人工智能技術現狀

人工智能技術正發展迅速，私營和公共部門對該領域的投資都有所增加。目前，美國國防部正在研究的關于人工智能的應用均有重要進展，其他聯邦機構也采用了人工智能技術，美國中央情報局正在進行的試點項目高度重視從數據中整理發掘因果關系的能力，美國土安全部、國稅局、總務管理局和NASA也已經從人工智能應用中獲益。國防部可學習這些實踐經驗，以應用案例和任務為出發點，擬定和應用最佳方案。

人工智能的優勢及挑戰

一是軍事任務和行動對實時、高質量的信息獲取和分析處理能力的要求。二是美國國防部所依賴的內部和外部數據源網絡復雜、龐大、分散，且包含多種數據類型和格式。三是不斷涌現和演變的物理與網絡空間威脅。高效收集、處理、保護和利用大量不同類型的數據對軍事任務的成功至關重要，這些數據不僅來自國防部，還包括公共數據、其他聯邦機構、承包商和合作伙伴提供的信息。人工智能將幫助作戰人員和作戰指揮官獲得最佳態勢感知能力，攔截威脅， 并提高其行動效率、戰備水平、消除威脅和執行任務的能力。雖然國防部使用人工智能技術的時機已經成熟，但也需要強有力的戰略和實施計劃。實施過程中的每個階段，都應該運用相關領域專業性意見而非僅僅依賴數據，必須在戰略實施之初就明確人工智能系統的目標和性能指標。然后，收集和組織適當的數據，經過處理后通過人工智能算法提取其中的信息。

建議

① 人工智能系統的構建和部署應該遵循軟件開發和數據庫管理的最佳實踐。網絡、數據庫和數據流必須得到保護， 并根據適當的分類級別進行分級。②應執行試驗項目，根據所面臨的問題較簡單版本建立解決方案的原型，以評估其可行性。如果結果趨向于達到目標指標， 再逐步開始更大規模的試點和試運行。③打破美國國防部內部/跨國防部與合作伙伴組織之間的隔閡，更有效地共享和利用數據，并提供互惠互利。④機器學習算法也需要大量、高質量的數據集來訓練模型，必須隨著應用情況的發展對它們進行重新培訓。盡管機器學習已對解決復雜大數據問題的價值已得到證明， 但或許還需要其他人工智能技術進行補充。⑤“語境適應”是DARPA人工智能項目的“第三次浪潮”，使用“語境適應”方法建立的模型揭示了相關因素之間的因果關系，可提高國防部及時做出有效決策的能力。人工智能解決方案需要補充人類的直覺和專業知識，以快速處理大量不同的數據，提供有用的見解。