有的AI并不是AI

晨枫

南华早报报道，北方工业下属的咸阳西北机电工程研究所的团队用AI精确预估战斗机在格斗空战中的机动飞行，可对F-15一级的战斗机机动轨迹预估达到2米以内的精度。这是在飞行员全力发挥主观能动性、使尽出其不意后依然能达到的精度。换句话说，用于火控的话，这就是必杀了。
; S- d0 [9 Y5 `$ \4 n: N# N- ]* J) C9 n
8 p9 i# Q) w6 X# |7 _具体来说，用现有的PS800红外光电系统精确测定气动控制面细微到毫米级的动作，然后用AI模型精确预估。

但这只是用AI的名号，这不是AI。
0 Q( T3 X/ P" h5 o
气动控制面的动作是战斗机飞行机动的前兆。先有控制面动作，然后才有机动。不同的控制面组合导致不同的机动动作；不同的动作量导致不同的机动幅度。这是常识，也容易由空气动力学知识确定。问题是，对战斗机精确建模、根据当前大气条件进行精确仿真，这是很大的计算量，用于火控，基本上不可能达到实时解算。

用神经元模型可以极大简化建模和计算，这是模型降阶，非常有用。神经元模型通常是静态的，但在输入项里包括当前和过去几步的状态，在输出项里包括下一步到几步的状态，就是有用的非线性预估模型。一旦做到精确预估目标的动态轨迹，火控解算就简单了。

6 h! ^+ Y6 |8 ]3 Z- D7 K但这整个事情不是AI，只是用了神经元预估模型！

现在有把什么都往AI上扯的趋势。AI很有用，但不是要AI了才有用，也不是有用的都必须是AI。还是实事求是为好。

孟词宗

这个应当算 AI 的，只是不能算现在流行的生成式 AI。

0 n& I# `3 C7 R3 u- SAI 的分类方法很多。比较流行的分法有：
1. Reactive Machines（响应式机器，反应机器）这些是能力极其有限的最古老的人工智能系统，它们能够模仿人类思维对不同刺激所做出的反应。响应式机器是人工智能的主要形式，它不存储记忆，也不使用过去的经验来决定未来的行动。它只适用于当前的数据。他们感知世界并对其做出反应。响应式机器被赋予特定的任务，它们没有完成其他任务的能力。IBM 的深蓝算是这种 AI 的代表。这在本质上和通过测定气动控制面精确预估战斗机在格斗空战中的机动飞行是完全一样的。

2. Limited Memory（有限记忆）有限记忆AI除了具有反应机器的能力之外，还能够从历史数据中学习以作出决策。有限的记忆AI从过去的数据中进行训练并做出决定。我们所知的几乎所有现有的应用程序都可归类于此类AI。现在的生成式 AI 也可以算是其中一种。

! n% Y) }/ U1 M8 l# U3. Theory of Mind（心灵理论）通过辨别互动者的需求，情感，信念和思考过程，心灵理论AI能够更好地理解它们的互动对象。这东西的雏形在90年代就有了，但现在基本还是纸上的理论多。DeepSeek-R1 的 Deep Think算是在这方面迈出了一步。DS-R1 会推测用户提问的目的和需求来生成答案。

4. Self-aware（自我意识）这是人工智能开发的最后阶段，系统可以了解它们的内部特征、状态和条件，并感知人类的情感。这些机器将比人类的大脑更聪明。这种类型的人工智能不仅能够理解和唤起人的情感，而且还拥有自己的情感、需求和信仰。也就是说具备“灵魂”和“自我认知”。目前只存在于概念构想中。

上面的Limited Memory（有限记忆）如果细分又可以分为：机器学习，深度学习，自然语言处理，机器人技术，专家系统 等等。生成式 AI 是这些子类别的综合产物。
6 A# h7 m, O; e* K2 f- \& Q
上面的 3 和 4 则又有人分为 强人工智能和超级人工智能。2的高级状态则作为弱人工智能。
+ J- q4 N2 y/ D8 |8 ?8 V
至于神经元网络，这是现代所有 AI 的鼻祖啊。学界一个很不好的风气是动不动就把同样的东西起个时髦的名字。好比以前的中心式计算非得搞成个谁都迷糊的“云计算”

xiejin77

这个算是广义的人工智能，主要是深度学习领域吧。
  b6 {* ~: L" g! d$ u5 w
其实底层用来识别启动控制面姿态的脚，用的还是普罗大众喜闻乐见的yolo框架，好像用的还是8。不算是很新的版本。所以这个更像是一个脑洞的框架性idea，但是因为没有看到论文，所以不敢断定。知乎上有号称看过论文的也是此类观点。
; m% \" H5 c2 H
+ w* u! o( `" U/ Q% r( a  ?1 b这个消息发给晨大之后，我也抽空深入研究了一下，林志伟的主要研究方向其实和飞控关联度不高，而且那个杂志其实主要是火控设计的内容。估计南华早报和福布斯都误读了，可以看成是中国威胁的成见使然的新闻。

2 x2 E2 N& `; U% w4 Z真正深究，战斗机本身的形态各异，翼面动作的差异可能千差万别。基于yolo的分类识别检测，可能会有这无穷无尽的高维特征，很难形成切实可用的收敛算法。当然我在这个脑洞上再开个大，用多模态大模型来取代yolo这样的脚，或者来使用yolo这样脚初步判定的信息来进行飞控决策也许是更可行的办法。这样的话，多智能体协同的人工智能就算是真的确定了。

四处张望

只要不是纯粹的计算逼近，需要用训练集的，毫无疑问都是AI。说它是赶时髦用AI这个词吧，是也不是。说是是因为这些年新一波AI浪潮，AI这个词又明亮了，所以原来用模式识别和神经网络之类的词的技术现在都叫AI。说不是吧，是因为模式识别这些原来就是AI的，但是AI低潮期AI这个词臭大街了，用新词避避风头，但是他们的研究方法和目的，原来就是AI的范畴内的东西。

晨枫

四处张望 发表于 2025-3-18 22:49
" K* j; x0 c5 M( C只要不是纯粹的计算逼近，需要用训练集的，毫无疑问都是AI。说它是赶时髦用AI这个词吧，是也不是。说是是因 ...

6 V* y: ^7 P+ f2 B不能用上NN的就都是AI了吧？那说起来，我玩AI都是三十年前的事了，岂不AI元老了？

晨枫

xiejin77 发表于 2025-3-18 20:47
7 \9 E5 d+ D2 E) W8 c这个算是广义的人工智能，主要是深度学习领域吧。

0 F' N0 d/ |( R+ J5 L2 o其实底层用来识别启动控制面姿态的脚，用的还是普罗大众 ...

5 I$ X5 N. |7 W! y不知道有没有必要弄到那么复杂的份上。
' E% D9 p. V( Y6 |
( N& n- G6 E6 {1 T0 y( p2 Z战斗机气动控制面只有那么些：襟翼、副翼、前缘襟翼、平尾、方向舵，尤其F-15那样还必须是对称动作。这些动作都是连续的，不能离散突变，估计不需要多模态。然后要加上空气的粘度、密度、风向、风速等大气数据。也就是说，基本模型估计不会超过30x30，这是小模型，根本不需要动用大模型那样的大杀器。

不定因素是重量、推力、外挂阻力（这个能看到，不知道是不是算进去了）。
+ a0 c6 i5 @1 N# \9 X3 y
2 k+ _9 p: E: ~, v$ @* K用预估-矫正的办法，可以推测重量和推力。重量一旦推测确定，就可以在短时间里当做常量处理。

" y, y4 m! b+ w+ |# N: h6 b& v8 m7 T推力依然是连续可变，而且依然不可见，但可以根据上一时刻的推力估算下一时刻的上下界，作为模型预估输出的上下界。然后再根据实测反推当时推力，用于下一步的预估。

这一套组合拳下来，当然算法不简单，但也没有那么不可思议。

! p$ ?/ Q+ x$ @数据来源不可能是实测，中国没有F-15给你实测。但用离线数值仿真就可以产生数据集。计算流体力学这点还是做得到的。

难点可能在于测量精度。根据光纤、角度和距离不同，要精确测量毫米级的气动控制面移动量恐怕不容易。

鳕鱼邪恶

呃，意思是“看”到对方翼面的动作，然后预估其运动轨迹？这得多近啊？有啥实际意义吗？

xiejin77

晨枫 发表于 2025-3-19 13:30
不知道有没有必要弄到那么复杂的份上。

$ V' Y4 x" `! R5 ^战斗机气动控制面只有那么些：襟翼、副翼、前缘襟翼、平尾、方向 ...

) l& k( b# r* ^0 w% w3 u' v! G7 D晨大好。
2 p8 g- b6 i" \- ~% ~2 V& }
+ Z& r1 Y. y% P; v我说把yolo换成基于多模态大模型的解决方案，其实是简化，而不是复杂化。

这个问题的关键是在于yolo自身的定位是传统的图像检测分类识别，这个是需要进行监督学习的。而多模态大模型在具备泛化能力的前提下，有推理和理解能力，这个可以在一定程度上采取强化学习甚至是无监督学习的模式。

不过这个论文本身应该是远远达不到南华早报说的那个功能强度的。

xiejin77

晨枫 发表于 2025-3-19 13:17
& v4 p- M/ G+ H不能用上NN的就都是AI了吧？那说起来，我玩AI都是三十年前的事了，岂不AI元老了？ ...

. }, {- [' K- X7 l" N4 i6 x晨大当然是AI元老了，岂不闻大风起于青萍之末？

我当年接触AI，也是从所谓的BP反传神经网络开始的。

晨枫

鳕鱼邪恶 发表于 2025-3-18 23:52
1 W2 q3 L9 l0 _呃，意思是“看”到对方翼面的动作，然后预估其运动轨迹？这得多近啊？有啥实际意义吗？ ...

3 g) c( C# h- a* F( u空战格斗本来就距离不远，顶多十来公里以内吧

晨枫

xiejin77 发表于 2025-3-19 00:54
晨大好。
) B. d0 W5 g, ~" d
我说把yolo换成基于多模态大模型的解决方案，其实是简化，而不是复杂化。

那是把AI庸俗化了。工业上用摄像头识别次品已经几十年了，谁都不把这叫AI。

四处张望

晨枫 发表于 2025-3-19 22:56
那是把AI庸俗化了。工业上用摄像头识别次品已经几十年了，谁都不把这叫AI。 ...

) o1 w' r& ^8 K2 `# {其实这个就是............
为啥不叫ai，因为那个时候ai的名字臭大街了