新手程序員如何利用AI開發軍事應用
美國空軍學員Joshua Lynch在MIT林肯實驗室研究人員的指導下，通過“氛圍編碼”（vibe-coding）利用AI聊天機器人，零編程基礎成功開發出軍事應用原型。該項目展示了AI在軍事領域賦能非技術人員的潛力，但也揭示了安全審查和技術侷限性等挑戰。
在美國空軍與麻省理工學院（MIT）人工智能加速器的“幻影計劃”支持下，美國空軍學員Joshua Lynch與MIT林肯實驗室的Laura Niss合作，探索了利用AI聊天機器人進行“氛圍編碼”的可能性。所謂“氛圍編碼”，是指用户完全通過提示詞引導生成式AI來編寫和優化代碼。Lynch沒有任何編程經驗，但他的目標是為戰術團隊開發一款能夠減少附帶損害、提高任務生存率的應用程序。
Lynch使用Anthropic的Claude、OpenAI的ChatGPT和Google的Gemini的付費版本，在三個多月的時間裏構建了名為“遠程操作模塊化增強裝置”（ROMAD-AI）的原型。最初，他設想的功能包括AI輔助目標識別、模塊化情報監視偵察、自主打擊和戰場通信管理。然而，隨着對AI能力的深入瞭解，他意識到技術侷限性，需要重新調整項目範圍，最終專注於基本文檔處理，例如分析戰術地圖和生成任務規劃文檔。
過程中，Lynch學會了如何應對AI聊天機器人的常見問題，比如缺乏層次感、修改無關代碼等。他發現將問題分解成小部分、清晰表達指令並及時糾正對話方向至關重要。儘管最終原型未能實現所有預期功能，且當前版本在安全性上無法滿足實際應用需求，但它證明了非技術用户利用AI快速開發軟件解決方案的可行性。
Niss觀察了Lynch對AI認知的變化。起初，Lynch的目標極為宏大，但經過數月實踐，他逐漸理解了當前技術的邊界，並大幅降低了期望。有趣的是，Lynch發現AI是很好的學習助手，但在自己熟悉的領域常會出錯。在多個AI系統的比較中，Claude在親和力、擬人化和感知智能等特質上表現出比ChatGPT更高的穩定性。
項目還揭示了AI在軍事應用中面臨的關鍵挑戰：代碼安全性。例如，Lynch未能意識到最終應用將輸入文檔發送到Gemini AI模型進行分析，而非本地處理，這可能導致敏感信息泄露。儘管AI能生成大量功能代碼，但代碼審查仍是瓶頸。Niss強調：“無論AI多麼先進，我們仍需跨領域協作才能解決最重要的問題。”該研究由美國空軍人工智能加速器資助，合作協議編號FA8750-19-2-1000。