウドソーシング技術を使用することもあります。その他の取り組みには、さまざまな場所から社内データを収集したり、研究パートナーと協力してさまざまな種類の地形データを整理してラベル付けしたりするなど、ARL での内部作業が含まれます。 ARL はメリーランド州にロボット研究共同キャンパス (R2C2) を構え、そこでデータを収集し、さまざまな自律実験を行っています。

国防総省は、Project Maven に加えて、情報分析のための高度なツールも使用しています。これらのプロジェクトのほとんどは、ディープラーニング手法を使用して画像内の特定のオブジェクトを検出することに専念しており、その前提条件は当然、大量のデータをクリーンアップ、整理、ラベル付けすることです。さらに、このプロジェクトでは、研究者がストレージ、アルゴリズム ツールキット、コンピューティング リソース、テスト、展開ツールを使用して AI パイプラインを共同で構築する必要があります。このため、プロジェクト チームは、実験とテスト シナリオ間の一貫性を確保し、ユーザーに使い慣れた環境を提供するために、データ形式の標準を開発する必要があることがよくあります。データ リポジトリ自体も、ユーザーがアクセスできるようにカタログ化される必要があり、その際、リポジトリ内のデータに使用可能な説明が添付されていることを確認する必要があります。軍は、諜報機関がAIの結果を利用するハードルを下げることを目指し、複数のデータベースにわたる情報アクセスを標準化するための一連の取り組みを行ってきた。

Q: 陸軍は移動目標を達成するために自律走行車をどのように活用していますか?

ジョン・フォサセカ: 陸軍のロボット工学および自律システム (RAS) 戦略において、ダニエル・B・アリン副参謀総長は、「RAS の統合は、将来の統合軍の重要な一部である米陸軍が敵を倒し、地形を制御し、人々を守り、利益を統合する能力を獲得するのに役立つだろう。RAS はまた、将来の陸軍部隊が複数の分野での戦闘作戦に統合され、陸から海、宇宙、ネットワークなどの複数の空間に力を投射し、統合軍の運用と作戦の柔軟性を共同で維持するのに役立つだろう」と明確に述べている。

RAS 戦略によれば、「RAS の効果的な統合により、米軍の高強度作戦の持続能力が向上し、敵の効果的な対応を阻止できる。陸軍は独自の RAS 能力の構築にさらに力を入れなければならない。これは、敵とのスピードを競う RAS 軍拡競争である。いったん遅れをとると、敵は一連の新しい戦略を採用して米軍の優位性を損ない、米軍システムの欠点を知ることになる。」

RAS戦略のビジョンを実現するには、自律走行車は兵士の死傷リスクを軽減しながら「機動の自由」を確保できなければなりません。これには、人間と機械の自律的なコラボレーションが必要です。車両は単なる武器ではなく、戦場でのチームメイトになります。これらの「統合された人間と機械のチームは、軍隊が曖昧な状況で探索し、適応し、戦い、そして最終的に勝利するのを助けるだろう。」

AI テクノロジーは、間違いなくこれらのインテリジェントな自律システムの主要な推進力の 1 つです。陸軍は、敵も自律システムを使用するという事実にも直面しなければならない。自律性のレベルが高まり続けるにつれて、ロボットの自律システムは通信リンクに依存しなくなります。干渉と伝送容量の制限により、戦場の状況下では通信リンクが保証されることはほとんどありません。

優先的な観点から、RAS 戦略では、短期的に状況認識を改善し、兵士の身体的負担を軽減することを目指しています。中期的に見ると、自律走行車の運用は戦場の状況を維持するだけでなく、兵士の援護にも役立つでしょう。最終的には長期的には、自律走行車が高度な戦術を実行する能力を獲得し、「旅団戦闘チームの能力を強化する」ことになるだろう。

Q: 自律走行車やデバイスの研究にはどのような特有の環境的課題が影響するでしょうか?

ジョン・フォサセカ：複雑な地形や構造化されていない環境に加えて、敵は陸軍の作戦環境に予測不可能な影響を及ぼす可能性もあります。陸軍の研究は、いわゆる「戦術的行動」、つまり自律走行車は具体的にどのような形態をとるべきか、2つの軍隊の対決で自律走行車はどうすれば優位に立てるか、自律走行車は敵に発見されることなくどう行動できるか、に特に焦点を当てている。陸軍はこれについて徹底的な研究を行っており、次世代の戦闘車両が渡河ルートも含めたあらゆる潜在的なルートを推測できるように取り組んでいる。

Q: ARL の自動運転車に関する研究は民間産業の研究とどう違うのでしょうか?

John Fossaceca: 陸軍の戦闘環境では、大規模で軍事関連の、明確にラベル付けされたデータを受け取ることが難しい場合が多いため、ARL は常に AI アルゴリズムに細心の注意を払い、従来の教師あり方式よりもデータへの依存度がはるかに低い新しい道を模索したいと考えています。これに対応するため、陸軍はシーンのセグメンテーションなどのユースケース向けに「教師なし方式」を開発し、データの自動ラベル付けを実現することを目指している。

しかし、このような方法では現時点ではまだ多くの計算能力が必要であり、自動運転車でリアルタイムに処理を完了することは困難です。この問題を解決するために、陸軍は、コンピューター アーキテクチャとアルゴリズムの研究を専門とするコンピューター科学者を数名招聘し、自律走行車がサポートできるプロセッサーのサイズと電力の制約内で高度な方法を通じて陸軍が望ましい結果を達成できるように支援することを目指しました。

陸軍は明らかに、民間部門では想像もつかず、まったく解決できない独特の技術的課題に直面しています。商用の自律走行車は、運用環境における破壊的な要因をあまり考慮する必要がありません。人員、障害物、さらには予期せぬ出来事に加えて、軍事作戦は、危険で複雑な地形や敵が仕掛けたさまざまな脅威の罠など、極めて不確実な環境で行われることが多いからです。

最初の例は遠隔操作され、陸軍は遠隔操作の過程で徐々にそのような車両の操作方法を理解し、戦場でロボットを使用する方法を学ぶことになる。これを踏まえて、どのような自律的な行動を育成すべきかを考えていきます。最終的に、次世代の戦闘車両は、現場で学習し、状況に適応し、推論し、マルチドメイン戦闘ミッションをサポートするために効果的な行動をとる能力を備えることになります。

Q: AI の課題に直面した経験はありますか?

John Fossaceca: 最近の陸軍の研究では、人間のデモンストレーションとフィードバックを活用した深層強化学習技術が成功を収めています。これらの新しい方法の成功により、新しいタスクについてシステムをトレーニングするために必要な時間が大幅に短縮されました。

人間によるデモンストレーションを用いた他の研究では、限られた例であっても、戦場での再訓練を通じてある程度の有用性を達成できること、さらにはリアルタイム学習の可能性もあることが示されています。これらの技術は転移学習と組み合わせることもできるようです。転移学習とは、ある一連の条件下で学習し、モデルの結果を最初から再トレーニングすることなく別の新しい一連の条件に適用する学習です。

Q: 米陸軍は将来の戦場と兵士がどのようになると考えていますか?

ジョン・フォサセカ：米軍の見解では、将来の戦場には無人編隊が出現し、その速度は現在の人員編隊よりもはるかに速くなるだろう。目標の 1 つは、自律システムが地域やルートの偵察を行い、敵を発見または交戦し、兵士に防御支援を提供できるようにすることです。

Q: 陸軍の将来のビジョンにとって AI テクノロジーはどの程度重要ですか?

John Fossaceca: AI テクノロジーは、将来のマルチドメイン運用を成功に導く重要な原動力となるでしょう。元陸軍長官で現国防長官のマーク・エスパー氏は、「AI を使いこなせれば、アメリカ国民をよりよく守ることができるだろう。将来の戦場で勝利するためには、自国の軍隊や資源へのリスクを最小限に抑えながら、敵よりも速く動く必要がある。これを最初に達成した者が、今後数年間、戦場で決定的な優位性を維持するだろう」と述べている。

ライアン・マッカーシー現陸軍長官は、クラウドベースの技術と機能が「AIを最大限に活用する」ための中核的な要素になるだろうと述べた。マッカーシー氏は、AI技術の発展を促進するためにクラウドインフラの全面的な導入を推進したいと考えている。

Q: 陸軍は AI 技術の倫理的かつ責任ある使用についてどのような見解を持っていますか?

ジョン・フォサセカ：米陸軍と国防総省はAIの倫理問題に細心の注意を払っており、昨年10月に「人工知能の倫理的使用に関する勧告」の草案を提出した。これらの規則は米軍にも適用されます。米軍は、すべての AI システムを管理する担当者を確保するために、優秀な人材を採用する予定です。

陸軍の AI タスクフォースには、AI 倫理ポリシーの策定に協力する倫理担当官もいます。 「システムはデータを素早く処理して答えを出すことはできるが、文脈は提供できない」とライアン・マッカーシー陸軍長官は語った。「実際の文脈に基づいて判断できるのは人間だけだ」

Q: 軍隊が十分な AI 関連の人員と戦闘要員の予備力を確保するために、どのような対策を講じていますか?

軍隊内で AI 関連のトレーニングや教育プログラムが進行中ですか? John Fossaceca: ARL と陸軍は、学生の教育費の支払いに役立つインターンシップの機会や SMART 奨学金を数多く学生に提供しています。その代わりに、学生たちは一定期間陸軍で働くことになります。 ARL は、博士課程修了者をポスドク研究員として雇用し、最先端の研究分野に参入させています。最終的には、ポスドクの一部が社内従業員になるでしょう。現在、人工知能は研究開発の中心的な方向となっているため、陸軍はこの分野の専門知識を持つ科学者やエンジニアを徐々に増やしていく予定です。

Q: 兵士が自律システムやロボットとの連携に適応できるようにするために、どのような取り組みを行ってきましたか?

ジョン・フォサセカ氏：先ほどお話ししたさまざまな自律システムはまだ開発中なので、現時点では、兵士がこれらの自律システムに適応できるようにするために、訓練環境でシミュレーション技術を使用することしかできません。陸軍はまだこの取り組みの初期段階にあるが、再構成可能な仮想集団訓練装置（RVCT）や、シミュレーションデータを使用してさまざまなリハーサル任務を実行できる地上および空中プラットフォームなどのいくつかのプログラムを進めている。

現在の訓練作業のほとんどは、兵士に臨場感あふれる訓練体験を提供するために、「インテリジェントな半自律システム」と「自律システム」のシミュレーションに重点を置いています。兵士たちは、これらの合成訓練環境 (STE) で仮想の敵と競います。これらの仮想の敵は、敵が行う可能性のある選択や合理的な認知レベルをシミュレートするために、ある程度の予測不可能性も含むさまざまなインテリジェントな行動を実行することができます。これには、最先端の人工知能と現実世界の環境を組み合わせることが不可欠です。

基礎研究レベルでは、ARL は兵士が自律型プロトタイプ ソリューションと対話できるようにガイドし、AI システムが兵士の話し方や兵士が使用する傾向のあるコマンドに慣れるのを支援します。すると、兵士たちは徐々に AI システムの「気質」を理解するようになります。実際、兵士たちに自律システムとの協調訓練を行うよう指導したところ、兵士たちはすぐにお互いにより適した言語で自己表現しようとし始め、それによってコミュニケーションとシステム制御が効率的に完了しました。

Q: 今後数年間で最も期待している AI テクノロジーは何ですか?

ジョン・フォサセカ：私たちは、AI を使って周囲の環境を判断し、仲間の兵士に具体的な行動方針を推奨できるという点で大きな進歩を遂げました。これは、私たちの人工知能が「狭義の AI（つまり、特定の非常に特殊なタスクのみを実行できる自律エージェント）」から、真に新しい状況に適応する能力を備えたものへとアップグレードしていることを意味します。

将来的には、これらの AI エージェントは、どのアクションが実行可能か、および各オプションに関連する成功確率を判断できるようになります。これはまだ「人工汎用知能」ではありませんが、人間に近いレベルで推論を実行できます。将来的には、自律システムが複雑な推論を行い、特定の状況に基づいて複雑な決定を下し、さまざまな結果を予測して、ミッションの成功の可能性を最大化できるようにしたいと考えています。