Her ligger problemet: Overvågning frembringer en tsunami af data, der ikke kan analyseres hurtigt nok uden a) supercomputere og b) kunstig intelligens. Teknokrater er i deres element. ⁃ TN Editor
Ligesom andre militære tjenester og Department of Defense-komponenter, finder luftvåbenet sig i dag overbelastet med streaming af efterretningsdata og søger maskinlæring og kunstig intelligens for at hjælpe sine analytikere hurtigt med at anvende al denne information til praktisk brug.
Specifikt ser tjenesten ud til at smelte sammen Multi-intelligence eller Multi-INT, der kan bestå af data i flere formater fra bemande og ubemande fly, satellitter og jordstationer såvel som andre kilder. Mængden og mangfoldigheden af disse data kan lade analytikere ikke være i stand til at analysere det hele og vidende hjælpe med at informere beslutningsprocessen. Så Air Force Research Laboratory (AFRL) har udstedt en Anmodning om information på udkig efter input fra industri, akademia og andre regeringslaboratorier om relevante værktøjer, der er tilgængelige eller under udvikling.
https://www.youtube.com/watch?v=5UfF121mFiQ
En overflod af data er ikke noget nyt - Luftforsvaret har klaget over dette farer ved sensordrevet overbelastning siden de tidlige 2000'er - men behovet for at løse problemet bliver mere presserende. Luftforsvaret flytter til et nyt udnyttelsesparadigme kaldet Sense, Identify, Attribute, Share (SIAS), der kræver nye tilgange til udnyttelse af Multi-INT ifølge RFI.
Luftforsvarets Next Generation ISR Dominance Flight Plan, underskrevet i juli i år, siger, at tjenesten "skal have arkitekturen og infrastrukturen for at muliggøre maskine-intelligens, herunder automatisering, menneskelig-maskinteaming og i sidste ende kunstig intelligens," som vil definere tjenestens intelligens, overvågning og rekognosering ( ISR) indsats fremover.
"Teknologikomponenter designet til at understøtte SIAS bliver nødt til at indtage, resonere og informere både analytikere og andre nye teknologier designet til at automatisere både ISR-databaseforespørgsler og fysisk indsamling," siger RFI.
Luftforsvaret er langt fra alene om at søge at bruge AI og maskinlæring til at tackle det angreb af efterretningsdata. National Geospatial-Intelligence Agency (NGA) ønsker at bruge teknologierne til at få et greb om de enorme mængder af geospatial intelligens (GEOINT) den indsamler, med fokus på det geospatiale indhold inden for dets Multi-INT datakilder. NGA sidst tildelt syv etårige forskningskontrakter til anvendelse af avancerede algoritmer og maskinlæring til at karakterisere geospatiale data. Priserne var en del af agenturets tre-årige Boosting Innovative GEOINT Broad Agency Announcement (BIG BAA) -initiativ, som siden 2016 har tildelt en række kontrakter, der er rettet mod specifikke emneområder.
Forsvarsministeriet Projekt Maven tager en algoritmisk tilgang til at analysere millioner af timers fuld-motion video fra droner og andre kilder (og var centrum for kontrovers, da nogle Google-ansatte modsatte sig virksomhedens engagement; Google til sidst besluttede at forlade projektet). IARPA (Intelligence Advanced Research Projects Activity) udvikler også AI-systemer på andre områder, hvad det kalder foregribende intelligens, som dets Dyb intermodal videoaktivitet (DIVA) program til at automatisere overvågning og analyse af uendelige timer med overvågningsvideo.
wpDiscuz