研究要求:
由于传感器数量不断增加,人工智能(AI)的应用也日益广泛,未来作战环境的特点将是信息量大、决策速度快。因此,陆军指挥官及其参谋人员将需要更快地做出决策和筛选大量信息的能力。商用人工智能系统具有提供这种能力的潜力,但陆军不能假设 "开箱即用 "的商用人工智能系统具有全部能力,因为这些系统需要针对美国陆军的具体情况进行充分的训练。此外,还需要开展研究,以了解目前人工智能在陆军中的应用情况。总的来说,人工智能往往擅长于主要通过模式识别来解决的任务,以及可以通过任务数据进行预测的任务,如图像识别、医疗诊断和转录。然而,人工智能能否用于提高美国陆军的信息收集效率,目前还不得而知。因此,在当前的研究中,探讨了以下问题: 人工智能能否用于提高美国陆军任务式指挥流程中的信息收集效率?
方法:
为了回答研究问题,使用了一个商业人工智能应用系统,它反映了陆军任务式指挥人工智能应用原型的首次开发工作。在这项研究工作中,比较了这一适合陆军的人工智能系统和其他两种信息收集方法在信息收集任务中的表现:一种是传统的信息收集方法(搜索计算机文件夹中的 PDF 文件),另一种是非适合陆军的人工智能系统。针对军队的系统使用军队相关知识来帮助搜索(例如,它知道 "MDMP "等同于 "军事决策过程"),而非针对军队的系统则没有。在以下方面对三种搜索方法进行了比较 1) 参与者找到准确搜索结果所需的时间;2) 参与者搜索结果的准确性;3) 参与者对搜索结果的信心程度;4) 参与者使用系统的工作量感知;5) 参与者对系统可用性的感知。
研究结果:
与使用传统搜索方法相比,学员在使用人工智能系统进行搜索时既没有更快,也没有更准确。在使用人工智能系统时,参与者对搜索结果的信心也没有传统方法高。不过,在使用军队定制的人工智能系统而不是非军队定制的系统时,参与者的搜索速度更快,但准确性也更低。最后,不同搜索方法的参与者对工作量和可用性的感知没有明显差异。
利用和传播研究结果:
这项研究是确定人工智能系统对信息收集效率影响的第一步。总体而言,研究结果表明,人工智能系统可能不会大幅提高美国陆军任务式指挥流程的信息收集效率,至少不会立即提高。虽然这项研究的重点是在受控实验室中执行一项无害的任务(即针对战术情况寻找条令解决方案),但未来计划中的用途不会像现在这样无害,这表明未来的研究需要对假设进行检验。在对人工智能进行投资的同时,还应在培训和研究方面进行投资,以充分发挥人工智能的优势并降低风险。假定人工智能系统是灵丹妙药并非明智之举,事实上,这项研究表明,人工智能系统需要经过全面审查。