美国防部Maven项目于20174月开始启动,由负责情报的国防部副部长(USDI)进行管理,旨在加速大数据与机器学习的整合。目前,该项目已经部署到中东和非洲的6个地区,帮助军事分析人员处理传感器和无人机搜集的海量数据。美国防部相关人员表示,他们已从中获得了宝贵经验:

1)对全运动视频的分析算法进行再训练至关重要

目前如此多的数据几乎不可能由分析人员完成筛选。2017财年,所采集的敌方数据达127TB。此外,中央司令部当年采集的视频总量相当于32.5万部电影的长度,采集的信号总量则相当于550万首歌曲。

算法战跨职能小组副主管Floyd中校表示,分析算法最早被部署在非洲司令部,工作人员在5天中对算法进行6次训练。有时用于训练算法的数据可能来自某个地区,而算法被部署到了另一个新地区,因此一开始可能会出现一些低级错误。该小组目前已经开发了一些工具来帮助快速解决这一问题。该小组在用户界面中加入了一个名为“训练AI”的按钮。如果发现算法误将棕榈树识别为人或出现类似错误时,分析员可点击“训练AI”按钮对算法进行训练,将该帧视频从战区环境中分离出,单独进行数据标记,并迅速发送给算法开发人员,由开发人员对算法重新训练并进行优化。

2)必需对数据进行标记

这些算法所使用的数据必须是经过标记的数据,即常说的结构化数据,而不是原始数据或非结构化数据。若不经过标记,算法很难完成其工作。

3)提供自适应的用户界面

为使用这些算法的操作人员和分析人员提供的用户界面必须是可定制和自适应的。用户界面应该使得操作人员能够根据正在执行的任务选择相应的算法,为某个区域定制的算法并不会完全适合另一个区域。用户界面还应提供可调节置信度的“计算尺”工具。部分操作人员可能希望算法识别置信度达到80%或以上的物体,另一些操作人员可能会将置信度降至20%,这有可能识别人通常无法发现的结果。

Maven项目目前仍处在早期阶段。除了能够分析全运动视频,该项目还将有更多用途。根据美军对该项目的最新评估,算法战跨职能小组首先将其人工智能工具部署到10个地点,计划在2018年中之前将其部署到30个地点。

费洪译自互联网

 

声明:本文来自防务快讯,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如需转载,请联系原作者获取授权。