Her ligger problemet: Overvåking produserer en tsunami av data som ikke kan analyseres raskt uten a) superdatamaskiner og b) kunstig intelligens. Teknokrater er i sitt. ⁃ TN Editor
I likhet med andre militære tjenester og Department of Defense-komponenter, finner flyvåpenet seg overbelastet i disse dager med strømming av etterretningsdata, og ser etter maskinlæring og kunstig intelligens for å hjelpe sine analytikere raskt å bruke all den informasjonen til praktisk bruk.
Spesielt ser tjenesten ut til å smelte sammen Multi-intelligence, eller Multi-INT, som kan bestå av data i flere formater fra bemannede og ubemannede fly, satellitter og bakkestasjoner, så vel som andre kilder. Volumet og mangfoldet av disse dataene kan gjøre at analytikere ikke kan analysere alt og kunnskapsfullt kan hjelpe med å informere beslutningsprosessen. Så Air Force Research Laboratory (AFRL) har gitt ut en Spør etter informasjon på jakt etter innspill fra industri, akademia og andre myndighetslaboratorier om aktuelle verktøy som er tilgjengelige eller er i utvikling.
https://www.youtube.com/watch?v=5UfF121mFiQ
En overflod av data er ikke noe nytt - Luftforsvaret har klaget på dette farene ved sensordrevet overbelastning siden de tidlige 2000-ene, men behovet for å løse problemet blir mer presserende. Luftforsvaret flytter til et nytt utnyttelsesparadigme som heter Sense, Identify, Attribute, Share (SIAS) som krever nye tilnærminger til å utnytte Multi-INT, ifølge RFI.
Luftforsvarets Next Generation ISR Dominance Flight Plan, undertegnet i juli i år, uttaler at tjenesten "må ha arkitektur og infrastruktur for å muliggjøre maskinell intelligens, inkludert automatisering, teaming av mennesker og til slutt kunstig intelligens," som vil definere tjenestens intelligens, overvåking og rekognosering ( ISR) innsats fremover.
"Teknologikomponenter designet for å støtte SIAS vil trenge å innta, resonnere og informere både analytikere og andre nye teknologier designet for å automatisere både ISR-databaseforespørsler og fysisk innsamling," uttaler RFI.
Luftforsvaret er langt fra alene om å se etter å bruke AI og maskinlæring for å håndtere angrepet av etterretningsdata. National Geospatial-Intelligence Agency (NGA) ønsker å bruke teknologiene for å få tak i de enorme mengdene av geospatial intelligens (GEOINT) den samler, med fokus på det geospatiale innholdet i Multi-INT datakilder. NGA ble sist utdelt syv ettårige forskningskontrakter for anvendelse av avanserte algoritmer og maskinlæring for å karakterisere geospatial data. Prisene var en del av byråets tre-årige Boosting Innovative GEOINT Broad Agency Announcement (BIG BAA) -initiativ, som siden 2016 har tildelt en rekke kontrakter rettet mot bestemte emneområder.
Forsvarsdepartementet Prosjekt Maven tar en algoritmisk tilnærming til å analysere millioner av timers full-motion video fra droner og andre kilder (og var midtpunktet i kontrovers da noen ansatte i Google motsatte seg selskapets engasjement; Google til slutt bestemte meg for å forlate prosjektet). IARPA (Intelligence Advanced Research Projects Activity) utvikler også AI-systemer på andre områder av det den kaller foregripende etterretning, slik som dets Dyp intermodal videoaktivitet (DIVA) program for å automatisere overvåking og analyse av uendelige timer med overvåkningsvideo.
wpDiscuz