科技中心／綜合報導

時尚AI商業系統的最大投資者之一，赫然見到美軍研發單位！這是怎麼回事？根據研究機構Juniper Research最近發佈一則研究報告，商業人工智慧（AI in commerce）的增長快速，2018年僅20億美元的市場，2022年將成長到73億美元，如果從2016年算起，成長幅度更達到700％。

研究報告以近年快速興起的時尚人工智慧Vue.ai為例，傳統的時尚服裝展示，需要真正的服裝，以及真人模特兒，加上許多支援（攝影棚、燈光師、攝影師、彩妝師…），其實成本相當高昂，但如利用商業AI，很快就能產生真人穿著新衣的各種角度照片，幾可亂真，且成本低很多。

更值得注意的是，這個技術背後的大投資者之一，竟然是美軍國防高等研究計劃署（Defense Advanced Research Projects Agency，DARPA），因為這項AI技術，牽涉到「生成對抗網路」（Generative Adversarial Network，GAN），而GAN技術在軍事上，有相當多用途。

▲美軍國防高等研究計劃署投資民間商業AI，因其背後的技術有龐大的軍事價值。

IT科技突飛猛進 機器學習效率大增改變人工智慧發展

什麼是GAN？要先從瞭解機器學習這類人工智慧原理說起：一般的機器控制，都需要人類不斷介入，才能運作，例如要讓機器手臂抓取「具有相同規格的物體」，需要人寫相對應的程式，精確控制機器手臂的每一個動作。

但如果要機器手臂連續抓取不同規格的物體，則需要針對每一個物體，都寫對應的程式，機器手臂才能運作。但如果這些物體的規格是隨機出現，例如下方影片中，隨機散落的不規則物體，則就算簡單的抓取判斷，也需要海量的程式支援。

於是Google嘗試利用「機器學習」的方式，讓機器手臂自己去學習人工智慧，最終讓失敗率下降了16％，而且人類要做的事情就是給機器手臂「規則」以及海量的學習資料，並告訴機器手臂什麼答案是對的，中間的過程完全不用操心。這樣的方式非常需要電腦硬體效能，過去電腦科技太弱，因此並不流行，但近年IT科技突飛猛進後，讓機器學習一躍成為人工智慧的顯學。

兩個會學習的人工智慧互相對抗 比單一人工智慧效率更高

GAN技術則是利用「兩個人工智慧」互相對抗，最後生成更貼近真實的結果，這個結果可能是照片、影片、或是判斷，辨識等。

例如前述的商業AI中，一組AI（稱為甲方）負責把新衣服的圖片合成到模特兒的圖片上，產生的結果，再由另一組學習過很多「真的模特兒穿衣服圖」AI（乙方）加以批判，甲方再根據乙方的批判，修正結果，直到乙方也認為就是真的模特兒穿衣服圖片為止。

這種應用方式除了圖片，還有影片，例如前一陣子的假A片，即「生成對抗網路」的應用「Deepfakes」可以將任何人的臉，換到A片內，成為幾可亂真的偽造A片。智慧機器人網曾有詳細報導。

延伸閱讀：https://www.limitlessiq.com/news/post/view/id/3393/

「生成對抗網路」GAN的軍事應用廣 各國爭先恐後投資

GAN技術有廣泛的軍事用途，在間接的軍事用途上，例如以前述的Deepfake技術，可以製造真假難辨的假影片，如政治人物的緋聞，再利用社群媒體瘋狂傳播的特性，在大選前散佈，很容易就能影響選舉結果，破壞民主機制。

此外，假設甲國攻入乙國後，為了排除仍效忠乙國原政府部隊的抵抗，發佈一則原乙國軍方或政府高層已經宣布投降的影片，也能有效的打擊民心士氣，甚至讓很多原本想抵抗的乙國部隊棄械投降。

在直接軍事用途上，例如要讓武器能夠更聰明，就必須能夠讓武器如人腦般，辨識出要攻擊的目標是什麼，而不用事事依賴敵我識別系統，這時GAN技術就能派上用場，例如美製M1、英國挑戰者、德國豹二式、俄製T90以及美製M2 布萊德雷步兵戰車，利用GAN的方式，就可以教導機器辨識出兩者

(

最近更有許多報導指出，各國都在研究利用GAN技術，例如製造出能夠欺瞞電腦的假衛星地圖，讓針對這些地圖做導航的系統，可能發生問題，例如被導引到一座不存在的橋上而墜河，或針對這個不存在的橋，擬定錯誤的作戰計畫，對於現代極為依賴衛星導引作戰的軍隊來說，錯誤的衛星地圖所導致的災難，不難想像！