也许你甚至还未意识到，机器人神枪手可能很快就会接替士兵的工作。现代传感器比人类看得更远，而电子电路拉动扳机发射的速度远比神经和肌肉快。人类相较于武装机器人的优势在于，了解射击目标，然而美国陆军投资的一项新研究也许很快就能缩小这种差距。
DCS Corp和美国陆军研究实验室的研究人员将人类脑电波的数据集传输给神经网络(一类人工智能)。神经网络学会识别人类制定目标决策的状态。研究人员于5月在塞浦路斯举行的年度智能用户接口大会介绍了他们的研究论文。
机器的局限在于不能像人类一样根据变化快速构建数据
这类研究非常重要，其原因在于机器学习依赖高度结构化的数据。但是，对计算机而言，在复杂的现实世界中识别目标非常困难。人脑很容易以记忆的方式构建数据，但是机器却无法理解。这是美国军方多年来努力的一个方向。
看美军如何培训机器人士兵用于未来无人类战场?-E安全
美国陆军首席科学家托马斯-拉塞尔在近日举行的国防工业协会(National Defense Industrial Association)活动中表示，美国军方在深度学习中面临的挑战是，涉及的数据集巨大，例如Google刚刚解决了游戏Go问题。
去年，Google DeepMind实验室展示，人工智能可以在Go游戏中击败全球最顶尖的玩家。据称，这款游戏比国际象棋难得多。拉塞尔称，人类可以训练系统在高度结构化环境中进行深度学习，但是如果Go这款游戏随着时间推移发生巨大变化，那么人工智能便无法解决这个问题。
研究神经网络有何作用?
人类必须弄清楚，在军事世界的动态环境中，如何从系统角度对这种学习过程进行再训练?他认为，现如今，只有借助人脑对这些系统进行训练。
他们的研究是认知与神经功效学协同技术联盟(Cognition and Neuroergonomics Collaborative Technology Alliance)项目延伸出来的一个分支。
研究人员马修-贾斯瓦指出，大脑会在感知某些突出事件时显示信号。这些信号被称为P300 响应(由人脑顶叶响应刺激而发出的电活动)。P300响应于20世纪60年代被发现，基本上就是人脑对快速决策任务的响应，例如突然出现的对象是否就是目标。
研究人员希望通过他们的新神经网络进行实验，在其中，计算机可以在虚拟场景中轻松了解士兵评估目标的状态，而不是花费大量时间培训系统理解如何构建不同的个人数据、眼球运动、P300响应等。将来某一天，其目标可能会是推出迅速、持续并实时学习的神经系统，其通过观察训练有素的士兵执行任务时的脑电波和眼球运动实现。
贾斯瓦称，如果能通过改进将其应用到战场中的某个士兵身上，那么就能了解士兵正在观察的情况、执行的正常任务，并将他们多年的经验输入正常态势感知。研究人员正在研究士兵的大脑情况。如果多人都在关注同一件事，那么可以说，四分之三的人都在关注同一件事，这说明，这件事可能很重要。
这项研究并不意味着，机器人现在就可以超越人类。目前，仍有大量工作要做，但神经网络能使这项研究以更快的速度开展。
