人工智能实现传感器数据处置惩罚的六种方式

编者按

美国防部现在关注的一个重点是“21世纪战场”，在这个战场上漫衍着种种各样的传感器，包罗士兵可穿着设备、车辆、无人机上的传感器，摄像机，种种频谱、信号和无线电传感器，网络传感器以及战场物联网涵盖的众多其他传感器，由这些传感器发生的数据将越来越多，国防部无法将这些数据实时转化为可用的情报。

人工智能技术能够通过处置惩罚最相关、最实时的数据，资助作战人员更有效地决议和行动，在大幅淘汰情报分析人员肩负的同时大幅提高数据处置惩罚的效率。美国亚星公司（PacStar）首席技术官日前分析了人工智能技术在传感器数据处置惩罚方面应用的六种主要方式。

用于分析和探测目的与威胁的视频处置惩罚

国防部投入了大量的人力来监控数据，包罗无人机视频数据以及士兵可穿着设备的康健信息等，现在正努力淘汰此类事情所需的人工操作。例如，国防部的“Maven”项目正在使用谷歌公司的TensorFlow人工智能系统分析无人机视频数据，检测特定目的，然后将其通报给分析师。

网络空间宁静行动自动化

网络威胁的数量和庞大水平不停提高，对快速响应甚至是先发制人的攻击能力带来了挑战。为了保持相对于对手的优势，使用人工智能实现网络宁静操作自动化至关重要。2019年，美水师信息战系统司令部开展了一项人工智能网络宁静挑战，旨在使用人工智能和机械学习使网络宁静操作自动化。这项挑战通过对黑客入侵的响应来模拟与网络宁静相关的不停增长的数据，人工智能和机械学习在挖掘这些数据以举行实时威胁响应方面可以发挥重要作用。

传感器融合、士兵康健监测和增强现实

美陆军外科研究所的专家指出，战场上的医务人员能够使用人工智能和机械学习技术以及传感器和视频设备为受伤的士兵提供资助。医务人员不需要深入杂乱的战场情况，使用士兵可穿着扫描仪提供的生物识别数据就可实施相关的伤员诊断和救治操作。

电子战信号处置惩罚与信号情报

电子战攻击引起了美国军方的全面关注，美军连续增强其电子战软件和硬件能力以举行防御和进攻行动。但与其他类型的传感器一样，电子战传感器也会发生许多错误信号或噪声。国防部正在寻求使用人工智能来过滤噪声和分类信号，淘汰士兵在信号检测方面的“认知肩负”。美陆军快速能力和关键技术办公室的最新试验结果和原型产物有望在近期实现全面部署。

装备预测性维护

军用车辆和设备故障不仅会造成重大经济损失，更重要的是会威胁士兵宁静。当前的军用设备都使用了大量的传感器，如何使这些设备向决议者和士兵提供稳定的实时数据流，是一项重要挑战。人工智能是应对这一挑战的主要手段。美陆军正在使用人工智能来改善“布雷德利”战车车队的战备水平，以获取设备康健状况的实时数据指导维护决议。

战场态势感知与决议支持

2019年12月，美空军、水师和陆军对先进作战治理系统（ABMS）举行了首次战场测试。该系统旨在将各军种相关技术设备毗连起来，以更好地应对日益庞大的威胁。在测试中，空军和水师战斗机、水师驱逐舰和陆军队伍收集的通信与传感器数据通过先进作战治理系统有效联接。这是美军团结全域指挥控制作战观点的一部门，即实时分析、收集和共享数据，使用人工智能确保正确的数据转达到正确的队伍，提供有效的态势感知和决议支持，实现跨越陆、海、空、天和网络空间五个作战域的协同作战。

泉源：c4isr网站/图片来自互联网

北方科技信息研究所 李静、王昌强

编辑：刘伟雪

如需转载请注明出处：“国防科技要闻”（ID：CDSTIC）

注：原文泉源网络，文中看法不代表本民众号态度，相关建议仅供参考。