《美国海岸警卫队对搜救的预测性人工智能应用》

人工智能（AI）已进入世界各大行业，军事行业也不例外。几乎每个国家都在寻找新的方法将人工智能应用到军队中，无论是通过作战、医疗还是分析预测。虽然战场上的人工智能是头条新闻（如无人驾驶无人机、智能弹药等），但其潜力并不止于此。说到人工智能在战场之外的用途，能够监测生命体征、定位失踪人员和进行预测性维护的程序只是军方如何在非战斗环境中使用人工智能的一些例子。

本文的目的是探讨上述人工智能的用途，具体来说，就是在涉及美国海岸警卫队（USCG）的深海和近岸搜救（SAR）案例时，分析实施预测分析人工智能机器学习算法的可能性。这将通过将人工智能模型与海岸警卫队目前用于定位溺水人员的计算机程序（即搜救优化规划系统（SAROPS））配对来实现。本文的研究将解释为什么在美国海岸警卫队中实施人工智能是有益的，同时还将解释将使用哪种人工智能，以及如何对人工智能进行编程以完成所需的必要任务。本文还将介绍预测分析型人工智能在军事领域的现状、美国海岸警卫队（USCG）当前的搜救协议，以及美国海岸警卫队（USCG）如何将人工智能与当前的搜救行动结合起来，以提高搜救成功的可能性（POS）。

搜救优化规划系统（SAROPS）

近 15 年来，SAROPS 已被证明是寻找溺水人员的有效算法，但 SAROPS 在某些方面仍有不足，人工智能算法的加入将使其受益匪浅。就目前而言，SAROPS 有两大问题需要解决，而人工智能的加入将使其立即受益。

当前 SAROPS 程序的第一个问题是使用起来越来越复杂，需要大量的培训才能准确操作程序。美国海岸警卫队退役指挥官德鲁-凯西（Drew Casey）（2021 年）说："海岸警卫队的搜救案例规划软件--搜救最佳规划系统（SAROPS）变得越来越复杂。它不仅需要指挥中心多年的经验才能掌握其使用方法，还需要掌握其输出结果的实际应用"（Casey，2021 年）。虽然 SAROPS 是一个有用且有效的程序，但它的操作难度却越来越大，尤其是在专业技术力量薄弱的小型单元。像 SAROPS 这样的高难度程序在高压力环境（如搜救案例）中的学习也具有挑战性。凯西接着说："现在，行动专家要花费大量时间......接听来自各种报告来源的电话，并将相关信息分发给......分区指挥部的主题专家。这种控制范围的扩大和行政消耗的增加从来都不是有意为之"（Casey，2021 年）。随着 SAROPS 操作难度的增加，这给知道如何使用 SAROPS 的操作专家（Operation Specialist，OS）带来了巨大的压力，导致操作专家的压力增加，犯错的机会也随之增加。采用机器学习算法后，一旦人工智能学会了如何实现成功的 SAROPS 案例所需的功能，就不再需要大量的人工输入。信息可以直接发送到数据库，然后人工智能就能对其进行标注和相应的使用。使用人工智能将大大减少教导新操作员如何有效使用程序的时间，从长远来看，它还能确保更高的准确性，因为计算机在标注数据集和输入信息方面比人类更准确。

这就引出了第二个问题：准确性。SAROPS 是一个需要高度准确性的程序，但遗憾的是，实现最佳结果所需的准确性水平并非总能达到。美国海岸警卫队海洋学家克里斯蒂娜-福布斯（Cristina Forbes）（2024 年）在谈到 SAROPS 的准确性时说：“模型数据的不准确性对海上失联海员的搜救工作来说非常具有挑战性，因为搜索将在错误的地点进行，从而延误救援并耗费资源”（福布斯等人，2024 年）。如果在 SAROPS 编程时出错，后果将是耗费时间，而时间在 SAR 案例中是非常宝贵的。对人工智能进行编程，使其能够成功地对大量信息进行分类，将大大降低错误数据危及任务的风险，因为人工智能不仅擅长准确整理和计算数据，而且让人工智能发挥主导作用几乎可以完全消除人为错误。这也让 SRU 在运行时更有把握，知道他们发送的搜索模式是最好的，因此在高度紧张的情况下不会再猜测算法。这是人工智能在搜救领域发挥作用的两种最直接的方式，美国海岸警卫队可以通过实施预测分析 ML 程序轻松实现这一目标。