浙江
2026年10月11日，据idrw.org（印度国防研究之翼）消息，DRDO探索生成式AI破解战场数据短缺难题。
近日，印度国防研究与发展组织（DRDO）正在探索利用生成式人工智能技术，解决军事AI系统训练中“无数据可用”的核心瓶颈。
这则消息源于一篇发表在《国防科学杂志》2026年9月刊上的论文，题为《数据受限场景下利用合成数据生成提升目标识别任务精度的深度学习框架——迈向国防AI的未来一步》。论文作者为A. Mageswari和S. Sundar，研究隶属于DRDO下属的战斗车辆研发机构（CVRDE），与陆战系统的计算机视觉和自主能力开发直接相关。
为什么战场数据成了大问题？商业计算机视觉公司可以从公开渠道搜集数百万张照片来训练AI，但军方完全没有这个条件。军事目标图像属于敏感信息，数量有限，获取困难，而且不同目标类别的样本分布极不均匀——有些目标照片很多，有些几乎找不到。印度议会的一份报告也承认，军事数据缺乏标准化，往往被分割存储或列为机密，严重限制了大规模AI训练。
DRDO的解决方案分三步走。第一步，用深度卷积生成对抗网络（DCGAN）从少量真实图像中生成合成图像，扩大训练素材规模，而不需要额外采集更多真实敏感照片。但DCGAN生成的图像分辨率有限，于是第二步引入超分辨率生成对抗网络（SRGAN）对合成图像进行画质增强。第三步，将增强后的合成图像与手头有限真实图像合并，用于训练目标识别模型。论文还比较了VGG系列深度学习架构和其他预训练卷积神经网络在此类任务上的表现。
这项研究的意义在于，它为军事AI中最基础的环节——机器必须先学会“看见”和“分辨”目标——提供了数据层面的突破口。正如论文所指出的，生成更多图像并不自动等于更好的AI，合成图像必须足够贴近真实世界的目标和环境，最终模型还必须用真实作战图像来验证。这意味着合成数据是辅助手段，而非万能药。
放在更大的背景下，DRDO总干事钱德里卡·考希克曾在AI峰会上明确表态：国防领域不能依赖谷歌Gemini、ChatGPT等外国AI模型，必须确保系统的可信度。印度正在推进ETAI可信人工智能评估框架，并建立DYSL-AI实验室推动三军协作。生成式AI解决数据短缺的研究，正是印度在“主权军事AI”这条路上迈出的基础性一步。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
