美軍在伊拉克、阿富汗、敘利亞等地的「反恐戰爭」中大量部署無人機，藉由裝載高清攝影機，每天 24 小時在中東進行廣域偵測監控。無人機錄下的海量影片，起初靠分析員紅著眼死盯螢幕、手動快轉影片，尋找沙漠中跟恐怖份子有關的皮卡車一類目標。先進的無人機硬體，配上肉眼與人腦作軟體；遙測偵查技術所能帶來的避險與精準打擊效果，這時遠遠不如預期。
對此，2017 年 4 月，美國國防部成立了名為「演算法作戰跨功能小組」（Algorithmic Warfare Cross-Functional Team）的單位，該小組執行的核心計畫叫做 Project Maven。陸戰隊上校 Drew Cukor 的協力促成與直接管理帶領下，該計畫最初的目標，是透過演算法處理海量偵蒐影像，協助疲憊的分析人員判讀影像中出現的物件，緩解分析人員資訊過載的問題。
2017 年 12 月， 在索馬利亞的反恐前線，Maven 計畫所開發的系統首次試點實戰部署。爾後，經歷各方戰場上的試煉、資料標籤的幾番清整，幾年後無人機傳回影像時，Maven 系統螢幕已能自動在車輛、人員、建築物周圍畫框，在實時動態影像中自動於框上標註出演算法推斷出的物件類型。
長期跑國防外交政策線的資深記者 Katrina Manson（原任職 Financial Times，現任職 Bloomberg），今年 3 月將她多年來追蹤調查訪問 Maven 計畫的心血整理出版，廣受關注與好評，書名就叫 Project Maven。該書重點不在討論乃至吹噓先進技術，而是以 Maven 計畫核心人物 Drew Cukor 上校為主軸，層層爬梳勾勒出官僚體系運作環境中，一個小團隊如何抓牢問題、四處尋求解方，讓 AI 跌跌撞撞地一步步被導入美軍戰場決策流程。
這本書值得推薦給國內關心 AI 技術應用的廣泛商界、軍事、政界與相關學界人士。現在就著原文版本狼吞虎嚥也好，等中文版出現後慢慢消化也罷，總之值得一讀。
撥開神話煙霧，照見將科技鑲嵌入實作場景的HOW
十多年間，從大數據到生成式AI的流行，讓媒體、業界乃至課堂，都充斥著跳躍式的科幻想像，無視科技要鑲嵌入作業情境時面臨重重障礙的複雜脈絡，造出各樣神話。一旦實作，卻見處處碰壁。Project Maven 一書，緊扣 Maven 計畫發展歷程，是少見不吹噓技術能「做出什麼厲害事」，而如實勾勒技術應用歷程中各色挑戰，細緻交代技術「經哪番波折、在什麼契機下，長久下來真的有辦法幫組織完成些事」的書。相對於市場上充斥著各種花俏套路的 WHAT，這本書少見地從各面向交代成事的 HOW。
業界中進取心強者，這些年面對新數位技術，無不積極追趕，生怕落後。但大力宣示與龐大資源投入的結果，十之八九不如原先所想。底下，便從這觀察出發，就 Project Maven 書中雖談國防場景，但隨處透露值得各業業者乃至商學院、顧問界借鑑的HOW，選幾個重點簡述；文末再簡單觸及國防議題[1] 。
明確的問題意識，是科技應用能成事的必要條件
常見「AI 元年」、「AI all in」一類的敲鑼打鼓，卻每每雷大雨小。這些年Maven 計畫做出些成績，很不一樣的路徑是它從清楚的問題意識出發，一路試探接引派得上用場的技術，而不是個為科技而科技、為 AI 而 AI 的專案。
Maven 計畫創立之際的問題意識非常明確：美軍淹沒在影像數據中卻缺乏洞察力，需要自動化工具幫忙。從這明確的問題出發，Maven 計畫一路都循著可定義（情報流程瓶頸）、可量化（辨識精準度、決策速度）的脈絡前進。也因為問題明確，所以計畫領導者在發展過程中，想方設法直接融入作業場景，圍繞著終端使用者的實際操作去建立反饋閉環。這麼做，一方面因具體解決一線人員痛點而降低科技導入時的阻力，另一方面透過計畫直接鑲入場景，讓發展過程可以見招拆招、快速迭代。
科技是加速器，對於欲解問題的明確掌握才是方向盤。
決定成敗的重中之重，是高品質的數據
很多組織在對 AI 技術懷抱無限憧憬之際，忽略了重中之重的關鍵前提：高品質的數據。
Maven 計畫初期發展目標，在於辨識高空無人機監測影像裡的車輛與人員。但幾萬呎的高度距離、戰區沙塵暴、熱氣流折射、夜間低光源等等因素，導致影像的高雜訊與低品質。書中詳細敘述專案過程中的影像貼標工程，一開始如何因標示註記者缺乏戰場經驗與統一標準，造成把灌木叢標記為掩體、把扛農具的農夫標記為武裝人員的各色「髒數據」（Dirty Data），導致演算判讀結果錯誤百出。從初期系統剛開發時的無用，到後來的堪用乃至有用，Maven 計畫的發展經驗和各種工商業科技採用時所經歷的一模一樣：沒有高品質的數據，強大的算法與算力，就只是各種人為錯誤的催化劑與放大器。
另外，書中也提及當美軍試圖將 Maven 計畫的成果轉移到南海或東亞島鏈時，發現系統幾乎失效。原來在沙漠地區高空偵測時合用的數據貼標，移到亞太地區茂密叢林與蔚藍海洋的背景下就失效，必須就地再起標籤爐灶。
數據的清整耗時費力又無速效，且數據工程是很吃現地現物本事的手工活。組織領導者漠視這些事實對成敗的關鍵影響性，便是各場景中嚷嚷 AI 卻屢見失敗的主要原因之一。
要應對嚴峻的戰場，先搞定組織門內的煙硝
對於各種組織而言，企圖導入技術（包括 AI 在內）的變革，成敗核心其實是人，是領導與管理，而不是技術問題。
Project Maven 一書，詳細敘述了 Drew Cukor 上校如何在應對美軍一線戰場上的硝煙之前，直面組織內的懷疑與派閥，帶領一個對機器學習認知薄弱的邊緣團隊，在充滿政治地雷的五角大廈裡走在鋼索上爭取支持與資源，向外串聯技術（算法與算力）供應商。組織裡的政治，在如 Maven 計畫一類的技術應用發展案裡，向來都是比技術本身更難攻克的難關。書中 Drew Cukor 上校帶著滿滿的創業精神，應對軍種內鬥、地盤爭奪、矽谷合作端的價值衝突、社會輿論與民意機關的懷疑等挑戰，見招拆招的韌性乃至非完成目標不可的偏執，活脫像是軍中的馬斯克。這一點，讓讀者窺見五角大廈重重官僚體制中容許創新的有限空間與難得機緣。
很難想像台灣公部門（尤其軍方）體制內，能有像 Drew Cukor 這樣升不了將軍的上校，各種緊箍咒下還能成就 Maven 計畫般的大事。但在民間部門，組織領導者應能自本書體會：想藉由科技牽引轉型提升，技術總買得到；創業精神和組織內硝煙的排解，卻萬金難求。
跟台灣息息相關的訊息
這本書自頭至尾一直提到台灣。10 年前 Maven 計畫開始構想之際，除了當時對中東反恐的需求迫切外，美軍高層所想像的未來應用場景，書中不斷提及，就是戰雲密布的台海。在中國軍武能量不斷提升之際，一旦台海有事，美軍必須要能在極短時間內，辨識鎖定成大範圍戰場上數量龐大的陸海空中國解放軍載具動態目標，快速支援戰術面的拒止作為與戰略面的決策。
對台海情勢的預判，因此可說是美軍 AI 發展的加速器。伴隨 Project Maven 成熟化，放眼西太平洋，美軍逐步以其為基礎串接各種感測器，部署為全軍聯合作戰網路（Combined Joint All‑Domain Command and Control，CJADC2）的情報與決策中樞。配合台海這史上未見的複雜未來戰場，近年大力推動如以低成本、可消耗、具備 AI 自主能力無人系統，打造台海「地獄景觀」（Hellscape）戰術的 Project Replicator、以不暴露自身雷達訊號的各種載具加密共享戰場動態的 Project Overmatch 等等結合軟硬體的軍武計畫，為台海衝突做準備。
從 Project Maven 書中多處引述的非公開資料或匿名採訪，見得出美軍對於台海的高度關切與緊張。從美國國家利益的角度，他們過去 10 年間因此在如 Maven 計畫一類的嘗試中結合矽谷能量，企圖抗衡中國在第一島鏈逐日擴大的硬體數量優勢威脅。反觀台灣，在中國勢力鋪天蓋地的影響下，國會自殘眼耳、自斷手腳地阻擋下個世代國防發展所需的軟硬體，視國家安全如兒戲，陷一線官兵於弱勢武備的險境，讓人徒呼負負。
[1] 本書收尾處另外還帶出 AI 時代武器自動化的倫理議題相關報導與討論。個人認為作者在這方面的處理並無太突出處，觀照範圍與層次並不週全，相對之下不若其他部份精彩，本文對該部分便略而不提。
分享圖文請註明出處，未經本站同意不得轉載
瀏覽次數：434
