1 引言

30年前,美国国防技术信息中心(DTIC)通过建立美国防部主页和第一个国防部官方网站DefenseLINK,帮助改变了美国防部的交流。不久之后,DTIC利用网络向全世界的客户迅速提供科技研究信息。DTIC为国防部、工业界和学术界的数十万研究人员、科学家和决策者提供了访问这些记录的机会;这包括支持超过10亿次的下载。今天,技术使我们处于另一个拐点,使国防部科技界能够以DTIC为重要资源再次飞跃发展。在过去的75年里,我们拥有超过470万件研究文物,这些文物是科技成就的活记录,也是我们的作战人员获得下一代能力的基础。

在技术进步的基础上,DTIC将继续从一个信息库转变为一个21世纪的知识提供机构,以获取、构建、加强、分析和分享该部在科学和技术方面的投资。这也是推动我们转型为知识提供机构的原因,提供对科技活动的全面态势感知。DTIC必须为用户提供云计算所提供的计算能力以及由人工智能/ML工具支持的分析解决方案。DTIC使科技工作更加高效,并提高我们的科技投资回报率(ROI)。这种投资回报率是通过向我们的作战人员提供新能力的速度、美国为战斗带来的超强能力、以及我们部署的部队的成功和安全来衡量的。

1.1 问题陈述

准备性和可用性。DTIC平台的准备程度因任务的不断深入和资源的短缺而下降。系统的可用性受到数据中心容量限制活动以及国防部网络延迟的负面影响,阻碍了用户登录和破坏下载。有限的容量和传统的数据中心架构阻碍了我们采用现代商业解决方案来满足核心需求。

响应。在空军云一号DevSecOps(DSOP)环境的基础上,加快开发和部署,减少基础设施运行需求。利用 "云端一号 "的绿色软件和平台即服务(SaaS/PaaS)解决方案,为用户提供最新的商业应用程序的访问。

内容提交。目前的DTIC平台缺乏现代电子商务功能。提交的处理是人工密集型的,延迟发布,并且缺乏技术报告的批量上传。提交是强制性的,但缺乏合规机制,也不是服务部门权威性文件管道的一部分。

应对措施。将目前在美国防部和DTIC平台上托管的多种内容提交解决方案推向一个单一的、直观的界面,以预测客户需求,并将提交负担转移到应用界面。

搜索和分析。DTIC目前的搜索实施没有跟上商业竞争者的步伐,用户在浏览多种工具时,界面也不一致。用户必须进行多次搜索才能找到相关文件。搜索引擎缺乏旨在预测客户需求、提供答案(不仅仅是文件)和可视化的分析功能。

应对措施。利用最先进的SaaS解决方案,简化用户的发现体验,设计出内容发现和科技组合分析之间的无缝过渡。利用内置的和DTIC开发的ML解决方案,为每个客户和用户资料集中提供搜索回报。

数据集。数据集管理对美国防部来说是新事物,其复杂性在于可发现性、可移植性、质量、访问权限,以及通过汇编和聚合进行分类。

应对措施。直接与美国防部CDAO合作,在Cloud One和Advana中建立并维护科技数据治理程序。实施数字持久性标识符,以更好地连接数据集,并利用ML得出科技知识图谱,提高数据集质量和可发现性,同时支持早期识别数据集分类风险。

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。
《作战层面的人工智能》美国海军学院32页报告
专知会员服务
210+阅读 · 2022年12月17日
【AI】英国国防部《国防人工智能战略》摘要
专知会员服务
105+阅读 · 2022年6月22日
美国国防部《联合全域指挥与控制(JADC2)战略概要》
专知会员服务
280+阅读 · 2022年6月13日
美国国防部《指挥、控制和通信 (C3)现代化战略 》
专知会员服务
209+阅读 · 2022年5月9日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年7月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
31+阅读 · 2022年2月15日
Arxiv
25+阅读 · 2022年1月3日
Arxiv
126+阅读 · 2020年9月6日
Learning from Few Samples: A Survey
Arxiv
77+阅读 · 2020年7月30日
Arxiv
14+阅读 · 2020年1月27日
Deep Face Recognition: A Survey
Arxiv
18+阅读 · 2019年2月12日
VIP会员
相关VIP内容
《作战层面的人工智能》美国海军学院32页报告
专知会员服务
210+阅读 · 2022年12月17日
【AI】英国国防部《国防人工智能战略》摘要
专知会员服务
105+阅读 · 2022年6月22日
美国国防部《联合全域指挥与控制(JADC2)战略概要》
专知会员服务
280+阅读 · 2022年6月13日
美国国防部《指挥、控制和通信 (C3)现代化战略 》
专知会员服务
209+阅读 · 2022年5月9日
相关资讯
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年7月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
31+阅读 · 2022年2月15日
Arxiv
25+阅读 · 2022年1月3日
Arxiv
126+阅读 · 2020年9月6日
Learning from Few Samples: A Survey
Arxiv
77+阅读 · 2020年7月30日
Arxiv
14+阅读 · 2020年1月27日
Deep Face Recognition: A Survey
Arxiv
18+阅读 · 2019年2月12日
微信扫码咨询专知VIP会员