大数据时代,美军利用AI“挖”情报

国防时报排头兵
佚名
“算法战跨部门小组”是美国国防部的首次新技术与人类工作结合,目的在于寻求整合军队的大数据和机器学习。 美国防部“专家计划”人工智能项目启动刚满一年,所开发的算法已部署至美国及...

“算法战跨部门小组”是美国国防部的首次新技术与人类工作结合,目的在于寻求整合军队的大数据和机器学习。

美国防部“专家计划”人工智能项目启动刚满一年,所开发的算法已部署至美国及其海外多个基地,帮助操作员将原始监视数据转变为可帮助指挥官做出关键作战决策的情报。近日,“算法战跨部门小组”负责人加里·弗洛伊德中校接受媒体采访,阐释了“专家计划”如何利用人工智能(AI)技术挖掘作战数据。

人工智能

美军提出“专家计划”

提高数据处理能力

“专家计划”最初由美国国防部时任战略能力办公室主任威廉·罗珀提出。2017年4月26日,美国防部时任副部长罗伯特·沃克签发“算法战跨部门小组”(即“专家计划”)成立备忘录,批准启动该计划。备忘录指出,成立“算法战跨部门小组”的目的在于加速五角大楼对AI与机器学习技术的集成,将国防部内的海量可用数据快速转变为可用于指导美军行动的情报。

“算法战跨部门小组”最早开发用于目标探测、识别与预警的计算机视觉算法,提高对无人机所收集全动态视频的处理、利用与分发能力,减轻这方面的人力负担。2017年12月,“专家计划”首先在美军非洲司令部试用。

弗洛伊德中校在采访中表示,“军事ISR(情报、监视与侦察)数据就像铁矿,我们拥有很多矿山,必须挖掘出矿石并对其进行加工提炼。”美国在中东和非洲若干秘密基地部署有“扫描鹰”无人机或MQ-9“死神”无人机,“专家计划”部署在海外战区的情报人员负责从这些前方无人机传回的大量ISR数据中“掘金”。他们用复杂的算法,从无人机拍摄到的视频图像中,自主识别感兴趣的物体。

AI如何协助“挖掘”作战数据

“专家计划”利用AI协助挖掘作战数据的做法分两部分,一是采用“三步走”策略处理原始数据:

美军网络部队

第一步,对数据进行编目和标注,使其可用于训练算法;

第二步,在谷歌等承包商的帮助下,操作员利用已标注数据为特定任务和地区量身定制一套算法;

第三步,将该算法交付部队,并探索如何最好地对其加以利用。与现有分析工具相比,这些算法本身的规模和难度“相对轻量级”,且可以快速部署,仅需一天左右的时间进行设置。

二是注重算法的反复训练。“专家计划”团队早期获得的一个教训是,在部署后对算法进行“重新训练”非常重要。因为新算法不会在部署后立即“完美地”发挥作用,为此,“专家计划”团队在用户界面上设置了一个“训练AI”按钮,如果一种新算法把人识别为棕榈树,那么操作员仅需点击按钮,即可进行调整。“专家计划”算法首次在美国非洲司令部部署期间,团队在5天内对该新算法进行了6次重新训练,最终获得了“令人印象深刻的性能水平”。

对此,弗洛伊德表示,训练算法和训练空军人员有相似之处:空军人员上岗前需要有一个熟悉情况、了解任务的过程,算法部署也是如此。算法投入使用时,首先会利用来自一个地区的数据进行训练,然后会部署至另一新地区;在此过程中,算法一开始可能会犯低级错误,但项目团队会开发相关工具帮助它们快速纠正这些错误。

弗洛伊德强调,面对海啸般涌现的大量数据,美军收集和处理数据的能力日益不足,仅依靠增加人手已无法弥补相关能力缺口,“专家计划”的目标不是取代人类,而是增强和协助部署在海外战区的情报分析师。

首批算法部署到位

据悉,“专家计划”开发出的首批四套算法如今已在美军的非洲司令部、中央司令部的5~6个基地实现部署,后续还会在更多基地部署。另外,“专家计划”也在美国弗吉尼亚州兰利空军基地第1分布式地面站(美空军ISR数据收集、分析和分发体系五个区域协调中心之一)部署了初始能力,很快将在加利福尼亚州比尔空军基地的第2分布式地面站部署。

美军网络部队

美军希望,借助这些算法能够提升驻扎在海外的美军情报分析师的工作效率,毕竟在巨量的数据面前,传统的数据处理方法已无力应对,“专家计划”将AI技术引入,开发新的算法帮助提升美军情报分析师的工作效率,减轻这方面的人力负担,有力地支持美军在海外的反恐行动等。不仅如此,美军还计划后续将开发更先进的计算机视觉技术,并广泛应用于其他国防情报任务领域,对此,值得我们继续关注。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论