<strike id="odp7s"><bdo id="odp7s"></bdo></strike>

<button id="odp7s"></button>
  1. <tbody id="odp7s"><pre id="odp7s"></pre></tbody><rp id="odp7s"><acronym id="odp7s"></acronym></rp>

    1. <button id="odp7s"></button>

      1. 權威國防科技信息門戶
        國防科技大數據智能情報平臺
        DSTIS征訂中
        DPS國防術語智能定位系統
        國外國防科技文獻資料快報
        公告:
        DSTIS國防軍工信息資源內網服務系統2020年征訂開始  
        人工智能在“平凡的”軍事任務中也能發揮作用
        2021-09-23

        [Nextgov網站2021922日報道] 我收到了很多關于我最近幾篇關于無人機、模擬和人工智能新用途的專欄的反饋。其中的一個專欄描述了一種新的人工智能技術,能夠利用蜜蜂群中的蜂群智能來做一些驚人的事情,比如控制氣象衛星,這引起了很多人的注意。

        我收到的大部分反饋來自聯邦機構和從事未來人工智能項目的信息技術公司。我可能會在不久的將來重點介紹其中的一些。其中一家名為Hypergiant的公司的反饋讓我頗感興趣。他們的工作是與美國陸軍的機器人作戰車輛項目合作,但合作目標不是關于先進的戰斗技術,而是利用人工智能來協助預測性維護任務。

        Hypergiant公司成立于2018年,是一家企業人工智能公司,專注于開發改變世界的技術,以解決空間、國防和關鍵基礎設施等領域的世界最大問題。

        維護工作在軍隊中至關重要,這是一個很好的例子,說明現在可以利用人工智能來幫助改善操作。它可能看起來有點平凡,但從長遠來看,采用人工智能進行常規任務可能會產生很大的影響。我與Hypergiant工業公司的空間和防御總經理Quentin Donnellan討論了如何利用人工智能和其他類似的技術,如機器學習,來提高軍事環境中的效率和改善操作。

        Nextgov:人工智能如何用于通常由人類執行的“平凡”任務,如設置車輛維修時間表?

        Donnellan我們的目標是使車輛維修的操作更有效率。我們的軍人在非常乏味、非常手動、坦率地說是非常低效的維修程序上花費了大量的時間。對我們來說,項目如果成功將意味著軍隊車組能夠得到更有效的利用,我們的士兵們能參與到需求更高認知的任務中,從而為國防提供更具能力和成本效益的力量。

        Nextgov:盡管它不像自主軍用車輛內的人工智能那樣令人矚目,但由人工智能來控制這些車隊的維護,是否可以在很大程度上確保它們有一個長而有用的壽命?

        Donnellan是這樣的。自主車輛有一個直接的需求,即利用人工智能對環境刺激作出反應,并執行實時行動,如避開障礙物或導航到感興趣的物品。但隨著時間的推移,我們也可以利用人工智能和機器學習來發現數據中的模式。這些模式可能與車輛的性能或材料狀況有關,如果是這樣,我們可以用它們來通知維修計劃。

        Nextgov:當涉及到自動駕駛汽車的安全時,為什么預測性維護會如此重要?

        Donnellan顯而易見,通過更準確地預測關鍵部件的故障時間,你可以直接減少車輛故障的數量。如果我們談論的是無人車,這應該意味著更少的碰撞,從而減少傷害。如果我們談論的是乘用車,預測系統有可能識別輪胎故障,減少嚴重事故的發生。

        這里的價值并不只體現于自動駕駛汽車的,還體現在財務方面,我認為這對自動駕駛汽車的影響重大。這些車輛可能在人類難以到達或人口稀少的地方運行。因此設備故障可能需要昂貴的人工干預,而這種干預可能在很長一段時間內都無法解決,所以預測性維護確實有助于減少人類維修員必須到現場修理損壞的機器人車輛的次數。

        Nextgov:那么你們的人工智能是如何處理預測性維護的?它是如何工作的,它考慮哪些因素或數據庫的信息?

        Donnellan這真的是因具體情況而異。一般來說,維護系統有幾個層次,如車輛上的傳感器收集有關車輛的數據,如壓力、溫度和電壓。這些數據可能會被運行在車輛上的機器學習算法處理,如果需要的話,也會向本地操作員發送警報,以便立即作出反應。然后,這些數據也被發送到一個中心,在那里不同的機器學習算法正在觀察長期運行的趨勢。

        在最高級別,來自車隊所有車輛的數據被收集并匯總到基于云的數據存儲中,你可以讓操作員根據對車隊狀態的整體看法來安排維修活動。這可能包括根據系統的判斷,主動訂購新的零件或消耗品。

        Nextgov:在車輛零部件方面,維修人工智能是否也能對軍隊的供應鏈產生影響?

        Donnellan是的,坦率地說,這是預測性維修對商業影響最大的地方。另外,如果你已經建立了一個根據車輛狀況預測供應鏈需求的模型,那么我們就可以根據假設的車隊狀況來模擬一系列的供應鏈需求場景。例如,我們可能想模擬一個事件,即車輛在很長一段時間內經歷一個異常炎熱的環境。這是否會影響我的預測模型,如果是的話,從供應鏈的角度來看,這意味著什么?這類推斷是非常強大的。

        Nextgov:大多數人工智能都需要訓練,機器學習更是如此。讓你的人工智能加速并熟練掌握預測性維護的過程是怎樣的?

        Donnellan這也許是機器學習最具挑戰性的方面之一,甚至是最具挑戰性的方面,因為產生預測性見解的模型只有在它們被訓練過的數據中才是最好的。為模型配備準確標記的數據,并在必要時用新訓練的模型替換舊模型,這是一場持久戰。

        更新在車輛上運行的機器學習算法可能很棘手,因為這些車輛可能并不總是連接到互聯網或軟件開發人員發送更新的網絡。我們所做的大部分工作都圍繞著建立一個數字基礎設施,使機器學習工程師能夠重新訓練和重新發布模型,甚至是邊緣部署的計算機,如那些運行在自動駕駛汽車上的計算機。

        所有這些的另一個關鍵因素是監測車輛傳感器收集的數據,并驗證它是否與機器學習模型訓練的數據相符。對于軍隊來說,你還必須明白,任何被部署到安全系統的軟件更新都必須經過審核過程。找到一種方法來快速部署重新訓練的機器學習模型,并且不違反安全工作流程,是一個真正的挑戰。

        Nextgov:這聽起來很好,但是需要明確的是,最終人工智能不會取代人類技術人員,對嗎?它在做很多后臺工作,很多繁瑣的事情,但最終還是要把維修責任交給人類?

        Donnellan是的,在一天結束的時候,對車輛進行的維護基本上和以前一樣,只是信息量更大。人工智能也許能告訴你什么時候需要更換汽車機油,但它不能為你更換機油——至少,那是一個完全不同的系統。

        Nextgov:如果你們能夠證明人工智能預測性維護在軍隊中的價值,下一步是什么?是否有超越車輛維護計劃的價值?

        Donnellan展望未來,一旦我們證明了將人工智能和機器學習整合到車輛維護中的價值,我們就會希望將預測性技術應用到任何隨著時間推移而退化的設備中。(國家工業信息安全發展研究中心 劉彧寬)


        相關新聞

        DSTIS 國防科技工業信息服務系統
        中國核科技信息與經濟研究院 中國航天系統科學與工程研究院 中國航空工業發展研究中心
        中國船舶工業綜合技術經濟研究院 中國船舶信息中心 北方科技信息研究所 工業和信息化部電子科學技術情報研究所
        國防科技信息網 dsti.net © 2006 - 2022 版權所有 | 京ICP備10013389號-1 | 公安備案號:11010802036354