2020年人工智能可以利用传感器数据的6种方式

 电话：010-58330898 手机：18501361766

微信：tech99999 邮箱：qianyanjun@techxcope.com

更多的传感器意味着更多的数据，太多的数据限制了国防部将这些信息及时转化为可行动情报的能力。但是，人工智能正准备通过将负担从人类转移到机器来改变这种状况，以便只有最相关和最及时的数据才能到达需要它的人手中。

大多数数据驱动的人工智能应用都是通过传感器技术的创新实现的，这些技术可以通过超越简单运动检测和类似二进制函数的功能产生大量数据。正因为如此，随着廉价无线远程传感器和众多传感器负载的自主系统的日益普及，未来战场将覆盖前所未有数量的传感器规模。

随着2020年的进展，预计将有更多的历史传感器数据挑战得到解决，推动人工智能应用在以下几个关键领域的战术优势：

国防部投入大量人力监控特定对象、事件、威胁和异常的数据源，无论是无人机视频还是士兵可穿戴设备提供的健康信息。利用这种传感器驱动的数据通常需要一定程度的人力，这在财务上或操作上都是不可行的。目前国防部正在努力减少这种监测的手动部分。例如，国防部的Maven项目利用谷歌的TensorFlow人工智能系统分析美国无人机的镜头拍摄的视频，检测出其中值得注意的物体，然后将它们传递给分析人员。

网络威胁的数量和复杂性不断增长，可能会挑战快速响应甚至先发制人攻击的能力。为了保持对对手的优势，利用人工智能实现网络安全操作的自动化至关重要。例如，去年美国海军信息战系统司令部宣布了一项人工智能网络安全挑战，以使用人工智能和机器学习实现网络安全操作的自动化。黑客松活动（hack-a-thon，一种活动,在该活动当中，电脑程序员以及其他与软件发展相关的人员，如图形设计师、界面设计师与项目经理，相聚在一起，以紧密合作的形式去进行某项软件项目）是对不断增长的网络安全相关数据生成的响应，人工智能和机器学习在利用这些数据进行实时威胁响应方面可以发挥作用。

美国陆军外科研究所（U.S.Army Institute of Surgical Research）负责人杰罗姆·布勒（Jerome Buller）上校最近谈到了他的愿景，即人工智能、机器学习、传感器和视觉设备如何将战场上的医疗人员引导到那些他们最能帮助的伤员身上。布勒指出，士兵可穿戴式扫描的生物特征数据如何帮助医疗人员在进入混乱的战区之前做出更明智的救生决定。

电子战攻击得到了美军的充分重视，美军继续加强其电子战软硬件的攻防作战能力。然而，和其他类型的传感器一样，电子战传感器也会产生大量的假信号或噪声。为了使国防部能够理解数据并将其转换为可行动的信息，国防部正在寻找人工智能来过滤噪声和秘密信号，从而降低作战人员在信号检测方面的“认知负荷”。陆军快速能力和关键技术办公室最近的实验和原型显示出全面部署的希望。

军车和装备故障不仅会带来重大的成本影响，更重要的是会威胁士兵的安全。尽管消除意外的、装有传感器的设备（为决策者和士兵提供稳定的实时数据流）总是一项挑战，但这些设备将使作战人员更接近零伤亡。人工智能是一个重要的原因。近年来，军方看到了一些项目，例如美国陆军发起的一个项目，该项目使用人工智能来提高布雷德利坦克车队的战备状态，以获得设备健康状况的实时快照来指导维修决策。

2019年12月，美国空军、海军和陆军首次对先进作战管理系统（ ABMS）进行了实地测试。ABMS的设计目的是将各种军事技术连接起来，以更好地应对日益复杂的对抗威胁。ABMS野战测试将空军和海军战斗机、海军驱逐舰和陆军部队收集的通信和传感器数据连接起来，是新作战概念的一部分，该概念设想了跨越陆地、海洋、空中、太空和网络空间五个作战域的协同作战。这个被称为全域联合指挥与控制（JADC2）的新概念的关键是数据的实时收集、分析和共享，以及利用人工智能帮助确保正确的数据到达正确的部队，以获得有效的态势感知和决策支持。