河套 IT TALK 55：（原创）植物传感器、细菌防腐涂层——美国国防部的“天使基金”在投什么项目？(六)

【太长不看】(TLDR) ：本文介绍了10个DARPA目前正在投资的项目，分别为：APT（植物传感器）、ACE（自治系统空战）、ALIAS（模块化自动化系统驾驶舱）、Arcadia（细菌涂层）、ASIST  (团队合作的社交AI助手)、AIM（评估免疫记忆）、Assured Autonomy（有保障的自主性）、AMP  (微补丁)、ANSR  (神经网络和符号推理组合智能)、ACES  (高级的原子钟)。

在本系列的第一篇我们对美国国防高级研究计划局（DARPA）做了一个简短的介绍。

DARPA的项目相当多都是公开的，由于机构运作节奏很快，所以项目也不停地启动和终结。但有一点是毫无疑问的：了解DARPA正在资助什么项目，会有助于我们了解美国科技的前沿。这个系列，我们将分大约分几期来阐述当下DARPA网络公开的正在资助的科研工程项目，让大家一窥端倪，或许能对在科技前沿的方向选择上的朋友有一定程度的启迪。

本文，我们将继续和大家介绍另外10个DARPA正在投资对项目。

注意我们对每个项目的解读也有自身知识结构的局限，如果想进一步了解更多信息，可以去公开渠道自行查询。

APT

APT是Advanced Plant Technologies（先进植物技术）的缩写。

这个研究计划的目的是对植物进行某种程度的基因工程改造，通过在选定的植物DNA中插入、删除或修改基因，以赋予新的特性或者能力。这种新的能力可以感知、监测环境和响应环境的变化。这些变化包括：温度、湿度、病原体、放射性和某种化学元素的含量等等。简而言之，这是一种植物传感器。

可能你会好奇地问，电子传感器反应更为灵敏，快捷，为什么不才用电子传感器，而去使用植物传感器呢？而且电子传感器还可以实现快速部署。这里面有以下几个考虑：

1. 电子传感器，需要有电力支撑，或者电池支撑，而且需要比较大的精力去维护。

2. 电子传感器价格昂贵且需要专门的制造工艺，与电子传感器相比，基于植物的传感器成本低廉且易于生产。

3. 植物能够检测和响应各种环境刺激，包括温度、湿度、光线的变化以及化学物质或污染物的存在。这使得它们在某些应用中可能比电子传感器更敏感。

4. 植物能够随着时间的推移适应和响应不断变化的环境条件，而电子传感器可能需要重新校准或更换。从长远来看，这使得植物传感器可能更加耐用和可靠。

5. 植物传感器相对而言是环保和可持续的，因为它们是由天然材料制成的，并且可以生物降解。它们还具有通过光合作用产生能量的潜力，这些能量可用于为其他设备供电。

6. 植物传感器和环境更为融和，不容易被发现，可以广泛地部署。

植物传感器可以用在很多场景中，比如：

1. 环境监测：基于植物的传感器可用于监测环境变化，例如温度、湿度的变化以及化学品或污染物的存在。这在空气和水质监测等应用中非常有用，在这些应用中，植物可以作为电子传感器的低成本、低维护替代品。

2. 农业：植物可以被设计为检测和响应土壤条件的变化，例如 pH 值、营养水平和水分。该信息可用于优化作物生长和提高产量。

3. 安全：基于植物的传感器可用于安全应用，例如检测爆炸物或化学和生物制剂的存在。植物能够检测和响应范围广泛的环境刺激，并有可能在某些情况下用作第一道防线。一个具体例子：在战争冲突的地区环境中检测是否有未爆炸的弹药。

4. 太空探索：基于植物的传感器可用于太空探索，而电子传感器在太空探索中可能不实用或不可靠。植物可以被设计用来检测和响应环境条件的变化，例如辐射水平，并有可能被用来支持人类在其他星球上的居住。

但植物传感器也存在某些潜在的风险，比如对环境的意外影响或对人类健康的意外后果的可能性。比如因为植物传感器的特殊物种侵入性，而破坏已有的自然生态平衡，甚至释放某些对人类有害的花粉和孢子等。为减轻这些风险，已采取多项措施来确保安全和负责任地使用转基因植物。

总体而言，植物传感器仍处于发展的早期阶段，其在实际应用中的效果如何还有待观察。

关键词：植物传感器、基因工程

ACE

ACE是Air Combat Evolution（空战演进）的缩写。

我们上一期介绍过DARPA的另外一个项目ACK（自适应跨域“杀”网）。而ACE和ACK是一类项目，但侧重点和目标不同。

ACK侧重于跨多个领域（陆地、海洋、空中、太空和网络空间）整合和协调不同类型的军事资产，以实现共同作战目标。由相互关联的自主系统组成的“杀伤网”，该系统可以在复杂的动态环境中快速检测、识别和攻击一系列目标。

而ACE相对聚焦一点，仅负责空域领域的人与无人机的作战配合。目标之一是使人类飞行员和自主系统能够更有效地协同工作。这里面的自主系统主要指的是无人机，包括但不局限于：

• 无人作战飞行器 (UCAV)：UCAV 是一种专为作战行动而设计的无人机。它们能够携带武器，可用于执行空对地攻击和空对空作战等任务。
• 无人空中加油系统 (UARS)：UARS 是无人驾驶飞机，可用于为飞行中的其他飞机加油。它们可以延长有人驾驶和无人驾驶飞机的航程和续航时间，使它们能够在原地停留更长时间并进行更有效的操作。
• 无人驾驶空中监视系统 (UASS)：UASS 是配备先进传感器和摄像头的无人驾驶飞机，用于执行监视和侦察操作。它们可以为地面部队和机组人员提供实时态势感知，使他们能够做出更好的决策并更有效地应对不断变化的情况。
• 无人空中货运系统 (UACDS)：UACDS 是无人驾驶飞机，可用于向偏远或难以进入地区的部队运送物资和设备。它们可以提供一种快速有效的前线部队补给方式，减少对地面后勤行动的需求。

ACE称这种作战方式为“马赛克战争”，指的是一种新的战争方法，强调以灵活和适应性强的方式整合多样化和异构的军事资产，包括有人和无人系统。“马赛克战争”并不依赖于一些高端的专用平台，而是设想了一种更加分布式和灵活的方法来利用广泛的资产和能力进行作战行动。

ACE 为自治创建了一个层次框架，其中更高层次的认知功能（例如，制定整体交战策略、选择目标和确定目标优先级、确定最佳武器或效果等）可以由人类执行，而较低层次的功能（即，飞机机动和交战战术的细节）留给自主系统。为了使这成为可能，飞行员必须能够信任自主性，以便在进行超视距交战之前在视距内混战等场景中进行复杂的战斗行为。

在平衡人类和自主系统工作的分工过程中，以下因素需要重点考虑：

• 考虑任务的复杂性：需要细致入微的决策、创造力和判断力的复杂任务通常更适合人类。另一方面，人工智能系统通常可以更高效、更可靠地执行涉及重复性、基于规则的操作的任务。
• 评估安全风险：涉及人类安全高风险的任务，例如危险或威胁生命的环境中的任务，可能更适合人工智能系统。但是，必须确保 AI 系统可靠并且可以在这些环境中安全运行。
• 评估效率增益：人工智能系统通常可以比人类更高效、更准确地执行某些任务，尤其是那些涉及数据分析、模式识别和优化的任务。然而，重要的是要考虑实施人工智能系统的潜在成本和收益，包括培训和维护成本等因素。
• 考虑道德和法律影响：某些任务，例如涉及个人数据或敏感领域决策的任务，可能具有道德或法律影响，在将它们分配给人工智能系统之前需要仔细考虑。

ACE计划除了开发人机实战配合的AI算法之外，另外一个目标就是开发先进的模拟环境，可用于测试和评估这些人工智能算法在真实战斗场景中的性能。这些模拟将用于改进算法并确保它们在现实世界中有效。

关键词：无人机、自主性空战、自主系统

ALIAS

ALIAS是Aircrew Labor In-Cockpit Automation System（机组人员驾驶舱自动化系统）的缩写。

HCI，即人机交互，是我非常熟悉的一个研究领域，专注于设计和评估易于使用、高效且对人类有效的计算机系统和界面。虽然军事组织经常处于技术创新的前沿，但在被军方采用之前，人机交互往往更广泛地应用于平民或公共生活。

军方传统上更加强调功能而不是形式。军事系统通常被设计为优先考虑性能、可靠性和安全性，通常以牺牲可用性或用户体验为代价。因此，军用系统有时因难以使用而受到批评，其界面和工作流程复杂，需要大量培训和专业知识。

哪怕当下，军用飞机已经发展到包含越来越多的自动化能力，提高了任务安全性和成功率。然而，即使是最自动化的飞机的操作员仍然必须管理令人生畏的复杂界面。航空电子设备和软件升级可以提供帮助，但此类改进的高成本（每架飞机可能高达数千万美元）限制了新型自动化功能的开发、测试和部署。

军方已经认识到人机交互的重要性，并努力将其纳入军事系统的设计和开发中。通过提高军事系统的可用性和用户体验，人机交互有助于减轻军事人员的认知工作量，提高军事行动的安全性和效率。

ALIAS旨在通过优化HCI系统，真正实现通过自动执行日常任务并在紧急情况下提供帮助来减少人类飞行员的工作量，包括但不局限于：

• 常规任务自动化：ALIAS 可以自动执行一系列常规任务，例如监控飞机系统、控制飞行表面以及响应警报或警告。这有助于减轻人类飞行员的工作量，使他们能够专注于更高级别的任务，例如任务规划和决策制定。
• 先进的传感器和算法：ALIAS 包括先进的传感器和算法，可以分析来自多个来源的数据，为飞行员提供增强的态势感知和决策能力。这有助于减少飞行员的认知负荷，并使他们能够在复杂和动态的环境中做出更好的决策。
• 适应性和定制化：ALIAS 的设计具有适应性和可定制性，允许飞行员根据自己的喜好和习惯对系统进行个性化设置。这可以通过为飞行员提供一个根据他们的需求和偏好量身定制的系统来帮助他们减少认知工作量。
• 简化的界面：ALIAS 包括易于使用和理解的简化用户界面。这有助于减少飞行员的认知工作量，使他们更容易与系统交互并访问他们需要的信息。

ALIAS 设想了一种可定制、嵌入式、可拆卸的套件，该套件将促进为现有飞机增加高水平的自动化，从而能够在减少机载人员的情况下进行操作。

作为一个自动化系统，ALIAS 旨在支持从起飞到着陆的整个任务的执行，即使是在遇到飞机系统故障等突发事件时也是如此。ALIAS 系统属性，例如持续状态监控和飞行程序的快速调用，将进一步提高飞行安全性。易于使用的触摸和语音界面将促进主管与 ALIAS 的交互。ALIAS 还将提供一个平台，用于集成为特定任务量身定制的额外自动化或自主能力。

最终实现：通过减少人类飞行员的工作量，提高飞机运行的安全性和效率，同时减少对训练有素的人员的需求。帮助飞行员更高效、更安全地执行任务。

关键词：人机交互、认知负荷、自动化系统

Arcadia

细菌是地球上最丰富和最多样化的生命形式，大多数都在生物膜中度过一生，生物膜是一层薄薄的微生物（例如细菌），可以在各种表面上覆盖或形成。这种生活方式被普遍认为是有问题的，因为生物膜会显着导致设备退化，包括国防部 (DoD) 资产。

Arcadia项目，名称取自伯罗奔尼撒半岛中部的一个地区。又名世外桃源。它的名字取自神话人物阿卡斯，在希腊神话中它是众神赫耳墨斯和潘神的故乡。在欧洲文艺复兴时期的艺术中，世外桃源被誉为未受破坏、和谐的荒野；因此，它在流行文化中被引用。与世外桃源与自然和谐相处的愿景类似，Arcadia 计划旨在利用国防部资产上自然产生的微生物为军事物资开发“益生菌”，以建立保护性群落。

这些益生菌微生物群落可以在军事资产表面定居并形成坚固而有益而非有害的生物膜。通过仔细选择正确的微生物组合并控制它们的生长条件，研究人员希望创造出高度耐腐蚀、耐磨损和其他形式磨损的涂层。减少阻力或抑制国防部资产上黑霉的生长。

与通常由有毒或有害材料制成的传统涂层不同，益生菌依赖于环境中已经存在的天然微生物。这种方法有可能显着减少军事行动对环境的影响，并使其在长期内更具可持续性。

为军用物资开发的具体益生菌类型并未公开披露。但我们可以在现实场景找到一些示例，比如：枯草芽孢杆菌。这种细菌通常存在于土壤中，并且已知会形成保护性生物膜，可以抵抗环境压力，例如热、辐射和 pH 值波动。其他潜在的益生菌包括铜绿假单胞菌，它已被证明可以产生可以抑制其他有害微生物生长的抗菌化合物，以及常用于食品和饮料生产并以对人体健康有益的作用而闻名的乳杆菌属。

总的来说，将益生菌用于军事物资是一个令人兴奋的研究领域，可能会对军事行动的有效性和可持续性产生重大影响。通过利用大自然的力量保护军事资产，阿卡迪亚计划正在突破材料科学和工程领域的可能性。

关键词：益生菌、保护性生物膜

ASIST

ASIST是是Artificial Social Intelligence for Successful Teams (成功团队的人工社交智能)的缩写。

从心理学和认知科学的维度来分析，人类认识世界的方式是这样的：人类凭直觉将已有知识与观察和上下文线索结合起来，构建出丰富的周围世界心智模型，并使用这些模型评估目标、进行思维实验、做出预测并更新他们对情境的理解。

当环境中包含其他人时，人类会使用一种称为心理理论 (ToM) 的技能，根据观察到的行为和背景来推断他们的心理状态，并根据这些推断的状态预测未来的行为。换句话说，ToM就是能够理解其他人的想法、感受和意图可能与我们不同。当人类组成团队时，这些模型会变得极其复杂。高绩效团队自然会调整其模型的关键方面，以创建其环境、设备、团队和策略的共享心智模型。共享心智模型可以改善团队或团队内部的沟通、协调和决策。当团队成员共享一个心智模型时，他们能够更好地预测彼此的行为和需求，从而提高效率和效力。共享心智模型在高压力或高风险环境中尤为重要，例如军事行动或紧急响应情况。

ToM 和创建共享心智模型的能力是人类社会智能的关键要素。

近年来，ToM 和共享心智模型已成为人工智能和机器人技术发展中越来越重要的课题。研究人员正在探索开发可以模拟 ToM 和共享心智模型的 AI 和机器人系统的方法，使它们能够更好地与人类互动并了解他们的心理状态。

ASIST 专注于开发可以解释社交线索和非语言交流的人工智能系统，并使用这些信息为团队成员提供实时反馈和支持。

ASIST 的一个关键方面是开发可以识别和响应团队成员情绪状态的人工智能系统。通过分析面部表情、肢体语言和声调，AI 系统可以识别团队成员何时经历压力、挫折或其他可能影响他们表现的情绪状态。基于这种分析，人工智能系统可以提供有针对性的干预，例如建议休息或提供支持性反馈。

ASIST 的另一个重要方面是人工智能系统的开发，可以增强团队成员之间的沟通和协作。通过分析交流中的模式，例如谁在说话、他们何时说话以及他们的语气，人工智能系统可以识别改进协作的机会，并提出增强团队沟通的方法。

ASIST还会适应任务或团队中的突然扰动，比如与关键队友失去联系。系统会做相应的动态调整。

ASIST 的最终目标是开发可以与人类团队无缝集成的人工智能系统，实时提供支持和指导，以提高团队绩效和决策能力。通过利用 AI 的力量来解释和响应社交线索，ASIST 有可能彻底改变团队的运作方式，并提高各种基于团队的任务和操作的有效性和效率。

ASIST 除了设计人工智能系统本身，也会开发一个测试平台，以使用可定制的开放世界环境和标准化界面来评估这些人工智能系统。

关键词：心理理论、创建共享心智

AIM

AIM是Assessing Immune Memory（评估免疫记忆）的缩写

现在社会上预防某些已知的流行性传染病病毒，常用的手段是接种对应的疫苗。但是很多当前的疫苗都缺乏持久性，不能提供长时间的有效保护。甚至很多病原体和生物威胁完全缺乏预防选择。这种疫苗有效性的持续周期一般称为免疫记忆。

免疫记忆主要受到以下几个因素的影响：

• 特异性：免疫记忆对触发初始免疫反应的特定病原体具有高度特异性。这意味着虽然免疫系统可以记住并快速响应它以前遇到的病原体，但它可能无法有效对抗其他病原体或同一病原体的变种。
• 一些病原体可以迅速变异或进化，导致新变种的出现，这些变种可能不太容易受到最初感染或疫苗接种产生的免疫反应的影响。这可能会限制免疫记忆对这些新变体的有效性，并且可能需要开发旨在针对这些变体的特定特征的新疫苗或免疫疗法。例如，COVID-19 大流行凸显了这个问题，很多疫苗的免疫记忆，无法跟上病毒变异的速度，从而极大降低了新馆疫苗对这些新变体对有效性预防。
• 免疫记忆也可能受到记忆细胞在体内持续存在的时间长度的限制。虽然一些记忆细胞可以持续多年，但其他记忆细胞可能只持续几个月或几年，这取决于病原体的类型和初始免疫反应的强度等因素。
• 免疫记忆也会受到环境因素的影响，例如年龄、营养和接触其他病原体。例如，由于与年龄相关的免疫系统变化，老年人的免疫记忆可能较弱，而营养不良或接触其他感染也会影响免疫记忆的强度和持续时间。

评估免疫记忆 (AIM) 计划旨在尽早确定候选疫苗是否会在以后为人类提供持久的免疫保护，目前这是不可能的。为实现这一目标，AIM 将从系统层面审视对疫苗接种的反应，并剖析导致持久保护的机制。然后，这种系统级的理解将作为一种工具来实施，该工具可以预测疫苗的保护持续时间和相关机制，而无需等待数年的追溯确定。

项目可能包括：

• 新的检测方法和生物标志物：AIM 项目会开发这些以比现有方法更准确、更可靠地测量免疫记忆。这些检测可能涉及使用单细胞分析或高级成像等新技术，以更详细地了解免疫反应。
• 计算模型：AIM 项目会开发新的计算模型，可以整合来自多个来源的大规模数据，例如基因表达数据或临床结果，以预测免疫记忆的强度和持续时间。这些模型可以使用机器学习算法和其他基于人工智能的方法来识别使用传统统计方法难以检测的模式和关联。
• 硬件和仪器：AIM 项目会开发新的硬件和仪器，以支持新检测和生物标志物的开发和实施。这可能包括开发微流体设备或其他可以自动化和简化免疫记忆测量的小型化系统。

总的来说，DARPA AIM 项目代表了一项重要的努力，旨在增进人类对免疫记忆的理解，并开发新技术和战略来预防传染病和其他威胁。

关键词：免疫记忆

Assured Autonomy

Assured Autonomy是有保障的自主性的意思。

在2015-2040 年美国陆军机器人和自治系统 (RAS) 战略报告中，确定了一系列的军队作战能力提升目标。包括：增强态势感知、减少认知工作量、部队保护、网络防御、后勤等。

增强态势感知能力，即士兵了解其环境并根据可用信息做出明智决策的能力。自主系统可以通过提供战场上的实时信息（例如通过传感器和其他数据源）在增强态势感知方面发挥关键作用。通过利用自主系统的功能，士兵可以在复杂且瞬息万变的环境中做出更明智的决策。

另一个重要能力目标是减少士兵的认知工作量。自主系统可以通过承担日常任务并让士兵专注于更高层次的决策和批判性思维来帮助减少认知工作量。通过减少士兵的认知工作量，自主系统可以帮助提高性能并降低人为错误的风险。

RAS 战略还强调部队保护的重要性，即在战斗环境中保证士兵和其他人员安全的能力。自治系统可以通过提供监视和其他功能来实时检测和响应威胁，从而在部队保护中发挥关键作用。通过加强部队保护，自主系统可以帮助减少人员伤亡并提高整体任务成功率。

总体而言，美国陆军 RAS 战略认识到自主系统在增强一系列能力和实现任务成功方面可以发挥的关键作用。通过投资研发具有更高自主性的自主系统，陆军可以继续巩固其优势，并在日益复杂和瞬息万变的世界中领先于新出现的威胁。

在过去十年中，美军在构建自主信息物理系统 (CPS) 方面取得了巨大进步，各种无人系统的激增证明了这一点：空中、地面、海上和海底车辆。这些进步是由多个领域的创新推动的，例如传感器和执行器技术、计算技术、控制理论、设计方法和工具、建模和仿真技术等。尽管取得了这些进步，但在安全关键的国防部应用程序中部署和更广泛地采用此类系统仍然具有挑战性和争议性。几个典型的挑战和争议性包括：

• 在缺乏可以依赖的足够高的自主性的情况下，需要大量的操作员参与，这不仅严重限制了操作收益，而且在人机交互和混合主动控制领域带来了重大的新挑战。
• 另一方面，在不确定的、非结构化的和动态的环境中实现更高级别的自治，越来越多地涉及数据驱动的机器学习技术，以及许多开放系统科学和系统工程的挑战。今天广泛使用的机器学习技术本质上是不可预测的，并且缺乏必要的数学框架来提供正确性保证，而依赖安全和正确操作来完成任务的国防部应用程序需要可预测的行为和强有力的保证。
• 从历史上看，在开发过程中遵循严格的安全标准并通过系统测试证明合规性是通过设计流程来实现的。然而，这些标准主要是为人在回路系统开发的，并且范围有限，没有扩展到系统行为取决于其对接收到的刺激的记忆的高级自治。当前的保证方法基于这样的假设，即一旦系统被部署，它就不会学习和发展。

Assured Autonomy 计划的目标是创建技术，以持续保证学习型网络物理系统 (LE-CPS)。持续保证被定义为在设计时临时提供的系统安全性和功能正确性的保证，并随着系统及其环境的发展在运行时持续监控、更新和评估。LE-CPS 被定义为由一个或多个支持学习的组件 (LEC) 组成的系统。这些组件包括传感器、执行器、处理器和软件。这些组件协同工作以从物理环境收集数据，使用高级算法和机器学习技术处理该数据，并使用该信息实时做出决策和采取行动。

组件行为由通过“学习过程”获取和更新的“背景知识”驱动，同时在动态和非结构化环境中运行。这个定义概括并承认了各种流行的机器学习方法和算法（例如，训练分类器的监督学习，用于开发控制策略的强化学习，用于学习系统动力学的算法）。概括是为了促进抽象和工具，这些抽象和工具可以应用于网络物理系统 (CPS) 中数据驱动机器学习算法的不同类型和应用，以增强它们的自主性。

为了奠定 Assured Autonomy 研究目标的基础，该计划将优先考虑与军事相关的自动驾驶汽车领域中的挑战问题。但是，预计创建的工具、工具链和算法将与其他 LE-CPS 相关。该计划产生的技术将以一组公开可用的工具的形式出现，并集成到 LE-CPS 设计工具链中，这些工具链将广泛用于商业和国防部门。

关键词：自治系统、自动驾驶

AMP

AMP 是Assured Micropatching (有保障的微补丁)的缩写。

社会的基础设施越来越依赖于部署在除商用个人计算机之外的各种计算设备上的软件，例如工业设备、汽车和飞机。与升级周期短且在出现故障时易于更换的商用计算机不同，这些计算设备旨在提供更长的服务时间，并且难以更换。因此，需要维护的已部署软件的数量不断增加。

而在此类设备上越来越多地使用遥测技术可能会使它们的软件暴露于网络攻击之下。为了修复软件中的网络安全漏洞，供应商分发了软件的补丁版本。不幸的是，即使在完全了解某个特定缺陷之后，并且已经开发出一种补救方法并将其表示为当前版本软件的源代码更改，供应商及时、安全且可扩展地为其所有部署的设备生成补丁的能力还是有限的，一次完整覆盖的升级计划可能会持续多年。

当确切的源代码版本丢失、从源代码构建软件的过程没有记录和/或原始软件开发环境不可用时，就会出现其他挑战。这些限制和挑战导致任务关键型软件数月至数年未打补丁，增加了攻击者的机会。

Assured Micropatching (AMP) 计划的目标是创建在关键任务系统中快速修补遗留二进制文件的能力，包括原始源代码版本和/或构建过程不可用的情况。AMP 旨在创建新功能来分析、修改和修复二进制形式的遗留软件，能够针对现有二进制文件中的已知安全漏洞生成有针对性的微补丁。微补丁更改尽可能少的字节以实现其目标，从而最大限度地减少潜在的副作用，并且应该能够证明补丁将保留系统的原始基线功能。有了这些证明，测试和部署补丁系统的时间应该从几个月减少到几天。

为实现这一目标，AMP 计划寻求通过突破和应对技术挑战的新颖方法来解决当前软件开发范例中的差距，包括但不限于：

识别可执行二进制映像中的模块化单元，并识别模块的接口、交互和链接工件，以确保随后对已打补丁的二进制模块进行可靠的重新链接和重新集成；

将可执行二进制代码反编译为适合自动为二进制文件中存在的已知安全漏洞安装补丁的形式；

为现有二进制图像生成最小变化的二进制微补丁，并对其效果进行严格推理，并测试这些效果以验证更改不会干扰二进制文件的基线功能；

使用可用的信息源，例如源代码和二进制示例，来恢复源代码和构建过程中缺失的相关部分。

AMP 的主要优势之一是它能够快速部署补丁且无需系统停机。这在关键任务环境中尤为重要，例如军事行动，系统可用性的任何中断都可能导致严重后果。

AMP 的另一个好处是它能够提供更有针对性的修补方法。传统的修补方法通常涉及部署大型软件更新，其中可能包含许多不同的修复和更新，其中一些可能与所针对的特定漏洞无关。使用 AMP，仅对易受攻击的特定代码进行修补，这有助于降低意外后果或系统不稳定的风险。

总的来说，Assured Micropatching (AMP) 是一项创新技术，有可能大大提高各种不同应用程序中软件修补的速度、效率和有效性。

关键词：微布丁、快速升级

ANSR

ANSR 是Assured Neuro Symbolic Learning and Reasoning (有保证的神经符号学习和推理) 的缩写。

神经网络和符号推理技术是两种不同的人工智能方法，各有优缺点。

神经网络是一种机器学习，旨在学习数据中的模式和关系。它们由使用数据集训练的互连节点层组成，可用于分类、回归和预测等任务。神经网络特别擅长识别大型数据集中的复杂模式，可用于图像识别、语音识别和自然语言处理等任务。

符号推理技术是基于操纵概念及其关系的符号表示。他们使用逻辑和形式规则来处理信息，而不是仅仅依赖统计模式和数值计算。符号推理技术特别擅长处理抽象概念和推理需要深入理解领域规则和关系的情况。

神经网络和符号推理技术之间的主要区别之一是它们的可解释性水平。神经网络经常被批评为难以解释和理解的“黑匣子”。另一方面，符号推理技术更加透明，使用逻辑和形式规则来处理信息的推理方法，可用于为他们的决定和行动推导出解释。

ANSR 以新的混合人工智能算法的形式寻求突破性创新，将符号推理与数据驱动学习相结合，以创建稳健、可靠且值得信赖的系统。

ANSR 的核心旨在帮助机器更好地理解复杂数据，并根据这些数据做出更准确的预测。通过将神经网络与符号推理技术相结合，ANSR 能够从数据中提取更有意义的信息，并使用该信息做出更明智的决策。

以下是一些用于结合这两种学习类型的技术示例：

• 神经符号集成：这种方法涉及在算法级别集成神经网络和符号推理技术，本质上是创建一个混合模型，可以利用这两种学习的优势。这可以通过各种方法来实现，例如将符号推理模块合并到神经网络中或将神经网络合并到符号推理框架中。
• 神经符号概念学习：这种方法涉及使用神经网络从原始数据中学习概念，然后使用符号推理技术来操纵这些概念并对其进行推理。这允许模型使用抽象概念并根据这些概念进行推理。
• 可解释的神经网络：这种方法涉及设计更加透明和可解释的神经网络模型，通过结合符号推理技术来帮助识别和解释驱动模型预测的因素。

总的来说，将神经网络的力量与符号推理技术相结合是一个复杂且不断发展的研究领域。没有一刀切的方法来实现这种集成，不同的技术可能更适合不同的应用程序和用例。然而，随着研究人员继续探索这项技术，我们很可能会看到新的创新方法的出现，这些方法将实现更强大、更通用的机器学习能力模型。

关键词：神经网络、符号推理、混合人工智能算法

ACES

ACES是Atomic Clock with Enhanced Stability (具有增强稳定性的原子钟)的缩写。

精确计时对于国防系统至关重要，包括通信、导航、电子战、情报系统侦察和系统间平台协调，以及商业和银行、电信和配电等国家基础设施应用。改进整个授时网络的时钟性能，特别是在使用点，将实现高级协作能力，并为授时同步网络的中断提供更大的弹性，特别是通过减少对基于卫星的全球导航卫星系统 (GNSS) 授时信号的依赖。

增强稳定性原子钟 (ACES) 计划旨在开发下一代电池供电的芯片级原子钟 (CSAC)，与现有 CSAC 技术相比，其关键性能参数提高了 1000 倍。

大家在上一期应该注意到有一个项目，叫强大的光时钟网络ROCkN (Robust Optical Clock Network)。ROCkN是一个原子钟网络，旨在为各种应用程序提供高精度的计时和同步功能。ROCkN网络包括多个光学晶格时钟。

今天的ACES就是ROCkN的一个子集，或者说是一个太空应用。ACES旨在开发用于太空的基于光学晶格高精度原子钟，它使用激光捕获原子并将其冷却到极低的温度。这允许对时间进行极其精确的测量，因为被捕获原子的振动被用来定义时钟的频率。

ACES 旨在为各种天基应用提供准确的定时和同步，包括卫星导航和通信系统、地球观测任务和科学实验。该时钟被设计为在 3 亿年的时间内稳定在一秒以内，这比当前的原子钟精确几个数量级。

为太空开发高精度原子钟的主要挑战之一是太空本身的恶劣环境。天基原子钟暴露在极端温度、辐射和其他可能影响其准确性和稳定性的环境因素中。为应对这些挑战，ACES 时钟被设计为具有高度的弹性和对环境因素的抵抗力，并配备了先进的传感器和监控系统，以检测和纠正其性能中的任何偏差。

ACES 时钟有望在太空中有广泛的应用，从提高卫星导航和通信系统的准确性，到支持新的科学实验和调查。它还有望对基础物理学产生重要影响，因为它将能够更精确地测量引力波和宇宙膨胀等现象。

关键词：光学晶格高精度原子钟、光时钟网络

未完待续…

附：DARPA简介

DARPA，全称Defense Advanced Research Projects Agency，也就是美国国防高级研究计划局。从历史起源来看，DARPA是典型美苏冷战的产物。苏联在1957年率先发射了人类第一颗人造卫星Sputnik 1，正式开启了太空时代。为了和苏联撸起袖子展开竞争，当时的总统艾森豪威尔在1958年2月7日，联合学术界、工业界和军方创建了DARPA。承诺从那时起，美国将成为战略技术意外的发起者，而不是受害者角色。DARPA 一直不辱使命，坚持一项独特而持久的使命：对美国国家安全的突破性技术进行关键投资。DARPA属于典型的军民融合机构，所以在DARPA成立的50多年来，投资的项目无数，而且相当多的项目都超出了军方的需求。比如我们现在熟知的ARPANET（互联网等等前身）、GPS、自动语音识别和我们前几期提到的波士顿动力的多足机器人都是DARPA投资的杰作。其实远不限于此，现代科技的任何一个角落，几乎都有DARPA的影子。《经济学人》称 DARPA 是“塑造了现代世界”的机构。

更详细介绍请参见：聊聊美国国防高级研究计划局正在投资的项目(一)