此前我们曾报道过，在3月12日，乌克兰国防部宣布，将向合作伙伴开放用于人工智能（AI）模型训练的真实战场数据。

那么，真实战场数据的价值将如何助力AI模型的训练？近日，人工智能（AI）应用方向的资深专家石永亮接受了《中国航空报》记者的采访。他表示，军用AI一般采用三层训练体系：大量的模拟数据+合成数据增强+真实战场数据校准。尽管真实战场数据看似在第三层训练中才出现，但这部分工作会决定模型最终性能。

石永亮指出，真实战场数据的价值可以归纳为这三点：减少仿真与现实差距、提供罕见战术与环境数据、提升模型的环境适应（即“泛化”）与决策能力。

石永亮表示，如果没有战场真实数据，AI模型仍能通过模拟环境、合成数据、演习数据、以往军事行动的数据等进行模拟场景的设计、参数调试、数据增强来完成训练。但存在几个不可避免的问题，包括训练周期更长，成本和风险显著增加，可靠性更低等。

他解释道，这种可靠性是指实战背景下，尤其是遭遇极端环境、新型战术和干扰因素叠加等情况时，容易出现可靠性降低情况，进而导致军用AI在实战应用中暴露出风险增加、误识别率增加、误伤概率上升等缺陷。从技术角度讲，基于实验室数据训练出的AI模型，在真实场景中验证时通常会不可避免地出现“域偏移”情况，这就是因为训练数据与真实数据之间在数据特征分布上存在着差异。

真刀真枪的数据训练让模型更强、更经济

根据对军用AI的研究，石永亮指出，真实的战场数据对AI模型训练效率的提升十分直接，能让模型跳过“实验室仿真-真实场景验证-回炉调优”这样不断试错的环节，直接基于实战验证的特征来训练，让AI模型从一开始就贴合战场环境，后面的试错和调优的环节将被大幅压缩。

同时，因为有了真实的战场数据，也省去了需要投入海量资源来构建“仿真战场”的高成本。一般来说，为了模拟战场的复杂性，需要联合军事专家、AI工程师、数据标注人员等多方人员，耗时数月甚至数年来构建仿真环境、生成合成数据，各方面的成本都极高。