【AI与军事】机器学习的军事应用

军事环境产生了大量的重要数据，需要使用机器学习对其进行处理。它通过分析产生的大量信息来学习和预测可能的场景的能力提供了自动学习和决策支持。本文的目的是提出一种应用于军事组织的机器学习体系结构模型，并以应用于非军事组织体系结构模型的文献计量学研究为支撑。为此，进行了截至2021年的文献计量学分析，制作了战略图并对结果进行了解释。所使用的信息是从科学界广泛接受的一个主要数据库ISI WoS中提取的。没有直接使用军事消息来源。本工作分为五个部分: 军事领域的机器学习研究; 使用SciMat、Excel和VosViewer工具解释我们的研究方法; 该方法基于数据挖掘、预处理、聚类归一化、战略图及其结果分析来研究军事背景下的机器学习; 在此基础上，我们提出了一种军事应用的概念架构; 最后，我们给出结论，在这里我们将看到机器学习最重要的领域和最新的进展，在这个例子中，应用到军事环境中，分析大量数据，提供效用，机器学习和决策支持。

机器学习(ML)通过利用来自不同来源(包括大数据应用程序)的大量可用信息，实现了许多任务的自动化。它的使用目前正在广泛的传播，而ML已经成为我们日常生活中[1]的重要组成部分。在军队中，智能应用的使用也加速了[2]的发展。例如，韩国国防部大幅增加了其信息，随着越来越少的情报分析师，他们需要应用人工智能(AI)技术来准确、及时地处理所有信息[3]。另一个值得注意的例子是军事设备和机器对石油的依赖。这也是ML发挥作用的地方，因为军事后勤必须基于明智的推理[4];因此，我们看到了ML是如何融入军事世界的。本文的目的是提出一个体系结构模型，以反映如何在军事环境中实际应用数学模型。在这个架构中，我们解决了在军事环境中使用最频繁的数据、算法和应用等方面的问题。

在开展这项工作的同时，正如我们将在第2节中看到的，我们研究了相关工作，注意到在这一新兴主题中很少有综述工作，这引起了我们对对主要科学数据库之一Web of Science进行到2021年及包括2021年的文献计量分析的兴趣。在本节中，我们还提出了一个概念架构，以一种实际的方式在非军事组织中应用ML，因为在军事领域中没有反映这种架构的作品。本工作中使用的文献计量方法在第3节中解释，我们将主要使用SciMat文献计量分析工具，能够在一个纵向框架[5]中执行科学的绘图分析。通过这一分析，我们建立了一个战略图，其中我们确定了ML应用于军事领域的主要领域。在第4节中，我们应用所描述的方法来根据起源进行分析:我们看到了ML应用于军事世界的主要科学领域; 在第5节中，一旦完成了文献计量分析，我们现在可以重新定义第2节中提出的概念架构，特别是针对军事组织。最后，我们得出了一些结论，其中我们揭示了所获得的结果与发现的主要主题领域和结论。