引入AI的前提：无人机FMV数据标准化
21世纪初，美国在阿富汗、伊拉克的两场战争开启了“无人机战争”时代，也直接推动了全动态视频（FMV）技术的成熟与爆发。
与此同步的是，隶属于美国国家地理空间情报局（NGA）的机构动态影像标准委员会MISB（Motion Imagery Standards Board）专门为FMV视频制定了美军标准——MISB ST 0601，官方名为无人机数据链本地集（UAS Datalink Local Set）。
这个FMV视频元数据的军用标准规定了用轻量KLV格式把时间、位置、姿态、平台、、目标、气象与环境等信息打包嵌入到视频流中，从而能够实现跨平台、跨军种的传输和互通共享。
2008年10月，阿富汗南部美军基地内，“悍马”引导MQ-1“捕食者”无人机降落。画面右侧可见远处的安-124运输机。
比如，2014年10月发布的MISB ST 0601.8版的标准就明确定义了95个数据标签（Tag）。从这一细节可以看出，在美军标准化情报体系中，无人机平台拍摄的FMV视频画面已经变成了地理空间情报数据的重要源头。情报分析人员对这些FMV的判读和分析，并不是通过逐帧看视频而达成的，而是基于元数据叠加地图、标记目标数据库、历史数据等，最终获知“何时何地，发生了什么的”，可以提取目标位置、生成目标的移动轨迹和速度、识别异常活动、生成目标轨迹和活动模式等。
在2014年10月的MISB ST 0601.8版的标准中，列出的元数据标签量就达到了95个。
而这也让美军在战场情报方面遇到了新难题——数据量远超分析能力，让情报分析师不堪重负。
在“数据过载”的困境之下，无人机的FMV视频根本无法转化为可执行的情报，甚至“让反恐战争中的士兵为此付出了生命代价”。
此时，德鲁·库科尔意识到，人工智能（AI）技术或许能解决这个问题。他力图将情报的处理、利用与分发（Processing、Exploitation、Dissemination，简称为PED）等工作做到高度的自动化。
而这一工作的前提，也是因为有了MISB ST 0601标准这个大前提，才能让FMV和携带的多种元数据能够标准化，可跨平台进行解析，也才有引入AI工具后，AI能够自动识别目标、跟踪、分析、关联、生成报告等进展。
美国的MISB ST 0601标准也被纳入了北约标准化协议STANAG 4609。由此，北约内部的FMV数据的流转和共享都不是问题。图为法军装备的MQ-9。
当数据过载，AI成为破局之道
将AI技术应用于无人机影像，这个提案也得到了时任美国国防部副部长的认可。
2018年，作为“梅文”项目负责人的美国陆军中将约翰·沙纳汉在其报告《无人机系统领域的变革：算法战跨职能小组（梅文项目）》中提到，2016年10月，他们详细研究了战术无人机PED自动化，并得出结论：“收集的数据量远远超过现有的人力……我们需要一种新方法……”这也是“梅文”项目启动的根本动因。
沙纳汉出示了一张比喻“数据雪崩”的图片：一辆吉普车被巨大的雪崩追赶，隐喻着情报数据如同雪崩一样向分析师涌来，如果不借助自动化工具，“吉普车”就会被数据淹没，无法及时产出情报。
沙纳汉在2020年从美国空军退役后也有“旋转门”履历，除了智库、院校的研究员角色外，摩尔斯（MORSE）公司在2024年宣布，沙纳汉加入该公司顾问委员会。该公司的介绍是“一家领先的人工智能（AI）解决方案提供商，服务于美国国防部和情报界。”
沙纳汉这样介绍“梅文”项目的发展历程：2016年11月，在项目“问题定义与分析”阶段，团队以效率提升倍数来量化评估了数据传输、优化人机界面、语音转文字、传感器管理优化、计算机视觉/AI等不同技术会给情报PED工作的自动化带来提效价值。
工作结论是：计算机视觉/AI至少能达到50倍的提效，AI技术将带来颠覆性的效率提升。同年12月，PED自动化工作组成立，成员来自美国国防部实验室、各战区司令部、情报机构、国防创新单元（DIUx）、战略能力办公室（SCO）及各军种——这标志着“梅文”项目从概念评估进入技术筹备阶段。
FMV视频数据的量级暴涨，AI工具能显著提高对这类数据的处理、分析效率。
并非一蹴而就，正式开始于2017年
沙纳汉在报告中还称，PED自动化工作组评估了32个政府项目，其中仅有12个项目涉及AI/计算机视觉。而彼时美国军方在军用AI方面能力薄弱，不单单是AI项目少，投入更是不足，基础设施缺失，相关项目的平均投入仅为50万美元，训练AI模型所需的GPU、云计算能力均为0，也没有规模化数据标注体系，平均标注数据量约1万个目标，数据量严重不足。很多项目的算法直接来自GitHub开源代码，缺乏自主可控技术底座，也根本没有集成到实战系统的计划，这意味着这些项目并未真正瞄准战场，与战场需求存在一定脱节。
沙纳汉的这份报告文件揭示了“梅文”项目的发展并非一蹴而就。
2017年1月，美国军方联合学术界与产业界开展AI专项研究，引入初创企业、科技巨头、顶尖高校、智库与科研机构。这意味着“梅文”项目的发展从一开始就打破了传统军工项目研发的壁垒，从过去的传统军工封闭体系转向硅谷生态模式。
这是非常关键的结构变化，后来直接促成了谷歌等互联科技巨头的参与和美国“新军工”帕兰提尔公司的崛起。
2017年2月，美国国防部提出“特别工作组”方案和行动方案。此时该项目内部已经形成共识：深度学习算法可达到接近人类的水平；AI必须规模化实施，需构建完整技术流水线；集成与文化是“最困难的部分”。
沙纳汉以一辆吉普车被巨大的雪崩追赶来形容“数据雪崩”的情况。
站在现在回顾，这三则目标颇具预见性和指导性，并且足够务实。
在“梅文”项目启动后的几年中，AI技术的发展日新月异；AI技术的发展需要建立起从数据采集、标注、算法训练、测试、集成到部署、迭代优化的完整技术“流水线”，才能保障AI算法的持续迭代与大规模应用。此外，在AI技术的应用层面，技术本身并不是最难，难点在于是如何让美国军方接受这个新事物，如何将AI接入到现有的武器系统中，并对已有流程和模式、战术战法等做出改造甚至是重构。
颇有硅谷风格的是，“梅文”项目启动当年就被要求必须有成果。
2017年4月，美国国防部副部长罗伯特·沃克正式设立算法战跨职能团队（AWCFT）。
AWCFT的徽章，一改传统军事徽章多采用严肃、庄重的纹章风格，而是使用了三个笑容灿烂、看起来“友好”的卡通机器人形象，上面写着拉丁文“officium nostrum est adiuvare”，意为“我们的职责是协助/提供帮助”。同时也明确了，该项目是直接向美国国防部情报副部长汇报，凸显项目的地位属于国防部情报体系的顶层。
不论是机器人的形象，还是它们的颜色，在这类徽章中都属相对罕见的设计元素。如此设计，或许是为了呼应这支团队的创新、打破传统的一面。
与此同时，设定的项目初期目标是——整合现有算法技术资源；全动态视频（FMV）的PED环节部署AI，用于处理、利用与分发（PED）；小团队，快速行动，允许失败，迭代学习；2017年底前首批算法投入运行。
这4个目标的设立，既能够整合AI算法技术资源，还避免了内部的重复建设，以形成统一的技术底座，利于后续的规模化推广应用。而且，凸显了“梅文”项目从诞生第一天起就紧扣FMV的需求，是瞄向战场部署的实战型AI。
无人机系统的一大技术发展方向是“一站多控”（一座地面站控制多架无人机），这背后离不开起降、巡航等环节的自动化，也有赖于AI工具的引入，带来对战场信息处理能力的显著提升。
而“小团队，快速行动，允许失败，迭代学习”这一目标，则是浓缩了硅谷创业文化精髓，跳出了传统军工巨头主导的军工项目的庞大、长周期、重流程等固有窠臼。梅文项目从概念评估到技术筹备，从诞生到测试部署都是速度非常快的。
特别是2017年底前首批AI算法投入运行这个目标，更显“梅文”项目的硅谷底色：是要以明确的、激进的时间节点来倒逼项目的快速推进，确保系统尽早交付部队，开展试用工作，形成初始作战能力，并开启一轮轮快速的技术迭代升级。
事实上，“梅文”系统的尽早交付-试用-形成初始作战能力-反馈-升级迭代这样的产品开发模式，颠覆了美军的传统采购惯例，在推行中曾遭遇不小阻力。
颇有野心，要做全域军事情报AI平台
沙纳汉这份2018年的报告文件，可以说是美国官方对“梅文”这个军用AI系统诞生的“说明书”。这里可以看出“梅文”项目在立项之初就极具野心，定下了从“视频AI”向“全域军事情报AI平台”扩展的发展战略。
比如，可用于不同平台与传感器的情报数据的收集、整理和融合。来源多样性的情报数据除了体量各异的无人机平台外，还包括手持设备、U-2侦察机等有人机平台、卫星、雷达系统、水面舰艇（包括侦察船）等。
沙纳汉这份2018年的报告文件指出，“梅文”系统的用途可不止“视频AI”。
该文件还展示了“梅文”系统对缴获的敌方物资的情报搜集和处理能力，涵盖了手机、U盘、笔记本电脑、纸质文件、手写书信、光盘等，这意味着该系统具备对这些不同形态情报的文档识别、翻译、关联分析等能力。以及，“梅文”系统还具备对目标的系统分析能力，分析诸多不同节点（目标）之间的组织关系和活动模式等，并构建起一张复杂的网络关系图。
由此可见，早在2017年至2018年时，美军高层就已经意识到梅文系统不只是针对FMV视频的辅助分析工具，而是未来情报体系的底层基础设施。（郑宇航）
恒盛智投提示：文章来自网络，不代表本站观点。
热点资讯
推荐资讯