ИИ и машинное обучение, возможные множители силы для береговой охраны

Доктор Джо ДиРензо III • 13 сентября 2019

Искусственный интеллект (AI) и машинное обучение (ML): упомяните эти два термина, и слушатель может сразу подумать о рекламе, отображаемой при просмотре вашего любимого новостного сайта в Интернете. Это одна из версий того, чем может быть AI / ML. Учитывая современное состояние исследований ИИ и ML, эти передовые математические методы представляют собой то, что Береговая охрана США должна изучить для применения в миссиях. Для этого необходимо создать общие определения, понять проблемы и изучить случаи практического использования.

В приложениях в частной промышленности и медицине доказано, что методы ИИ / МЛ могут быть полезны для прогнозной аналитики. Примером является использование ИИ для повышения точности первоначальной диагностики радиологических слайдов; в розничном секторе Amazon уже продемонстрировала ИИ с помощью клиентской разведки. Вы когда-нибудь задумывались, почему при совершении покупок в Интернете приводятся другие рекомендации, касающиеся покупки? Эта новая тактика продаж является практическим применением формы этих передовых математических методов.

Однако, чтобы представить сбалансированную перспективу, могут возникнуть серьезные проблемы с использованием ИИ / МЛ, которые нельзя игнорировать. Одна проблема была подчеркнута в статье Майкла Чуи, Джеймса Маники и Мехди Миремади, написанной в McKinsey Quarterly в январе 2018 года. Отметил статью «Сложность в том, что массивные наборы данных может быть трудно получить или создать для многих случаев использования в бизнесе». Еще одна возможная проблема может заключаться в «качестве» данных. Насколько это точно? Третья проблема может заключаться в возможности перехода целенаправленного исследования к практическому применению и разработке всех новых обучающих приложений для создания «практических» операторов.

Один из основных стратегических документов Береговой охраны представляет собой ориентир для изучения того, как можно использовать AI / ML. Из Стратегического плана на 2018-2022 годы:

«Быстрое развитие технологий в нашей личной и профессиональной жизни открывает перед береговой охраной новые возможности, если их правильно использовать. Чтобы полностью понять потенциальное влияние новых технологий на операции Береговой охраны, мы будем: Оценивать появляющиеся технологии, такие как беспилотные платформы, аналитика данных, шифрование цепочки блоков, искусственный интеллект, машинное обучение, сетевые протоколы, хранение информации и взаимодействие человека с машиной. для возможного использования в выполнении миссии ». Это простое утверждение подчеркивает важность изучения возможных приложений.

Чтобы начать понимать приложения, необходимы определения и контекст. В 1959 году исследователь Артур Самуэль высказал мнение, что компьютеры могут «учиться для себя». 34 года спустя последовало обсуждение «искусственного интеллекта», которое было инициировано в 1995 году доктором Джоном Маккарти из Дартмутского колледжа. Эти действия создали основу для определения. Кроме того, статья от 6 декабря 2016 года в журнале Forbes, написанная Бернардом Марром, гласит: «Искусственный интеллект - это более широкая концепция машин, способных выполнять задачи так, как мы считаем« умными ». Продолжение Марр,« Машинное обучение ». Является ли текущее применение ИИ основанным на идее о том, что мы действительно должны дать машинам данные и позволить им учиться самостоятельно ». Видите ли вы разницу между этими двумя терминами?

Кажется довольно простым на первый взгляд.

Сигнал спроса на изучение способов использования AI / ML для принятия решений находится на пике лихорадки как в Соединенных Штатах, так и во всем мире. США и их союзники вступили в «интеллектуальную гонку вооружений» с Китаем и Россией из-за использования ИИ. В 2018 году Министерство обороны (DoD) создало Объединенный центр искусственного интеллекта, который привлек широкий круг экспертов по предметной тематике и сотрудничал с учеными, представителями промышленности и другими федеральными партнерами. Также была выпущена новая стратегия DoD AI под названием «Использование ИИ для улучшения нашей безопасности и процветания».

В предисловии к краткому изложению стратегии говорится: «ИИ быстро меняет широкий спектр предприятий и отраслей. Он также готов изменить характер будущего поля битвы и темпы угроз, с которыми мы должны столкнуться ». Стратегия также предусматривает, что исследование, анализ и применение ИИ с Береговой Охраной для различных миссий должны рассматриваться как команда спорт ... партнерство - это ключ
Резюме стратегии продолжает: «Мы не можем добиться успеха в одиночку; Это обязательство требует умения и преданности со стороны правительственных чиновников, тесного сотрудничества с академическими кругами и нетрадиционными центрами инноваций в коммерческом секторе и сильной сплоченности между международными союзниками и партнерами. Мы должны учиться у других, чтобы помочь нам достичь полного понимания потенциала ИИ, и мы должны вести себя ответственно в разработке и использовании этих мощных технологий в соответствии с законом и нашими ценностями ». Тип сотрудничества и партнерства, выделенный в DoD Стратегия одинаково необходима для успеха Береговой охраны в разработке и применении методов ИИ / МЛ. Но как сервис исследует возможности применения AI / ML в различных миссиях?
Автор рекомендует следующие четыре миссии области для первоначального исследования:

(1) Инспекции по безопасности на море и органы государственного контроля порта. Используя данные, полученные за годы предыдущих инспекций, применяемый подход AI / ML может потенциально разработать усовершенствованный процесс, который лица, принимающие решения, могли бы рассматривать в сочетании с моделями разведки и риска. Приложение AI / ML потенциально может усилить анализ, поскольку тактические усилия уточняются.

(2) Планирование и выполнение поиска и спасания: Береговая охрана использует очень сложную модель для планирования SAR. Его система оптимального планирования поиска и спасения имеет некоторую возможность взглянуть на разработку курса действий ... но что, если эти передовые математические методы можно использовать для уточнения шаблонов поиска, основанных на прошлом успехе, и помочь лицам, принимающим решения, рассмотреть лучшие комбинации активов?

(3) Реагирование на разливы нефти. Еще в 1998 году Мирослав Кубат, Роберт Холте и Стэн Матвин опубликовали статью «Машинное обучение для обнаружения разливов нефти на спутниковых радиолокационных изображениях», в которой обсуждалась идея использования приложений AI / ML для поддержать ответ на разлив нефти. В настоящее время, особенно после события «Глубоководный горизонт», потребность в максимально возможном разбросе информации о разливе и анализе его будущего перемещения и о том, как лучше всего развернуть активы с беспилотных летательных аппаратов в «Судах возможностей», может быть активной инициативой AI / ML. В исследовании, опубликованном в 2014 году в журнале «Абстрактная и прикладная аналитика», анализировалось моделирование обнаружения разливов нефти с использованием беспилотных аппаратов в качестве отправной точки.

(4) Операции по поддержанию правопорядка. Планирование этой миссии является преднамеренным и основывается на широком спектре факторов, ключевым из которых является действенный интеллект. Например, подразделения Береговой охраны, находящиеся под тактическим контролем целевой группы, могут извлечь пользу из этого вида анализа, чтобы повлиять на операции в конце игры. Приложения AI / ML могли бы принести реальную выгоду, возможно, интегрировав датчики на борту с кораблем морского патрулирования и другими национальными активами, чтобы поместить наши ресурсы для запретной игры в нужное место.

От использования искусственного интеллекта для обнаружения мошенничества при использовании кредитных карт до применения машинного обучения для помощи врачам в интерпретации рентгенологических изображений, эти передовые математические методы оказывают влияние на ряд профессий и их требования. Эти четыре конкретных района миссии береговой охраны предлагаются для изучения применения AI / ML. Автор считает, что использование этих передовых методов может повлиять на разработку политики USCG, обучение, проведение упражнений, планирование и выполнение миссий. Как нация, мы только начинаем видеть силу этих передовых математических методов во многих аспектах жизни - благодаря тому, что Береговая охрана использует их, конечным результатом могут быть продукты, которые помогают лицам, принимающим решения, помогать в выполнении миссии.
Мнения, включенные в эту статью, принадлежат автору и не отражают официальную позицию береговой охраны США.

Об авторе: д-р Джо ДиРензо - директор исследовательского партнерства в Центре исследований и разработок береговой охраны США. Он является бывшим руководителем проекта службы AI / ML, включающей планирование реагирования на бедствия, отставного офицера USCG и бывшего командира резака. Он часто сотрудничает с Maritime Reporter и Engineering News, а также с Maritime Technology Reporter.

10-й ежегодный симпозиум по морскому риску запланирован на 13-15 ноября 2019 года в SUNY Maritime в Нью-Йорке.
www.sunymaritime.edu/MRS2019