近日，美國C4ISR網站報道，事實證明，人工智能對于戰術邊緣數量激增、種類繁多傳感器所獲取數據的利用，以及依賴這些數據的新興應用變得越來越重要。事實是，21世紀的戰場——2020年國防部核心重點任務之一——不受傳感器短缺問題困擾，包括：士兵可穿戴設備、車輛、無人機、攝像機、頻譜、信號和無線電傳感器、網絡傳感器以及構成戰場物聯網的許多其他傳感器。

同時，更多的傳感器意味著更多的數據——太多數據——這限制了國防部及時將信息轉化為可作戰的情報能力。但人工智能有望通過將機器解決，以使最相關、最及時的數據到達需要它的人那里。

多數數據驅動的人工智能應用都是通過傳感器技術創新實現的，這些技術可以通過優于簡單運動探測及類似二進制函數的功能生成大量數據。正因為如此，隨著價格低廉的無線遠程傳感器及部署大量傳感器的自主系統的日益普及，未來的戰場將裝備前所未有數量規模的傳感器。

預計2020年制約傳感器數據“理解”的多項挑戰將得以解決，進而推動人工智能在關鍵領域的應用：

一是視頻處理與分析及目標和威脅探測。國防部投入大量人力來監控源數據（無人機視頻數據、士兵可穿戴設備的健康信息數據等），用于明確目標，事件，威脅和異常情況。利用傳感器驅動的數據通常需要一定程度的人力，但是在經濟可承受性和運營上都是不可行。為此，美國防部正在努力減少此類監視的人為部分。例如，美國國防部“行家”計劃已利用Google公司的TensorFlow 人工智能系統來分析美國無人機視頻數據，探測標記目標，然后將其傳遞給分析師。

二是網絡安全操作自動化。網絡威脅數量和復雜性日益增長，這可能會挑戰作戰人員的快速響應甚至先發制人攻擊的能力。為了保持競爭優勢，利用人工智能網絡安全操作自動化至關重要。

例如，2019年美海軍信息戰系統司令部宣布了一項“人工智能網絡安全挑戰”，使用AI和機器學習使網絡安全操作自主化。編程馬拉松是對與網絡安全相關的數據生成不斷增長的響應，而人工智智能和機器學習在挖掘數據，以進行實時威脅響應方面可以發揮作用。

三是傳感器融合、士兵健康監測及增強現實。最近，杰羅姆·布勒上校（美國陸軍外科醫學研究所）談到了他對人工智能、機器學習、傳感器和視覺設備如何將戰場上的醫務人員引導到他們最能幫助的受傷士兵的愿景。布勒指出，士兵的可穿戴式掃描儀提供的生物特征數據，在陷入混亂的戰區之前幫助醫務人員做出更明智的援救決定。

四是電子戰信號處理和信號情報。電子戰攻擊引起了美軍的充分關注，美軍繼續增強用于進攻和防御作戰的電子戰軟件和硬件。但是，與其他類型傳感器一樣，電子戰傳感器也會產生許多虛假信號、噪聲。為了能夠“理解”數據并將其轉換為可用于作戰行動的信息，國防部正在尋找利用人工智能技術來過濾噪聲和分類信號，以減少戰士在信號檢測方面的“認知負擔”。陸軍快速能力和關鍵技術辦公室的最新實驗和原型顯示出全面部署希望。

五是設備預測性維護。軍用車輛和設備故障不僅帶來嚴重的成本問題，而且更重要的是，它們威脅著士兵的安全。消除意外的，裝有傳感器的裝備始終是一個挑戰，該設備科向決策者和士兵提供穩定的實時數據流，將使作戰人員接近零傷亡。人工智能是一個重要原因。

近年來，我們看到了一些應用，例如由美國陸軍發起的應用，使用人工智能改布雷德利坦克車隊的戰備狀態，以獲取設備健康狀況的實時快照以指導維護決策。

六是戰場態勢感知和決策支持。2019年12月，美空軍、海軍和陸軍對先進作戰管理系統進行了首次靶場測試。先進作戰管理系統旨在鏈接各種軍事技術，以更好地應對日益復雜的對抗威脅。先進作戰管理系統靶場測試將空軍和海軍戰斗機，海軍驅逐艦和陸軍單位部隊收集的通信和傳感器數據連接起來，是新作戰概念的一部分，實現陸、海、空、太空和網絡空間五個作戰領域的協同作戰。

這個新概念（稱為聯合全域命令和控制—JADC2）的關鍵是實時收集、分析和共享數據，以及利用人工智能技術確保正確的數據到達正確的力量，以提供有效的態勢感知和決策支持。

傳感器數據的戰術用例就在那里。需要的是諸如人工智能之類的新興技術，以幫助軍事領導人和作戰人員理解這些數據。查理·川崎（Charlie Kawasaki）是PacStar首席技術官。、

責任編輯：ct