摘要

在过去的15年里,人工智能(AI)代表了一个快速扩张的领域,它将从本质上彻底改变分析过程。历史上以人为中心的流程和能力正迅速被不断扩大的数据收集所淹没,从而创造了一个人工智能工具可以填补的空白。使商业行业受益的人工智能应用提供了类似的机会,在军事领域内增加价值。海军陆战队正在大力投资扩大其在整个海军陆战队情报、监视和侦察体系(MCISRE)的收集能力。2015-2020年MCISRE计划指导所有情报学科的情报、监视和侦查资产的现代化。随着收集能力的扩大,处理和利用信息的分析工具必须以类似的方式发展。为了扩大其分析能力,海军陆战队情报部门必须建立一个战略,确定如何整合人工智能能力。本论文利用当前的人工智能技术能力,提出了一个在MCISRE中整合它们的战略。该战略将在理论、组织、训练、物资、领导/教育、政策和设施(DOTMLPF)方面提供一个整体的前景,为高级领导层提供物质和非物质解决方案的建议,以支持人工智能在MCISRE内的整合。

1 导言和概述

1.1 简介

人工智能(AI)是一个快速扩张的领域,它将从本质上彻底改变分析过程。历史上以人为中心的流程和能力正迅速被数据收集的扩展所淹没,这就产生了一个缺口,而人工智能工具提供了填补这一缺口的能力。到目前为止,人工智能的大部分应用都集中在商业行业。信息技术、营销、会计和客户服务行业都从人工智能的算法和系统开发扩展中受益(Ramaswamy,2017)。军事领域,包括海军陆战队情报、监视和侦察事业(MCISRE),同样可以从人工智能的商业行业应用中受益。

海军陆战队在扩大整个MCISRE的情报、监视和侦察(ISR)能力方面进行了大量投资。2015-2020年MCISRE计划指导所有情报学科的收集能力的现代化(HQMC-I,2014)。随着收集能力的扩大,分析能力必须以类似的方式共同发展,以防止收集和利用之间出现差距。为了扩大其分析能力,海军陆战队情报部门必须建立一个战略,确定如何对待人工智能能力的整合。

这篇论文将探讨当前的人工智能技术能力,并提出一项战略,以利用它们应用于MCISRE。该战略将在理论、组织、训练、物资、领导/教育、人员、设施和政策(DOTMLPF-P)方面提供一个整体展望,为高级领导层提供物质和非物质解决方案的建议,以支持人工智能在情报企业中的整合。

1.2 问题陈述

2012年9月14日,15名塔利班叛乱分子突破了堡垒营的东部边界(加勒特,2013)。在威胁被消除时,两名美国军人死亡,八人受伤,十几架飞机被摧毁或损坏(加勒特,2013)。随后的调查提供了因果关系,其中包括不适当的安全人员配置、没有观察到的地形、缺乏深度防御、缺乏巡逻和缺乏当地机场的安全(加勒特,2013)。所有这些因素都与不适当的友好行动路线(COA)的制定有关。报告中列出的其他促成因素包括通过错误的威胁评估低估了敌人,以及没有考虑到所有可能的敌人COA。现有的人工智能工具可以应用于军事领域,以更好地促成友军的COA决策,并对敌人的能力和意图提供更好的预测分析。如果军事领导层配备了人工智能能力,他们可能已经为攻击做了更多准备,并防止了巨大的生命和飞机损失。

在过去的15年里,人工智能的能力已经迅速扩大。能力的增长与同期人工智能创业公司14倍的扩张相对应(Shoham等人,2017)。尽管有这样的增长,海军陆战队却未能在整个MCISRE中利用和充分纳入人工智能。由于没有纳入这样一种关键能力,未能适应人工智能技术,通过降低分析能力对海军陆战队的情报作战功能产生了负面影响。数据收集正在以指数级的速度扩展,人类历史上产生的当前全球数据的90%是在过去两年中收集的(Savitz,2013)。随着数据收集的不断扩大,海军陆战队的分析退化将变得巨大,在收集和分析人员处理和利用数据的能力之间产生了差距。缺乏正式的战略来整合整个MCISRE的人工智能,导致了这个问题。一项定性研究,调查DOTMLPF-P对人工智能整合的考虑,可以帮助制定一个有凝聚力的战略,这将有助于解决这个问题。

1.3 目的声明

这项研究的目的是对商业和美国防部(DoD)的人工智能能力和软件与海军陆战队的分析工具集进行评估和并列,以确定潜在的能力和整合方法。这种识别和随后的建议旨在扩大情报分析员的分析技术,以弥补海军陆战队在收集和利用大数据之间不断扩大的能力差距。DOTMLPF-P的建议被整合到MCISRE的AI战略中,代表了最终的结果。该研究将确定和考虑。

  • 海军陆战队的分析工具和战术、技术和程序(TTPs)

  • 人工智能赋能能力

  • 商业上可用的人工智能能力

  • 人工智能的军事应用的分析要求的差异

  • DOTMLPF-P分析,以确定整合人工智能的要求。

1.4 研究问题

1.海军陆战队情报监视和侦察事业(MCISRE)如何将已经开发的商业人工智能软件和硬件能力纳入其系统架构,以提高整个企业的分析能力?

2.鉴于商业人工智能的新兴能力,需要对软件和/或就业概念进行哪些调整以确保它们支持军事分析要求?

3.将人工智能纳入海军陆战队情报工作的DOTMLPF-P考虑和影响是什么?

4.海军陆战队应在此战略的基础上追求哪些技术选择?

1.5 潜在利益、限制和假设

所进行的研究为海军陆战队提供了一个机会,以确定将人工智能应用于其军事情报工具集的优势和风险。可交付的成果将是一项人工智能战略,该战略将为负责战斗开发和整合的副司令部(DC CD&I)的未来记录项目以及海军陆战队总部情报部(HQMC-I)的政策提供信息。由于新兴的商业人工智能能力目前不存在记录项目,该研究将限于文献和商业人工智能领域的研究,并利用演绎推理来达成战略的建议。该战略的一个假设是,MCISRE不会用额外的人力解决任何挑战,所有提议的人工智能解决方案必须考虑到这一限制。这一假设是基于海军陆战队部队结构的最新趋势。

1.6 论文布局

第二章是文献综述,研究了人工智能领域的学术工作,并对整个MCISRE实施人工智能所需的关键知识概念进行了阐述。第二章将分为两部分,前半部分侧重于通过研究战术、技术和程序(TTPs)来了解目前如何进行情报工作。后半部分将重点关注情报周期各阶段的人工智能使能能力。第三章解释了用于推断已确定的人工智能使能能力的方法,结合实地研究,制定构成人工智能整合战略基础的建议。第四章是介绍DOTMLPF-P的关键考虑。第五章介绍了结论和对未来研究的建议。

成为VIP会员查看完整内容
102

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。
美国海军司令部《2022年航行计划》
专知会员服务
52+阅读 · 2022年9月28日
【英国国防部】《兵棋推演手册》112页PDF
专知会员服务
137+阅读 · 2022年8月23日
《 美国国防部:反小​​型无人机系统战略》38页报告
专知会员服务
198+阅读 · 2022年8月12日
《待命部队概念》美国海军陆战队32页报告
专知会员服务
45+阅读 · 2022年8月5日
【AI】英国国防部《国防人工智能战略》摘要
专知会员服务
90+阅读 · 2022年6月22日
国家自然科学基金
251+阅读 · 2017年12月31日
国家自然科学基金
27+阅读 · 2014年12月31日
国家自然科学基金
5+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
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
7+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年7月31日
国家自然科学基金
88+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年10月19日
Arxiv
0+阅读 · 2022年10月18日
Arxiv
0+阅读 · 2022年10月17日
Arxiv
0+阅读 · 2022年10月16日
Arxiv
13+阅读 · 2021年3月29日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
VIP会员
相关资讯
相关基金
国家自然科学基金
251+阅读 · 2017年12月31日
国家自然科学基金
27+阅读 · 2014年12月31日
国家自然科学基金
5+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
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
7+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年7月31日
国家自然科学基金
88+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年10月19日
Arxiv
0+阅读 · 2022年10月18日
Arxiv
0+阅读 · 2022年10月17日
Arxiv
0+阅读 · 2022年10月16日
Arxiv
13+阅读 · 2021年3月29日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
微信扫码咨询专知VIP会员