认识到当前军事教育体系的特殊性,并考虑到军事工程培训快速现代化的必要性,人机界面需要采用创新技术来加强教育过程。我们的目的是详细分析在培训未来军事工程军官时人工智能技术的实施情况,概述现有策略,并制定通过人工智能技术强化教育过程的可行策略。为实现研究目的,通过五份问卷对 154 名教官进行了开放式和封闭式调查,以解决研究问题。采用传统的内容分析法和数据统计处理法对答案进行了研究。结果揭示了人工智能在军事工程训练中应用的基本方向,以及人工智能在未来军事工程军官专业能力培养中的可能应用。但与此同时,研究结果表明,军事工程训练过程正面临着一些挑战,使人工智能驱动的转型实施变得更加复杂。为了克服人工智能目前面临的挑战,并为人工智能在人机界面的应用提出建议,概述了通过人工智能技术加强军事工程训练的策略。

图 3:通过人工智能技术加强军事工程训练的战略。

根据调查结果,可以考虑通过人工智能技术加强军事工程训练的五项策略。

首先,对未来军事工程军官进行有效培训和数据隐私控制需要制定使用人工智能的法律框架。特别是对于信息获取受限的人机交互界面而言,这一点至关重要。由于所有乌克兰教育机构都根据《欧盟-乌克兰联系协议》中乌克兰立法与欧盟(EU)法律相协调的原则运作,因此拟议的欧盟人工智能法(欧盟委员会,2021 年)成为设计人工智能法规的基础。同时,高校的教育过程近似于北大西洋公约组织(NATO)的标准,他们有义务在北约实施人工智能政策(Stanley-Lockman & Christie, 2021)。针对特定机构的规定可以帮助教师处理具体情况,并解决人工智能应用所带来的具体风险。此外,官方指南还包括一份不能在人机界面中使用的高风险应用程序清单,并规定了人工智能用户(包括教员和学员)的具体义务。我们预计,制定使用人工智能的法律框架将促进教育进程,并使学员能够从已有的几项创新技术中受益。

其次,将人工智能纳入课程涉及将人工智能的原则、道德、法规和基本功能纳入人机界面教授的课程,以及创建使用人工智能工具的综合课程。该战略以在培养未来军事工程军官的过程中有效应用人工智能工具为导向,可用于培养人工智能素养和数字能力。此外,这种影响可能有助于扩大工程单元的运作可能性,提高未来军事工程军官专业活动的生产力。将人工智能纳入课程是培养教员和学员适应人机界面创新数字教育环境的必要条件。因此,修改现有课程将为在军事工程训练中正确和合乎道德地使用人工智能创造一个稳定的位置。

第三,教育过程参与者的高水平人工智能数字化能力意味着他们已准备好正确使用人工智能工具,能够处理来自不同来源的大量信息,并理解在专业军事活动中进行数字化转型的必要性(Ng 等人,2023 年)。培养人工智能数字化能力需要为教官和学员开设专门课程,教授如何在数字化环境中操作以及如何避免可能出现的错误。人工智能数字化能力对于优化教育过程、在线环境下的工作、改善学习材料的视觉感知、使用人工智能工具创建高质量内容、收集和系统化数据、开发基于人工智能的项目、积极的在线交流、改善教学实践、高效的课堂管理等都是必不可少的。

第四,通过人工智能技术加强军事工程训练需要制定具体的方法,旨在选择教学方法和活动,使教学过程高效。适当的方法论可以让教员合理使用学习材料,在学员中形成深厚的知识和技能,培养未来军事工程军官的持续学习能力。目前,人机界面的教学科目正面临着快速转型,我们看到的是从传统教学方法向个性化学习和互动式教学方式的转变。一方面,行为模型、数据分析和学习管理系统等人工智能工具促进了军事教育的现代化,形成了有效的定制学习。另一方面,人工智能工具的使用要求根据教学科目和教学目标采用特定的教学方法。

成为VIP会员查看完整内容
32

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《深度学习: 整合领域知识,解读网络决策》
专知会员服务
36+阅读 · 1月9日
《人工智能对战略和业务决策的影响》
专知会员服务
56+阅读 · 2023年12月17日
《可信人工智能: 将人工智能融入美国陆军知识体系》
专知会员服务
145+阅读 · 2023年4月12日
《军事背景下能力规划的概念模型》
专知会员服务
128+阅读 · 2023年3月28日
《人工智能在军事武器系统中的崛起》
专知会员服务
142+阅读 · 2023年3月21日
《通信和导航中的优化算法设计》美国空军研究实验室
专知会员服务
36+阅读 · 2022年8月19日
【2022新书】深度学习归一化技术,117页pdf
专知
24+阅读 · 2022年11月25日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
33+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
45+阅读 · 2009年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
407+阅读 · 2023年3月31日
Arxiv
68+阅读 · 2023年3月26日
Arxiv
146+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关VIP内容
《深度学习: 整合领域知识,解读网络决策》
专知会员服务
36+阅读 · 1月9日
《人工智能对战略和业务决策的影响》
专知会员服务
56+阅读 · 2023年12月17日
《可信人工智能: 将人工智能融入美国陆军知识体系》
专知会员服务
145+阅读 · 2023年4月12日
《军事背景下能力规划的概念模型》
专知会员服务
128+阅读 · 2023年3月28日
《人工智能在军事武器系统中的崛起》
专知会员服务
142+阅读 · 2023年3月21日
《通信和导航中的优化算法设计》美国空军研究实验室
专知会员服务
36+阅读 · 2022年8月19日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
33+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
45+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员