W tym tkwi problem: nadzór wytwarza tsunami danych, których nie można przeanalizować wystarczająco szybko bez a) superkomputerów i b) sztucznej inteligencji. Technokraci są w swoim żywiole. ⁃ Edytor TN
Podobnie jak inne służby wojskowe i komponenty Departamentu Obrony, Siły Powietrzne są obecnie przeciążone przesyłaniem strumieniowych danych wywiadowczych i poszukują uczenia maszynowego i sztucznej inteligencji, aby pomóc swoim analitykom szybko wykorzystać wszystkie te informacje w praktyce.
W szczególności usługa chce połączyć Multi-inteligencję lub Multi-INT, która może składać się z danych w wielu formatach z załogowych i bezzałogowych statków powietrznych, satelitów i stacji naziemnych, a także z innych źródeł. Ilość i różnorodność tych danych może sprawić, że analitycy nie będą w stanie przeanalizować ich wszystkich, a ich wiedza pomoże w podejmowaniu decyzji. Więc Laboratorium Badawcze Sił Powietrznych (AFRL) wydało Wniosek o udzielenie informacji poszukiwanie wkładu ze strony przemysłu, środowiska akademickiego i innych rządowych laboratoriów na temat odpowiednich narzędzi, które są dostępne lub są w fazie rozwoju.
https://www.youtube.com/watch?v=5UfF121mFiQ
Nadmiar danych nie jest niczym nowym - siły powietrzne narzekają na to niebezpieczeństwa związane z przeciążeniem czujnika od wczesnych 2000-ów, ale potrzeba rozwiązania problemu staje się coraz pilniejsza. Siły Powietrzne przechodzą na nowy paradygmat eksploatacji, zwany Rozum, identyfikuj, przypisuj, udostępniaj (SIAS), który wymaga nowych podejść do wykorzystania Multi-INT, zgodnie z RFI.
Siły Powietrzne Plan lotu Dominacja nowej generacji ISR, podpisany w lipcu tego roku, stwierdza, że usługa „musi mieć architekturę i infrastrukturę, aby umożliwić inteligencję maszyn, w tym automatyzację, tworzenie zespołów człowiek-maszyna, a ostatecznie sztuczną inteligencję”, która określi inteligencję, nadzór i rozpoznanie usługi ( ISR) wysiłki na przyszłość.
„Komponenty technologiczne zaprojektowane do obsługi SIAS będą musiały spożywać, analizować i informować zarówno analityków, jak i inne nowe technologie zaprojektowane w celu automatyzacji zapytań do baz danych ISR i fizycznego gromadzenia danych”, stwierdza RFI.
Siły Powietrzne są dalekie od samotności w używaniu sztucznej inteligencji i uczenia maszynowego do radzenia sobie z atakiem danych wywiadowczych. National Geospatial-Intelligence Agency (NGA) chce wykorzystać technologie, aby uzyskać kontrolę nad ogromnymi ilościami inteligencja geoprzestrzenna (GEOINT) zbiera, koncentrując się na treści geoprzestrzennej w swoich źródłach danych Multi-INT. Ostatnio przyznane NGA siedem rocznych umów badawczych do stosowania zaawansowanych algorytmów i uczenia maszynowego do charakteryzowania danych geoprzestrzennych. Nagrody były częścią trzyletniej inicjatywy agencji Boosting Innovative GEOINT Broad Agency Announcement (BIG BAA), która od 2016 zawarła szereg umów dotyczących określonych obszarów tematycznych.
Departament Obrony Project Maven stosuje algorytmiczne podejście do analizy milionów godzin filmów w pełnym ruchu z dronów i innych źródeł (i był centrum kontrowersji, gdy niektórzy pracownicy Google sprzeciwiali się zaangażowaniu firmy; ostatecznie Google zdecydowałem wyjść projekt). Działalność wywiadowcza w zakresie zaawansowanych projektów badawczych (IARPA) rozwija także systemy AI w innych obszarach tego, co nazywa inteligencja antycypacyjna, takie jak jego Deep Intermodal Video Activity (DIVA) program do automatyzacji monitorowania i analizy niekończących się godzin nadzoru wideo.
wpDiscuz