加入收藏 | 设为首页 |

ope电竞娱乐-世界眺望|军事上的大数据——为人工智能做准备

海外新闻 时间: 浏览:181 次


点击图片上方蓝色字体“慧六合”即可订阅

      为便利专业课教师们相互沟通,扬长避短,共同进步本科教育质量,特主张建立地球空间信息范畴本科专业课教育联盟:
关于建立地球空间信息范畴本科专业课教育联盟的主张书


转载本文需经编译者赞同和《慧六合》许

许多的数据办理妥当,对包含戎行在内的许多作业来说都是一种福音。假如不知道资源布置的时刻、地址和内容,就不或许进行有用的军事举动。因而,军事大数据能够帮忙国防领导人做出更好的决议方案,条件是它不是“暗数据”。

“大数据”一词是20多年前的1997年,在第8届IEEE可视化会议上宣告的一篇论文中首先提出的。这个术语描绘的是单个数据集太大,无法装入主内存。

其时,计算机内存以兆字节为单位,最强的内存运转是128MB。由于科学家通过互联网同享信息,越来越多的数据以越来越快的速度传输,难怪开发处理大数据的技能会有如此大的压力。

现在,最廉价的智能手机,内存上运转的数据也能到达1千兆字节(1000MB),因而不断添加的数据量并不像曾经那么严峻。2013年的世界数据量为4.4 zettabyte s(1 zettabyte=44万亿GB),到2020年,这或许会上升到44zettabytesope电竞娱乐-世界眺望|军事上的大数据——为人工智能做准备或更高。可是,先进的计算机硬件使得数据搜集和存储相对廉价和简单。此外,人工智能(AI)和机器学习(ML)技能、剖析技能的最新展开,也使得办理变得愈加简单。

美国国家地舆空间情报局(National Geospatial-Intelligence Agency)正在运用人工智能完结图画处理主动化,美国国家侦查局(National Reconnaissance Office)正在运用人工智能东西来主动化流媒体多智能数据的剖析,以检测情报活动,并主动完结稀缺而贵重的情报资源搜集的使命。

可是,军方大数据的搜集常常引发争议。最近的一个争辩焦点是运用开源机器学习途径搜集可视化数据。无人机是这种情况下用于数据搜集的办ope电竞娱乐-世界眺望|军事上的大数据——为人工智能做准备法,或许用军事术语来说,用于情报搜集。对立活动自身并不是针对这些数据,而是针对ML或许被用于进犯。

这种忽然呈现的对立军事运用技能的力气是一件古怪的作业,ope电竞娱乐-世界眺望|军事上的大数据——为人工智能做准备由于将其用于情报搜集并不是什么新鲜事。当然,今日运用的办法是不同的,可是数据自身的性质和重要性是不同的。

美国军方持续与情报界协作,在各个学科中搜集情报,这或许被风趣地称为“INTs”(情报安排)。美国情报委员会下有17个安排,但他们的军事用处在以下学科发生交集:

•HUMINT(人工情报)

•GEOIope电竞娱乐-世界眺望|军事上的大数据——为人工智能做准备NT(地舆空间情报)

•SIGINT(信号情报)

•OSInt(开源情报)


 以色列疆土安全部情报剖析师

 

1.人工情报


人工情报(HUMINT)搜集是通过人与人的触摸来搜集信息。信息采纳文件、相片、数字文件和其他资料的方式,通过非官方途径或通过交际、领事人员以及与外国官员的授权通讯秘密地获取。军方也或许通过问询敌人或听取旅行者的报告来获取情报。

大多数人把人工情报和特务联络在一起,特务有时被恶作剧地称为世界上第二陈旧的作业,这种说法大部分是对的。特务在这一学科的情报搜集作业中持续发挥着重要效果,虽然它与其他情报部门比较具有更大的互补性。例如,人工联络人或许供给代码,使信号情报操作者能够长途拜访对手的体系。

在当今科技进步的年代,人工情报的重要性还在于它所在的环境,而人工情报支撑的监督或许会疏忽这一点。在评价军事方针的有用性和调查其展开进程中,派人到现场能够供给名贵的人类洞察力。

通过人工情报搜集的数据一般选用不同的格局,包含模仿格局和数字格局。它或许是音频、视频、文本或图画,并且有必要通过剖析才能与通过其他学科搜集的数据集成。依据人工智能的软件能够符号、安排和剖析人工情报数据,现在正在承受军方评价的软件之一是雷声公司的FoxTen情报途径。


FoxTen情报途径的主动化地势剖析功用

 

可是,人工智能或许很快就会在对立盯梢技能方面发挥更活跃的效果,其间一些技能是专为特务规划的,另一些则是一种不知情的东西。美国中央情报局(CIA)有几个正在进行的人工智能项目,包含规划诈骗盯梢设备的办法,或制作在仇视或不知道区域的监控摄像头的方位地图。


2.地舆空间情报


依据美国法典,地舆空间情报是指运用和研讨图画和地舆空间数据来解说、检查和直观地表明地球上的特征和活动。简而言之,GEOINT包含从图画、视频和其他从空中、地上或水下获取的视觉表明中搜集的一切情报。

在军事意义上,GEOINT的价值在于供给方针和活动的精确方位,解说其意义,并为军事决议方案供给一体化时空结构。视觉数据一般来自卫星、无人机(UAV)、自主水下飞行器(AUV)和其他丈量技能。

在大多数情况下,GEOINT数据是来自不同来历的地舆空间数据的集成,以创立对态势的三维表达。然后,集成到多源情报数据中。

在本节中特别说到的是无人机的运用,更常见的是无人机。多年来,军方一直在运用无人机搜集情报,以支撑军事人员和军事举动。

可是,由于通讯速度、存储容量和运用机器视觉软件自主操作无人机的才能的进步,导致了数据过载。

美国军方有超越8000架无人机的库存量,并运用它们获得杰出效果。人类作业人员每天有必要阅览大约1600小时的视频片段,而这不包含图画。这些数据对地上战士和司令部指挥官来说是无价的,但其条件是,剖析有必要精确、及时。人工智能和ML算法能够比人工操作者更快、更完全地剖析视频和检测要挟。这是美国军方马文(Maven)项意图根底,马文现在运用依据TysFoFund的途径进行无人机镜头的猜测性剖析。在谷歌决议不更新AI开发项目之后,五角大楼转向了安得里尔工业公司,开发了军用无人机的传感器交融途径。


猜测性剖析在军事上的运用

 

依据该公司网站介绍,运用莱迪思的人工智能途径(Lattice AI platform),只要终究的信息才会被传送回用户。这使得由强壮计算机组成的大规模可弹性网状网络能够进行数字处理,而无需布置服务器群或指挥中心。


Lattice AI Core

 

3.信号情报


信号情报是关于通过截获信号和传输获取的外国方针的举动、意图和才能的信息。依据传输类型,信号情报有三个子集。通讯情报(COMINT)来自通讯体系,电子情报(ELINT)来自雷达和兵器体系,外国仪器信号情报(FISINT)来自正在开发或测验的兵器体系。

美国国家安全局(NSA)一般运用各种办法搜集针对恐怖分子、安排以及与世界或外国安排有联络的人士的情报,但往往最常用无人机。只要在美国政府正式要求时,它才会这么做。美国国家安全局将原始数据翻译、解码和剖析为一种可用的方式,供CIA和情报安排等非国家安全局剖析师运用。

信号情报总是有足够多的数据来作业,由于它有如此广泛的数据源。电话攀谈、电子邮件、无线电波、卫星传输、无线连接,乃至键盘振荡一直在进行,为国家安全局供给了许多的信息。

应战在于从随机信号的碎片中挖掘出有价值信息。搜集进程包含首先从信号层中提取特定类型的信号,或许从凌乱的对话中提取对话。提取之后,信号情报剖析人员过滤候选项,依据一组参数挑选保存的项。然后,美国国家安全局存储这些选定的项目,并将它们发送给恳求安排进行进一步剖析。

这个进程是艰苦的,并不总是像它能够做到的那样完全。情报安排不可避免地将目光投向先进的人工智能和ML技能,以使其更快更好地运转。信号情报的首要意图是防卫。了解敌人的方位、意图和才能关于避免那些针对战士和布衣的损伤大有帮忙。

可是,研讨人员越来越期望信号情报能做其他作业。一是供给洞察力,帮忙他们从搜集的数据中对未来事情做出精确的猜测。

美国情报安排研讨安排“情报高档研讨项目活动”(IARPA)恳求学术界和商业范畴的数据科学家和ML工程师伸出帮忙之手,以开发接连的、主动化的信号情报剖析技能。一个称为“水银应战”(Mercury challenge)的奖项专门颁发给能够有用“猜测包含军事举动、社会骚动或流行症在内的事情的算法,特别是在中东和北非的阿拉伯语国家。”

此外,杂乱的网络和电磁活动(CEMA)的敏捷兴起,以及来自对手的电子战正迫使陆军将信号情报、网络和电磁体系交融到一个途径上:地上层情报体系。陆军正在活跃寻求加速集成的研讨主张,包含开发机器学习软件以削减作业量。

信号情报技能的另一个潜在用处是发挥更活跃的防护效果。勘探、辨认和评价信号要挟等级(如地对空导弹的雷达)的才能,能够区别使命的成功和失利。

波音EA-18G“吼怒者”通过搅扰敌方雷达信号来维护战士的安全。他们方案通过集成人工智能软件,使吼怒者在防护中愈加有用,该软件能够更快地检测到信号,并更精确地分辨出友爱和仇视的信号。

信号情报搜集和剖析的世界不再是阻拦音讯和破解代码以供别人采纳举动。在精密数据和机器学习的帮忙下,信号情报正在承受快速展开的电子战的应战。


4.开源情报


从术语自身能够直观地看出,开源情报是从敞开的或揭露可用的数据源搜集数据,用于特定意图的开发。这是对开源情报的一个十分广泛的界说,并且在开源情报存在的50年里,很难确认一个更具体的界说。依据兰德公司的说法,原因是揭露可用的数据源总是在改变。跟着互联网的遍及和交际网络的爆破式展开,这一点变得愈加显着。

开源情报的来历通过多年的演化。在第一次迭代中,最多产的开源情报资源是电视、播送和印刷媒体。在曩昔,人工操作人员会手动遍历这些数据源。后来,情报安排运用商用现成软件(COTS)来搜集、整理和剖析开源情报数据。

传统媒体仍然是开源情报的来历,但真实的数据搜集引擎是互联网。即时拜访随时可用的和不断更新的数据有利于情报搜集作业。这些内容包含博客、在线报纸、交际网络、视频流媒体服务、论坛和ope电竞娱乐-世界眺望|军事上的大数据——为人工智能做准备其他用户奉献的内容,以及躲藏在网站后端的名贵内容。

问题在于可用数据的肯定数量和杂乱性。来自互联网的数据流有一层又一层的细微差别,剖析师有必要履行从实际核查到心情剖析的一切使命,一直紧记数据的上下文。

要为这项使命的艰巨性添加视角,考虑一下交际媒体。Twitter用户均匀每天上传6.56亿条推文,Facebook用户每天发布43亿条信息。这是来自两个交际网络的数据。再加上每天谷歌的查找量(52亿次)、YouTube视频的观看量(每分钟400万次)、博客文章的发布量,这对军方来说是一个十分大的数据量。

在戎行中,剖析人员有必要能够过滤这些数据流,以辨认和分类任何对军事战略和举动有任何运用价值或影响的东西。这或许与某些国家、特定个人、风险人口、兵器等有关。他们有必要完全做到这一点,在人类行为的布景下,并且是实时的。

对人类操作员来说,没有强有力的帮忙,这显然是一个不或许的使命,情报安排知道这一点。为了满意这一需求,CIA现在正在研讨几个将人工智能用于开源情报的项目,但不仅仅用于剖析。CIA方案运用人工智能软件和自然语言处理算法,体系地处理交际网络和其他开源情报数据源的数据流。该软件将只挑选相关的项目,理论上能够将开源情报搜集器的作业负载削减75%。

CIA的根本理念是与民营企业协作,在5年内展开开源情报和机器学习大数据搜集与剖析的试验。美国中央情报局于2018年5月宣告了梅萨维德项目(Mesa Verde project),但现在还没有关于该方案的最新音讯。

可是,商业部门却没有这么慎重。像谷歌这样的公司现已具有专门用于处理大数据的东西和API。谷歌公司研发的BigQuery现已具有查人性与爱询特性。

 

Google BigQuery - Analytics Data Warehouse - Google Cloud Platform

 

戎行的大数据来历许多,信息过载是一个十分实际的问题。人工智能和机器学习或许是一种有用的解决方案,但咱们更清楚的是,它们的力气比重新发明轮子更有用。寻觅商业和学术安排来处理大数据是戎行采纳的最合乎逻辑和最具战略意义的举动。


原文出处:

https://emerj.com/ai-sector-overviews/big-data-military/


点击下方“阅览原文”翻开网站。

编译:蓝荣钦(郑州信息工程大学),《慧六合》特约撰稿人

欢迎我们重视《慧六合》同名新浪微博

微博ID:慧六合_geomaticser

荐读

点击下文标题即可阅览

世界眺望|美国数据与剖析峰会:运用数据进步使命功率

世界眺望|关于地舆空间人工智能的五点考虑

世界眺望|将深度学习与GIS相结合


修改 / 毕欣慧  审阅 / 张胜威 李梦夏

辅导:万剑华教授