美国海军陆战队(USMC)将人工智能(AI)视为提升现代战争决策优势的变革性技术。本《海军陆战队AI实施计划》(AI IPlan)响应《海军陆战队AI战略》发布需求制定,作为落实第39任司令官规划指导"利用人工智能进步强化战术边缘决策能力"的关键举措。该计划与《兵力设计》、《海军部(DON)数据与AI武器化战略》(制定中)、《国防部(DoD)数据分析与AI战略》及《人工智能行政命令14179》等核心指令保持协同。

目的:AI实施计划明确落实《海军陆战队AI战略》的行动路径、主责部门(OPRs)与里程碑节点。计划设立"数字化转型试点(DXP)"项目作为近期实施载体与成效评估工具,通过整合性文件统一协调各类活动,确保行动协同。基于战略指令细化分解,为每项目标设定明确任务。

适用范围:本文件适用于海军陆战队全体力量,以舰队陆战队为主要服务对象。

方法

  1. 数字化转型试点:数字化转型是通过采用数字技术实现创新增效的过程。本计划设立"数字化转型试点"项目,部署数字转型团队(DXTs)以支持并衡量实施成效。试点聚焦以下领域:
    • 交付数字化、数据、分析与AI解决方案
    • 实现流程优化
    • 为指挥部提供数字化、数据与AI应用的机遇与风险建议
    • 验证现有流程并识别数据与AI整合机会
    • 通过数据与AI治理架构进行报告(确保军种协同与决策)

  2. 数据作为AI基础:数据管理、治理与架构是有效实施AI的关键。本计划支持并指导《海军陆战队数据实施计划(DIP)》更新工作,明确将可审查事项纳入指挥官检查项目,推动文化向数据驱动决策转型。

  3. AI基础设施:AI基础设施运营规划组(OPT)将识别存储计算、资源管理、开发安全运维(DevSecOps)、机器学习运维(MLOps)环境及战术/企业级机器学习(ML)平台需求,并将网络安全贯穿各环节。

  4. 人才队伍:本计划提出支持数据与AI战略目标的人才结构调整,明确三类核心群体:
    • 应用层:运用AI能力提升作战效能的陆战队员
    • 技术层:开发、维护与优化数字化、数据及AI解决方案的技术团队
    • 决策层:负责AI及AI增强系统使用风险评估的领导者

  5. 培训与教育:通过定制化培训确保任务成功,包括:
    • 开发即时培训资源提升员工技能
    • 建立体系化AI培训机制(支撑AI专业力量与全体人员能力建设)

  6. 政策与政策阻碍:海军陆战队创新单元(MIU)评估指出现有AI实施潜在障碍并提出建议,重点关注以下领域:
    • 运行授权(ATO)流程
    • 现行风险管理框架
    • 军种内部数据管理碎片化
    • 软件构建、部署与管理的文化惯性

  7. 海军陆战队数字化转型中心:将评估设立"海军陆战队数字化转型中心(CDX)"。该中心通过提供数字化、数据与AI知识产品,培育健康生态系统、开发者社群与用户基础,并借力产学研合作加速AI等新兴技术在全军种的部署。

  8. AI治理:AI治理确保合规性、资源协调与负责任AI实践,同时激励创新。计划要求军种数据办公室(SDO)识别与现有治理体系的整合机遇,建立AI治理框架。

  9. 资源框架:本计划阐述如何在全军种协调资源,实现高效AI实施与监管,支撑当前与未来需求的全域能力建设。

执行

明确任务与主责部门(OPRs)以推动有效实施。每项任务均含预期关键绩效指标(KPIs),主责部门需在本计划发布后细化KPI。OPRs需按季度向AI工作组(AIWG)汇报进展。图1概要展示实施时间线与里程碑节点。

本AI实施计划通过详细路线图落实《海军陆战队AI战略》,推动陆战队转型为AI赋能部队,以强化战备与效能应对未来冲突挑战,彰显海军陆战队通过负责任与创新运用AI技术保持竞争优势的决心。

实施时间线

图1. 海军陆战队人工智能实施计划里程碑与时间线

成为VIP会员查看完整内容
2

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。
美军2025最新条令《人工智能》
专知会员服务
83+阅读 · 4月10日
《美国海军陆战队人工智能战略》最新发布
专知会员服务
45+阅读 · 2024年9月9日
《美海军舰载激光器》最新38页报告
专知会员服务
25+阅读 · 2024年7月27日
美陆军的人工智能新政策:引领大语言模型的未来
专知会员服务
77+阅读 · 2024年5月27日
美陆军2022最新发布《美国陆军数据计划》,17页报告
专知会员服务
162+阅读 · 2022年10月17日
国家自然科学基金
12+阅读 · 2017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
9+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+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
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
A Survey of Large Language Models
Arxiv
459+阅读 · 2023年3月31日
Arxiv
24+阅读 · 2023年3月17日
Neural Architecture Search without Training
Arxiv
10+阅读 · 2021年6月11日
Arxiv
26+阅读 · 2020年2月21日
VIP会员
相关资讯
相关基金
国家自然科学基金
12+阅读 · 2017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
9+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+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
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
微信扫码咨询专知VIP会员