新手程序员如何利用AI开发军事应用
美国空军学员Joshua Lynch在MIT林肯实验室研究人员的指导下，通过“氛围编码”（vibe-coding）利用AI聊天机器人，零编程基础成功开发出军事应用原型。该项目展示了AI在军事领域赋能非技术人员的潜力，但也揭示了安全审查和技术局限性等挑战。
在美国空军与麻省理工学院（MIT）人工智能加速器的“幻影计划”支持下，美国空军学员Joshua Lynch与MIT林肯实验室的Laura Niss合作，探索了利用AI聊天机器人进行“氛围编码”的可能性。所谓“氛围编码”，是指用户完全通过提示词引导生成式AI来编写和优化代码。Lynch没有任何编程经验，但他的目标是为战术团队开发一款能够减少附带损害、提高任务生存率的应用程序。
Lynch使用Anthropic的Claude、OpenAI的ChatGPT和Google的Gemini的付费版本，在三个多月的时间里构建了名为“远程操作模块化增强装置”（ROMAD-AI）的原型。最初，他设想的功能包括AI辅助目标识别、模块化情报监视侦察、自主打击和战场通信管理。然而，随着对AI能力的深入了解，他意识到技术局限性，需要重新调整项目范围，最终专注于基本文档处理，例如分析战术地图和生成任务规划文档。
过程中，Lynch学会了如何应对AI聊天机器人的常见问题，比如缺乏层次感、修改无关代码等。他发现将问题分解成小部分、清晰表达指令并及时纠正对话方向至关重要。尽管最终原型未能实现所有预期功能，且当前版本在安全性上无法满足实际应用需求，但它证明了非技术用户利用AI快速开发软件解决方案的可行性。
Niss观察了Lynch对AI认知的变化。起初，Lynch的目标极为宏大，但经过数月实践，他逐渐理解了当前技术的边界，并大幅降低了期望。有趣的是，Lynch发现AI是很好的学习助手，但在自己熟悉的领域常会出错。在多个AI系统的比较中，Claude在亲和力、拟人化和感知智能等特质上表现出比ChatGPT更高的稳定性。
项目还揭示了AI在军事应用中面临的关键挑战：代码安全性。例如，Lynch未能意识到最终应用将输入文档发送到Gemini AI模型进行分析，而非本地处理，这可能导致敏感信息泄露。尽管AI能生成大量功能代码，但代码审查仍是瓶颈。Niss强调：“无论AI多么先进，我们仍需跨领域协作才能解决最重要的问题。”该研究由美国空军人工智能加速器资助，合作协议编号FA8750-19-2-1000。