在现代战场上,美国国防部(DoD)长期以来一直非常依赖数据的收集和分发来实现信息优势。在最基本的层面上,这只是让正确的人在正确的时间获得正确的信息,从而做出明智的决策。以网络为中心、以服务为导向的架构、最近的联盟联合全域指挥与控制(CJADC2)以及陆军统一数据参考架构(UDRA)等国防部架构都证明了这一目标。这些计划都以 “数据移动性”这一总体概念为基础。毫无疑问,数据移动性对实现信息优势至关重要,但还必须实现 “软件移动性”,才能继续在现代作战空间中占据主导地位。

软件移动性是指在整个企业内自由移动软件(应用程序、服务、人工智能/机器学习等),并根据动态任务要求将其运行到所需位置的能力。数据移动性是指将任何数据从生成数据的任何系统快速通过网络移动到任何位置,使其他系统和/或用户可以访问这些数据的能力。这一概念是支持 CJADC2 的 “从任何传感器到任何射手”目标的基础。数据移动性通常被认为是将数据向软件移动,而软件移动性则是将软件向数据和用户移动的能力。实现企业数据移动性和软件移动性必须成为国防部门的关键目标。

软件移动性对 “杀伤链 ”至关重要

软件移动性是军事任务的战斗力倍增器,可提供所需的适应性、复原力和效率,以减轻通信中断造成的影响。通过实现实时数据访问、简化操作和协调决策,它能确保部队即使在通信完全中断的情况下也能感知、理解并采取行动。在 “杀伤链 ”的六个步骤(查找、固定、跟踪、瞄准、交战和评估)中,软件移动性能够在动态且往往充满敌意的环境中快速、灵活、高效地执行 “杀伤链 ”流程。

“查找”要求从传感器、卫星、无人机或地面资产获取侦察数据的实时情报,并处理多个领域的数据,以创建更清晰的 ”共同行动图景"(COP),该图景可在互联系统中共享,供战场和 C2 协作使用。

“固定”包括快速更新和部署边缘计算设备上的应用程序,以便即使在性能下降的环境中也能对目标进行地理定位和绘图。

“跟踪”,必须通过集成传感器馈送提供目标移动的持续更新来保持态势感知,而人工智能和 ML 算法则通过先进的预测分析来协助实时跟踪。

“瞄准”,移动软件必须通过指挥控制应用程序协调分布在各地的团队,通过提供可操作的洞察力来加速决策。

“交战”,移动平台必须适应不断变化的作战条件,几乎可以在任何地点执行任务,与武器系统和操作人员共享目标数据,以便快速打击时间敏感和/或移动目标。

最后, “评估”,必须使用移动软件收集和分析交战后的数据,以快速评估任务执行情况。

数据和软件移动性的统一

通用数据标准、数据网格和开放式应用编程接口(API)可确保作战人员从国防部门部署的大量(历来专有和/或管道式)系统中提取、摄取、访问和共享数据。弹性反干扰/反欺骗通信和网络、软件定义网络、动态 PACE 等概念可确保以战争的速度将作战相关数据传递给正确的人。

完整的数据移动性要求从云端到战术边缘跨层级的持久通信和网络。在现代战争中,期望在部分行动中实现不间断通信是不现实的,一定程度的性能下降是不可避免的。如果指挥与控制(C2)或情报、监视与侦察(ISR)单一依赖数据移动性,当通信被拒绝或受到限制时,任务效率将严重下降,部队面临的风险也会大大增加。让软件驻留在战术边缘附近的能力不仅能降低通信中断的风险,还能让操作员在通信质量下降甚至中断的情况下继续执行任务目标。

考虑这样一个行动:一个小队在前沿部署执行侦察任务,士兵携带全动态视频 (FMV) 摄像机,小型无人机系统 (sUAS) 在上空提供红外视频。小分队有一个可随身携带的通信套件,其中包括通用计算、IP 网状无线电和用于数据回程的 SATCOM。所有传感器的视频馈送都会流回前沿指挥所,由视频物体检测人工智能/ML 模型对物体进行检测和识别。检测结果和视频片段将通过作为 COP 的战术突击包(TAK)传送回相邻部队,每个士兵都携带一个 ATAK 设备。这是一个理想的场景,设备功能齐全,数据流畅通无阻。

接下来,考虑同样的场景,但前方小组与指挥所之间的通信受到干扰。前方小组失去了与指挥所 TAK 服务器的连接,也就无法再从人工智能/机器学习系统检测目标中获益。

最后,考虑第三种情况,即软件移动性与数据移动性协同工作。系统检测到通信中断后,会在前方小组的通信工具包上动态启动 TAK 服务器和轻量级的目标检测模型。网络重新配置后,sUAS 可通过网状网络直接向邻近的火力小组发送视频信号。士兵的 ATAK 设备会自动重新配置,以便通过 5G 从本地设备获取视频和警报。通信恢复后,本地启动的 TAK 服务器和人工智能/机器学习技术工作流程会重新启动,以节省战术通信套件上宝贵的电池电量。系统会自动恢复到之前的状态,依靠远程指挥所提供的服务。在这种情况下,数据流在哪里流动,应用程序和服务在哪里动态运行,都会根据网络状态发生变化。数据移动性和软件移动性共同作用,在通信被拒绝和/或中断的情况下,为火力小组提供最佳的 C2 和态势感知。

挑战

最后一种场景应该是目标,但在实践中,实施起来却极为复杂。传统上,国防部门部署的都是各自为政的系统,由特定的硬件运行特定的软件。这些系统就是以这种方式购置、认证和部署的,更糟糕的是,它们很少更新。在现场更新时,往往需要高素质的现场服务代表飞往前沿地点进行手动更新。向基于微服务和 Kubernetes 等复杂技术的 “云原生 ”软件架构的过渡正在增加软件系统的复杂性,使作战人员在野外更新时更加不便。

目前部署软件的方法要求在采购时事先了解哪些软件需要运行。在现场进行更改是一个手动、耗时且昂贵的过程,经常会中断操作。快速部署和更新相对静态的系统仍具有挑战性,更不用说需要根据任务变化动态分发和运行软件的系统了。要实现软件的移动性,就必须克服这些基本问题。

参考来源:government technology insider

成为VIP会员查看完整内容
14

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。
敏捷作战部署(ACE)概念
专知会员服务
70+阅读 · 2024年7月4日
如果不是指挥和控制,那是什么:行动协调方法
专知会员服务
57+阅读 · 2024年6月12日
数据中心化:JADC2 成功的基础
专知会员服务
78+阅读 · 2023年9月24日
基于深度强化学习算法的无人机智能规避决策
专知会员服务
82+阅读 · 2023年6月27日
【NeurIPS2022】通过模型转换的可解释强化学习
专知会员服务
37+阅读 · 2022年10月4日
JADC2的十大数据需求
专知会员服务
126+阅读 · 2022年6月8日
浅析神经协同过滤NCF在推荐系统的应用
凡人机器学习
15+阅读 · 2020年10月17日
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
如何使用自然语言工具包(NLTK)在Python3中执行情感分析
Python程序员
21+阅读 · 2019年10月28日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
基于Tacotron模型的语音合成实践
深度学习每日摘要
15+阅读 · 2018年12月25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
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2015年12月31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 · 2014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
0+阅读 · 2014年12月31日
国家自然科学基金
12+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
438+阅读 · 2023年3月31日
Augmentation for small object detection
Arxiv
11+阅读 · 2019年2月19日
VIP会员
相关VIP内容
敏捷作战部署(ACE)概念
专知会员服务
70+阅读 · 2024年7月4日
如果不是指挥和控制,那是什么:行动协调方法
专知会员服务
57+阅读 · 2024年6月12日
数据中心化:JADC2 成功的基础
专知会员服务
78+阅读 · 2023年9月24日
基于深度强化学习算法的无人机智能规避决策
专知会员服务
82+阅读 · 2023年6月27日
【NeurIPS2022】通过模型转换的可解释强化学习
专知会员服务
37+阅读 · 2022年10月4日
JADC2的十大数据需求
专知会员服务
126+阅读 · 2022年6月8日
相关资讯
浅析神经协同过滤NCF在推荐系统的应用
凡人机器学习
15+阅读 · 2020年10月17日
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
如何使用自然语言工具包(NLTK)在Python3中执行情感分析
Python程序员
21+阅读 · 2019年10月28日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
基于Tacotron模型的语音合成实践
深度学习每日摘要
15+阅读 · 2018年12月25日
相关基金
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
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2015年12月31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 · 2014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
0+阅读 · 2014年12月31日
国家自然科学基金
12+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