机器学习的 7 个关键军事应用

机器学习是现代战争系统的关键组成部分。本文探讨了人工智能的 7 个关键军事应用。

机器学习已成为现代战争的重要组成部分，也是我（Nicholas Abell）作为陆军退伍军人和数据科学家的主要兴趣点。与传统系统相比，配备人工智能/机器学习的军事系统能够更有效地处理大量数据。此外，人工智能由于其固有的计算和决策能力，提高了作战系统的自我控制、自我调节和自我驱动能力。

人工智能/机器学习几乎被部署在所有军事应用中，军事研究机构增加研发资金有望进一步推动人工智能驱动系统在军事领域的应用。

例如，美国国防部 (DoD) 的国防高级研究计划局 (DARPA) 正在资助一种机器人潜艇系统的开发，该系统预计将用于从探测水下水雷到参与反潜行动的各种应用。此外，美国国防部在 2017 财年在人工智能、大数据和云计算方面的总体支出为 74 亿美元。预计到 2025 年，军事 ML 解决方案的市场规模将达到 190 亿美元。

以下是机器学习将在未来几年证明其重要性的七种主要军事应用。

1. 作战平台

来自全球不同国家的国防军队正在将人工智能嵌入陆地、海军、空中和太空平台上使用的武器和其他系统中。

在基于这些平台的系统中使用人工智能，可以开发出更少依赖人工输入的高效作战系统。它还增加了协同作用，提高了作战系统的性能，同时需要更少的维护。人工智能还有望使自主和高速武器能够进行协作攻击。

2. 网络安全

军事系统通常容易受到网络攻击，这可能导致机密军事信息丢失和军事系统损坏。然而，配备人工智能的系统可以自主保护网络、计算机、程序和数据免受任何未经授权的访问。

此外，支持人工智能的网络安全系统可以记录网络攻击的模式，并开发反击工具来应对它们。

3. 物流运输

人工智能有望在军事后勤和运输中发挥关键作用。货物、弹药、武器和部队的有效运输是成功军事行动的重要组成部分。

将人工智能与军事运输相结合可以降低运输成本并减少人力工作负荷。它还使军用舰队能够轻松检测异常并快速预测组件故障。最近，美国陆军与 IBM 合作，使用其 Watson 人工智能平台来帮助预先识别 Stryker 战车的维护问题。

4. 目标识别

正在开发人工智能技术以提高复杂战斗环境中目标识别的准确性。这些技术使国防军队能够通过分析报告、文档、新闻提要和其他形式的非结构化信息来深入了解潜在的作战领域。此外，目标识别系统中的人工智能提高了这些系统识别目标位置的能力。

支持人工智能的目标识别系统能力包括基于概率的敌人行为预测、天气和环境条件汇总、潜在供应线瓶颈或漏洞的预测和标记、任务方法评估以及建议的缓解策略。机器学习还用于从获得的数据中学习、跟踪和发现目标。

例如，DARPA 的竞争环境中的目标识别和适应 (TRACE) 计划使用机器学习技术在合成孔径雷达 (SAR) 图像的帮助下自动定位和识别目标。

5. 战场医疗

在战区，人工智能可以与机器人手术系统 (RSS) 和机器人地面平台 (RGP) 集成，以提供远程手术支持和疏散活动。美国尤其参与了 RSS、RGP 和其他各种用于战场医疗保健的系统开发。在困难条件下，配备人工智能的系统可以挖掘士兵的病历并协助进行复杂的诊断。

例如，IBM 的 Watson 研究团队与美国退伍军人管理局合作开发了一种称为电子病历分析器 (EMRA) 的临床推理原型。这项初步技术旨在使用机器学习技术来处理患者的电子病历，并自动识别和排列他们最严重的健康问题。

6. 战斗模拟与训练

模拟与训练是一个多学科领域，它将系统工程、软件工程和计算机科学结合起来构建计算机模型，使士兵熟悉在军事行动中部署的各种作战系统。美国正在越来越多地投资于模拟和训练应用。

美国海军和陆军都在进行战争分析，启动了几个传感器模拟程序项目。美国海军已经招募了 Leidos、SAIC、AECOM 和 Orbital ATK 等公司来支持他们的计划，而美国陆军的计划得到了包括 SAIC、CACI、Torch Technologies 和 Millennium Engineering 在内的公司的支持。