本文描述了一個反蜂群場景的作戰概念（ConOps），其中防御方使用蜂群無人機來防御攻擊的蜂群無人機。作戰概念是對一個系統的元素和其環境中的實體如何互動以實現其既定目標的高級概念描述。它已被證明是設計復雜技術系統的一個有用和綜合的要素。本文提出的反蜂群場景將為以下問題提供答案：如何部署兩個無人機群，如何將場景引入仿真系統，以及如何監測和監督其進展。通過使用反蜂群模擬器并與芬蘭國防軍的軍事專家進行討論和訪談，起草了反蜂群場景初步版本的作戰概念。

高度自主和智能的機器人群在軍事領域越來越受歡迎，因為群集系統可以比單一設備更有效和高效地執行許多種任務。蜂群機器人技術是一種旨在開發多機器人系統的技術方法，它以許多具有成本效益的機器人為基礎。在這里，我們介紹了反蜂群場景的作戰概念（ConOps）的開發，在這個場景中，防御方使用無人機群來防御一個目標，以抵御攻擊性無人機群。作戰概念是對一個系統的元素和其環境中的實體如何互動以實現其既定目標的高層次概念描述。它已被證明是設計復雜技術系統的一個有用的綜合要素。反蜂群場景的ConOps將提供以下問題的答案：如何部署兩個蜂群，如何將方案引入模擬系統，以及如何監測和監督其進展。

ConOps開發中的一項關鍵任務是為正在開發的系統定義主要的性能要求。我們進行了專家訪談，在此基礎上，我們起草了機器人車輛群和反群行動的主要要求，并與早期項目中確定的要求進行了比較。在本文中，我們還將概述對機器人群的高級控制概念，包括形勢評估、協調任務進展、報警處理以及提醒其他執法單位和載人車輛注意等任務。

本文的其余部分結構如下。首先，我們回顧了一些關于反蜂群的相關文獻。第二，我們在概念層面上定義了ConOps的含義，給出了一些機器人群的ConOps的例子，并介紹了一個早期的軍事領域的自主機器人群的ConOps。第三，我們介紹了我們的訪談結果，以及為反蜂群場景開發ConOps的目標和進展。

人工智能指的是一系列技術的集合，這些技術產生的系統能夠以類似于人類邏輯和推理的方式追蹤復雜問題。機器學習技術根據大量的數據來學習如何完成一項特定的任務。

人工智能技術正在飛速發展，已經可以對各種來源的海量數據進行分類和解釋，以執行廣泛的任務，幫助解決世界上許多最緊迫的挑戰。人工智能具有巨大的潛力，可以加速許多核領域的技術發展，從核醫學到水資源管理，再到核科學和工業。

2021年，IAEA主辦了一次關于核技術和應用的人工智能技術會議，旨在提供一個國際交叉論壇，討論和促進核科學、技術和應用、輻射保護和核安全以及保障監督核查方面的合作。其目的是確定這些領域未來活動的優先事項以及IAEA如何能夠支持這些活動的實施。這次會議--第一次這樣的會議--也是一次思考人工智能和核技術融合的倫理考慮的機會。

本出版物概述了當前的技術狀況，概述了挑戰并確定了利用人工智能加速核應用、科學和技術的機會。

報告結構

本出版物對目前的技術狀況進行了回顧，并概述了利用人工智能加速核應用、科學和技術的挑戰，并確定了機會。在介紹了人工智能及其在核領域應用的背景資料后，第2章概述了人工智能和核技術的倫理學，以及人工智能在核應用、科學、電力、輻射防護、安全和保障監督核查方面的應用。

以下各章介紹了技術現狀、核領域未來人工智能活動的優先事項以及IAEA在支持其實施方面的作用。第3章討論了人工智能與核技術融合的倫理影響。第4-12章重點介紹人工智能在與IAEA工作領域相對應的核領域的應用，包括人類健康、食品和農業、水和環境、核數據、核物理、核聚變、核電、核安全和保障監督核查。

執行總結

近年來，人工智能（AI）和機器學習（ML）方法已經在科學和技術領域產生了重大影響。這些從數據集或基于邏輯的算法中生成模型的方法，可以類似地加快核應用、科學和技術領域的發展，實現原子能機構促進和平、健康和繁榮的目標。如圖1所示，為了在這些領域實現人工智能，特別是ML的進步，IAEA可以通過建立、托管和策劃集中的資源，包括數據庫，遵守FAIR（可查找、可訪問、可互操作和可重用）原則和開放科學的最佳實踐，提供數據共享的管理，支持培訓工作和相關勞動力的發展，以及促成科學、技術、數學、人工智能和倫理學界之間的聯系，發揮重要作用。

許多領域可以從人工智能在核應用領域的使用中受益。在人類健康方面，這些領域包括臨床研究、流行病學、營養學、醫學成像、放射治療和衛生專業人員的教育。基于人工智能的工具也被用來促進成像、乳房X光檢查和肺癌篩查計劃中的計算機輔助診斷，以及核醫學程序中的劑量預測等不同的臨床任務。特別是ML方法還可以提高分析計算機斷層掃描和雙能量吸收儀掃描的效率和準確性，以便進行身體成分和骨骼分析。將人工智能方法應用于食品和農業的核技術和相關技術，可以在優化農業生產、食品產品開發、供應鏈管理、食品安全和食品真實性控制方面取得重大進展和提高效率。在水和環境領域，人工智能可以幫助為政策提供信息，以緩解世界的水問題。將人工智能技術應用于水文學和環境科學，有望改善模式識別，并能在變化的氣候下進行模型預測。

在核科學中，人工智能驅動的研究側重于核數據管道的自動化。這些努力包括，例如，通過使用自然語言處理應用程序從出版物中匯編數據集，并且正在努力使用ML方法進行有意義的不確定性預測的穩健推理。此外，人工智能可以協助驗證任務和設計驗證的實驗。在核物理學界，人工智能和ML方法被應用于數據分析和理論建模，以改善科學理解，提高數據處理和管理的效率。進一步的努力涉及到未來實驗的設計和現有裝置的優化，以及核物理專用設施的運行，如粒子加速器。最近在應用人工智能和ML方法解決磁和慣性約束核聚變研究中的突出問題方面取得的成功表明，這些方法有可能大大加快核聚變研發。通過人工智能和ML使更多的人參與到核聚變問題的解決中來，全世界的核聚變研發工作可以從中受益。

在核電領域，該行業可以從人工智能中受益，如自動化、設計優化、數據分析、預測和預知，以及洞察力提取。目前的工作重點是將人工智能技術從試點研究轉移到更廣泛的應用。在輻射防護方面，人工智能的應用及其與控制和監測過程的整合（如外部照射的個人劑量測定）預計將產生更快、更靈活和更有效的過程，有可能在該領域進行深入的技術改造。特別是，人工智能能夠在分析、解釋和理解包括輻射照射在內的復雜工作過程中模擬人類的認知。

在核安全領域，人工智能的可能應用包括分析光譜和地理空間數據，以改善對監管控制之外的核材料的檢測，增強核材料核算和控制系統，以及識別核設施中可能的內部和外部威脅的潛力。另一方面，在核安全系統中使用人工智能可能會帶來人類操作員或人工智能系統本身無法立即識別的潛在漏洞。對人工智能技術的網絡攻擊威脅進行重大調查在這一領域是至關重要的。

保障措施的實地活動依賴于通過不同技術獲得的越來越多的數據，以探測核材料，包括衛星成像和伽馬射線光譜。再加上受保障的材料數量的增加，顯然需要更有效的核保障程序。人工智能和ML方法的實施將通過提高這些現場活動的效率而大大有利于保障措施。

最后，人工智能和核技術的融合可能會加劇這兩個學科中現有的道德問題，并在它們的交匯處產生新的問題。由于這兩個學科都涉及到風險和不確定性，并具有巨大的潛力，既能帶來利益，也可能造成嚴重的社會和環境危害，因此有必要在這個界面上建立一個新的學科，即核與人工智能技術倫理學（ENAI）。ENAI的目的是建立一個非二元的倫理學，它可以在核領域的人工智能應用的設計、開發、部署和使用中起到先導作用。這將有助于提高從業人員對人工智能和核技術融合的倫理影響的認識，同時建立與利益相關者的有力對話機制。ENAI可以進一步確保社會接受的和道德上知情的決策，最終實現對人工智能在核領域應用的負責任的治理。

圖1：原子能機構在使用人工智能和機器學習方法加速核應用、科學和技術進步方面的作用。

達爾豪斯大學大數據分析研究所、加拿大國防研究與發展部（DRDC）-大西洋研究中心和加拿大通用動力任務系統公司（GDMS-C）向加拿大自然科學與工程研究委員會（NSERC）成功申請了一項名為海軍信息空間自動監測（AMNIS）的三年期資助項目。AMNIS啟動會議于2020年10月14日舉行，許多教授、國防科學家和GDMS-C技術人員參加了會議。會議為這三個組織確定了許多行動。與DRDC和GDMS-C相關的一項行動是需要與任務相關的場景來幫助指導預期的研究。因此，DRDC率先描述了一個有代表性的海陸場景，使研究人員能夠更好地了解與AMNIS有關的潛在研究途徑。制定的方案涉及加拿大皇家海軍（RCN）和加拿大陸軍（CA）執行的一項加拿大人道主義任務。該任務是向一個最近遭受自然災害的國家分發食品和醫療用品。一支敵對勢力還試圖偷竊這些物資。該情景描述了通過更好的處理技術和決策來改善信息流、共享和使用的必要性。該方案旨在引起進一步的討論，并幫助鞏固AMNIS參與者的研究課題。

1 引言

2015年，加拿大皇家海軍（RCN）的海上信息戰（MIW）概念[1]發布，概述了信息對RCN的影響。MIW的推出使人們非常需要關注信息，它既是皇家海軍使用的一種資源，也是為了更全面地使用和利用優勢而需要理解的一個概念。

該概念文件概述了信息的影響，包括其廣泛的可用性、皇家海軍對信息的依賴性以及信息的使用，特別是在戰爭中和作為戰爭倍增器的跨梯隊的使用。該概念文件還談到需要更好的處理技術來處理MIW功能領域內的數據量，如指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）、指揮和控制（C2）、情報、監視和偵察（ISR）以及態勢感知（SA）。

在MIW概念文件之后，2016年又發布了RCN信息戰戰略文件[2]。這里的重點是發展海戰MIW能力和能力，以支持國內活動（即加拿大的防御）和國際部署。盡管戰略文件指出了信息的更多傳統用途，如收集、利用和傳播，但它也認識到網絡武器領域是一個機動的地方，可以采取防御和進攻的行動。MIW的概念文件涉及物理、虛擬和認知領域，而戰略文件則談到了信息領域，從而表明了信息對于作戰人員的地位和重要性。

在概念和戰略文件之后，加拿大在2017年發布了新的國防政策[3]。該國防政策并沒有明確提到信息領域。然而，該政策確實催生了兩個最近的文件，繼續表明信息對RCN的重要性：2019年的DND數據戰略[4]，以及2020年的RCN數字海軍[5]。

數字海軍[5]支持加拿大國防政策[3]的創新目標，特別是那些涉及適應和利用新技術的能力。數字海軍 "作為一個指南，將數字技術與人結合起來加以利用，以確保未來海軍的成功和可持續。這份文件提出的前進方向涉及自動化、大數據分析、云計算、人工智能（AI）和機器學習（ML）方面的創新，成功是指通過上述手段做出數據驅動的決策的RCN。

數字海軍的概念促進了企業和運營RCN社區在決策中對數據的使用。在操作方面，這是為了將海軍團隊和水兵從日常工作中更平凡的方面解放出來，通過自動化功能，如基于規則的重復性任務。從更廣泛的操作角度來看，使用這種數字技術和技巧是為了更好地進行操作。

上面提到的所有文件都指出，希望將RCN推向一個信息組織，在這個組織中，信息是用來使用的，但也被用作防御和安全的工具。由于其中一些方面對RCN來說是新的，因此顯然需要一個由信息科學、人工智能、ML以及將這些與認知科學相結合的專家組成的強大而明智的科學團體，以開發更好的人類決策模型來支持RCN的目標。

1.1 發展科學專長

通過政府、學術界和工業界合作伙伴的參與，建立了一個強大而知情的科學界。這個群體完全有能力在與現代軍隊相關的科學和技術問題上取得進展，以幫助滿足國內和國外對加拿大武裝部隊（CAF）不斷增長的需求。

為了發展這個社區，在自然科學與工程研究委員會（NSERC）的聯盟計劃下，成立了一個DRDC（大西洋研究中心）、工業界（加拿大通用動力任務系統公司，GDMS-C）和學術界（達爾豪西大學）的伙伴關系。提交并被NSERC接受的提案名為《海軍信息空間自動監測》（AMNIS）。該提案概述了海上和陸地的信息問題，特別是數據整合、事件和警報的ML、信任和對抗性數據，以及信息的可視化和呈現供用戶使用。

為了給學術研究小組提供背景和指導，下面提供了一個大大簡化的行動的基于場景的描述。該方案包括許多問題，表明與AMNIS相關的可能研究途徑。這里的目的是培養研究人員對與DRDC和GDMS-C有關的問題的理解，使研究人員能夠發展自己的思路，幫助他們追求與他們的研究和AMNIS有關的創新方法、技術和發現。

這項工作的動機是基于兩個愿望，即：

1.描述一個現實但簡化的操作，其中存在與AMNIS相關的信息問題，以及。

2.強調在AMNIS項目下DRDC和GDMS-C感興趣的研究領域。

1.2 概要

其余各節將提供一個現實場景的發揮、可視化部分、性能建模、決策和學習的概述。每一節都包含了一系列的問題，這些問題的提出有助于為研究工作提供思考點和指導。

第2節描述了一個聯合行動的場景，陸地和海洋部隊共同支持人道主義任務。通過可能被破壞并有相關安全風險的節點相互連接和共享信息資源來實現這一目的。第3節討論了可視化在該場景中的作用及其對決策的影響。這包括物理環境的可視化表示，以及額外信息源的聚合如何影響主題專家的決策。本節還考慮了與人工智能（AI）和多樣化技術合作的人類表現模型。第4節討論了如何利用數據檔案來開發和學習對抗性注入檢測方法。第5節以總結性意見完成了本文。

無人系統（UMS）在北約軍事行動中發揮著越來越重要的作用，并將是構成未來戰斗力很大的一部分。然而，由于UMS使用的技術發展迅速，在如何衡量UMS的性能方面，很少有標準存在。這在自主性能方面尤其如此。這種缺乏商定的定義和測試方法的情況，極大地阻礙了UMS在北約全面行動中的使用。因此，迫切需要為用戶提供一種工具，不僅可以定義UMS的自主性水平，而且可以定量測量自主性對UMS任務性能的影響。

認識到這一需求，北約成立了AVT-175-RTG：無人系統（UMS）平臺技術和自主運行的性能。這個RTG定義了影響自主性和自主性能的技術，全面介紹了北約國家目前正在使用的潛在軍事應用的UMS系統，并對目前使用的測試方法、標準、自主性定義和自主性能評估工具進行了詳盡的審查。AVT-175的工作范圍在一定程度上受到了限制，因為缺乏與更高自主水平的全面行動有關的數據，因為自主的UMS還沒有被廣泛地用于北約任務。

根據技術、測試方法和自主性能方法的審查，AVT-175開發了一個新的工具，用于預測評估背景自主性能，即任務性能潛力（MPP）。目前的努力，即AVT-255 "無人系統自主運行任務性能潛力"，試圖在軟件中實現MPP，并利用自主UMS運行的現場測試驗證代碼。

然而，AVT-255即使延長了一年，也沒能實現其目標。

AVT-255項目未能成功完成的原因有三個。

1）主要的代碼開發人員不得不退出這項工作。

2）驗證性的現場測試被取消了。

3）AVT-255的研究逐漸過時。

本備忘錄對AVT-255的時間表和有限的結果進行了詳細的解釋，并接著對自主UMS的測試和評估提出了下一步的建議。

作者：

• 加拿大陸軍陸戰中心的Geofrey Priems少校
• 加拿大國防研究與發展--作戰研究與分析中心的Peter Gizewski

引言

全世界對人工智能（AI）軍事應用的興趣正在增長。事實上，與其他一些技術進步一樣，人工智能越來越被視為軍事效力的潛在重要推動力。

毫不疑問，人們對人工智能對加拿大陸軍（CA）的影響以及其采用人工智能的可能性的興趣正在上升。關于如何以及在多大程度上可以利用人工智能來潛在地幫助實現緊密作戰應用的問題：加拿大陸軍的頂點作戰概念--"不確定性時代的陸地力量 "的實現，以及加強陸軍的五項作戰功能的實施，這些問題尤為突出。有關有效采用人工智能可能面臨的挑戰以及克服這些挑戰所需措施的問題也同樣突出。

本文對這些問題進行了初步研究。它源于加拿大陸軍陸戰中心正在進行的關于人工智能的工作，以研究和確定人工智能對加拿大陸軍和有效實現陸軍頂點作戰概念的影響。

文章概述了人工智能在軍隊采用和開展軍事行動方面所帶來的潛在好處和挑戰。然后，文章研究了人工智能對實現密切交戰的潛在影響，確定了人工智能的應用有望提高軍隊的作戰效率的領域。文章最后概述了一些必要的關鍵前提條件和做法，以確保這些工作是負責任的和有效的。

人工智能

人工智能的定義有很多，而且在不斷發展。然而，按照國防部目前的定義，人工智能是 "計算機執行與人類邏輯有關功能的能力，如推理、學習和自我改進"。 雖然沒有被普遍接受，但這樣的表述為在CA背景下討論人工智能提供了一個體制上熟悉和充分的基礎。

潛在利益

軍事組織探索、開發和采用人工智能的激勵措施是引人注目的。鑒于高速計算機（網絡速度和處理能力）和人工智能算法處理和分析大量數據的能力，其速度和準確性遠遠超過人類，聲稱人工智能系統有可能全面改變國防，這并不令人驚訝。通過作為一種提高人類和機器分析速度的手段，人工智能有希望提高數據使用、管理和態勢感知能力。對于軍隊來說，其結果很可能轉化為成本節約、改進控制系統、加快決策、新的作戰概念和更大的行動自由。

由人工智能支持的信息和決策輔助系統有可能促進在 "復雜的、時間緊迫的戰地環境 "中做出更好的決策，允許更快地識別威脅，更快、更精確地確定目標，并根據戰地條件的變化為指揮官創造靈活的選擇。應用范圍可以從指揮和控制以及情報、監視和偵察到訓練和后勤。此外，作為機器人和自主系統的骨干技術，人工智能為武器裝備的創新提供了前景，使具有相當大的軍事潛力的先進自主系統（如機器人系統和無人機）得以發展。人工智能甚至可能在部隊結構和作戰概念方面產生巨大的變化，有可能減少人員的負擔和軍事硬件的成本，同時提高戰爭本身的效率和效力。

這些技術無處不在，而且越來越多的盟軍和對手都可以使用，這一事實進一步刺激了對人工智能軍事技術的追求。就前者而言，盟國對人工智能日益增長的興趣突出表明，需要有足夠的人工智能能力來確保未來盟國的互操作性和軍事有效性。至于后者，有證據表明，對手（如俄羅斯、中國）對人工智能的軍事應用進行了持續的探索和投資，這增強了追求此類技術的動力，以檢測和防御未來越來越多的人工智能軍事威脅。

采用的限制和挑戰

然而，有效引進人工智能的先決條件是相當多的，很可能對軍事組織充分實現人工智能應用所帶來的一些可能性的能力造成限制。此外，軍隊可能不完全愿意追求人工智能技術本身所固有的一些可能性。

事實上，目前的能力僅限于執行離散的功能和學習具體的任務（如狹義的人工智能）。人工智能技術的脆弱性令人擔憂。脆弱性是指任何算法不能泛化或適應狹窄的假設集以外的條件。例如，在添加了一些位數后，一個停車標志可以被讀成一個45英里/小時的限速標志。應用于涉及過度不確定性的情況實際上可能特別危險。例如，錯誤地選擇和起訴友軍目標，如友軍戰士或民用車輛。因此，在軍事環境中，特別是在軍事行動中，對人工智能的使用限制是相當大的。面對傳來的信息可能不可靠、不完整或甚至被對手故意偽造的環境，相信這些技術提供的解決方案仍然很脆弱。

除此之外，即使在這種技術被普遍認為是可靠的領域，其開發和應用也可能是苛刻的。要求包括確保有足夠數量的數據可供開發用于啟用軍事系統的算法。它們還包括確保算法本身的質量，這一要求取決于在將人工智能納入軍事系統之前提供和有效地準備和編碼訓練數據，以及確保來自現實世界數據的有效性，其中包括邊緣案例（不常見的使用案例）。而且，它們包括確保開發和集成到軍事系統中的人工智能是可靠的（即它以預定的方式工作）。

這些要求中的每一項都可能涉及相當大的挑戰。獲取大量的訓練數據可能會遇到基于政治和法律限制的數據共享阻力，從而降低待訓練算法的質量和使用這些算法的系統的可靠性。獲得的數據可能包含種族、性別和其他源于數據準備和編碼的偏見。此外，隨著算法變得更加復雜，通過對手在訓練數據集中注入不良數據而被操縱的可能性會增加。只要存在這些挑戰，對人工智能的信任及其在軍事領域的應用就可能受到影響。

這些風險可以通過仔細的人工監督和強大的測試得到控制。也就是說，真正有效的監督需要操作者熟悉人工智能技術的細節，以及重要的系統整合和社會化，這可能很難實現。由于對技術本身的理解存在困難，有效監督挑戰就更大了。機器推理的過程不等同于人類，人工智能系統采用的邏輯也不容易理解。對于負責使用這些能力的指揮官和系統操作者來說--其中一些能力可以很好地決定生命和死亡--相信那些決策過程不透明的技術，可能是一座太遙遠的橋梁。

對加拿大陸軍的影響

這些現實表明，加拿大陸軍采用人工智能，雖然有希望，但必須謹慎行事，并對限制有一個現實的認識。無論是加拿大還是加拿大陸軍，都無法避免遇到上述挑戰。例如，人工智能技術在沒有適當人類監督的情況下越接近殺戮鏈，可能發生災難性后果的風險就越大。因此，必須注意研究或采用能夠幫助人類決策的技術。一個指示人類做什么的 "黑盒"人工智能將是不可接受的。人工智能顧問必須能夠解釋其建議/結論，以便人類能夠理解并對所提出的建議有信心。人類決策者必須能夠對人工智能所提供的解決方案向領導作出清晰和可理解的解釋。

然而，如果謹慎地追求和應用，人工智能的大部分內容通常與《近距離接觸，不確定時代的陸地力量》中詳述的陸軍要求非常吻合。緊密的作戰應用目的是應對以快速變化為特征的作戰環境的挑戰，以及廣泛的復雜的人道主義挑戰和技術能力越來越強的對手，他們能夠使用一系列機動性越來越強的致命和非致命系統以及精心設計的反措施。應對這些挑戰在很大程度上取決于確保獲得必要的信息和分析的能力，以便比對手更快地了解和調整不斷變化的條件。作為一種先進的信息處理方法，人工智能可以提供一種重要的手段，通過提供比人類更快、更準確地處理和分析來自越來越多來源的數據來幫助滿足這些需求。因此，人工智能可以作為一個重要的決策輔助工具，使個人和共同的理解得到發展，這對于確定潛在的作戰方案，優先獲得、處置和使用軍事資產，以及提供及時開展行動所需的數據、信息和可操作的情報至關重要。

除此之外，人工智能甚至可能有助于加強陸軍所依賴的網絡安全。"能夠遠距離運行的高容量網絡為軍隊行動的開展提供了顯著的優勢。事實上，一個安全和強大的網絡是確保快速、安全地分發有效開展軍隊作戰所需的數據和分析的核心。通過開發能夠防范網絡故障、電子戰和網絡攻擊的算法，人工智能可以更充分地確保軍隊能夠 "獲得網絡的優勢"，從而以更安全、協調和協作的方式開展行動。在諸如互操作性、力量生成、力量投射和維持以及開展分散行動等方面的改進，都可能因此而受益。

自始至終，隨著人工智能技術被推向戰術邊緣，將有必要確保有足夠的電力（能源）來支持它。除了網絡，先進的電源管理和電池技術將是至關重要的。

圖：加拿大國防研究與發展部-瓦爾卡蒂爾項目的數據收集工作，該項目被稱為聯合算法戰機傳感器。該項目是較大的加拿大陸軍科學和技術組合的一部分，即數字時代的授權分布式作戰。

摘要

本文旨在展示開源數據的潛力，結合大數據分析和數據可視化，以表明特定領域的彈性水平，其中包括北約彈性評估的基線要求(blr)。

本文中描述的概念驗證提取了特定領域的相關彈性指標，涵蓋了包括能源和交通在內的選定基線要求。概念驗證使用交互式儀表板，允許終端用戶從多個角度探索可用的公共數據，以及對這些數據進行高級分析和機器學習模型的結果。

關鍵詞:大數據分析，機器學習，彈性，能源，交通，媒體

引言

軍隊越來越意識到大數據分析在作戰和戰略決策中的重要性和作用。在正確的時間獲得相關信息一直是做出最佳決策的關鍵因素。今天，這種影響甚至更大，因為數據和信息可以大規模收集并提供給每個人。技術和人工智能方法成為利用數據的巨大推動者[1]。

廣泛可用的開源數據來自媒體、科學文章、相關(專家)門戶網站，涵蓋經濟、政治、社會、能源、交通運輸等帶來了創造更有洞察力的背景的可能性，并通過分析各種來源和整合結果為任何評估提供了有價值的新維度。

從軍事角度來看，我們從開源數據中確定了許多跨不同領域的重要指標，這些指標可以用于評估整個聯盟的戰備和恢復能力。來自不同領域的許多指標似乎相互影響，可以相互關聯。

在去年，北約CI機構數據科學團隊參與了一項創新性的概念驗證，包括轉型和作戰命令，如ACT、SHAPE和JFCBS;為了識別、提取、計算和呈現開源數據中最相關的指標，以支持整個聯盟的彈性評估。由于彈性評估是一項復雜的評估，它依賴于許多不同領域和事件的關系，因此該項目定義了較小的范圍，重點關注以下關鍵領域:

?關鍵基礎設施——醫院、發電廠、港口、液化天然氣接收站和軍事設施

?能源——專注于電力和天然氣

?交通——專注于空運、公路、海運和接近實時的交通指標

?媒體——態勢感知

其主要目標是通過使用來自公開數據集的大數據來確定相關指標。然后創建有用的策劃數據和機器學習(ML)模型，以識別相關關系，并提供對當前情況和破壞性事件影響的見解。為了提高結果的準確性，我們最初關注于一個特定的地理區域。

引言

背景

人工智能 (AI) 正在徹底改變各行各業，使機器能夠從經驗中學習、適應和執行需要人類認知的任務。人工智能在 60 多年前首次被概念化，人們對人工智能應用程序的興趣有升有降。在過去十年中，有幾個因素促成了人工智能的近期復蘇，包括計算能力的提高、海量數據存儲以及人工智能算法方法的創新（包括機器學習）。

人工智能已被廣泛接受，并有望在生產力、效率和生活質量方面帶來相當大的好處。人工智能在銀行和金融行業的欺詐檢測和高頻股票交易方面發揮著重要作用。人工智能在國家安全中用于網絡安全和對象/威脅識別。人工智能在醫療保健中用于分析醫療數據以幫助診斷并預測患者的有效治療方案。當前人工智能子領域和技術有望擴展到交通生態系統——具有潛在的變革性影響。

智能交通系統 (ITS) 聯合項目辦公室 (JPO) 及其模式合作伙伴在利用互聯汽車 (CV)、自動駕駛汽車 (AV)、共享出行等新興技術解決移動性、安全性和公平性方面的基本問題方面一直處于領先地位服務和便利的交通能力。在過去的幾年里，美國運輸部 (USDOT) 對人工智能的探索有了巨大的發展（Thompson D.，2019 年）。 USDOT 的一些模態管理機構，包括聯邦公路管理局 (FHWA)、聯邦鐵路管理局 (FRA) 和聯邦航空管理局 (FAA)，一直處于采用人工智能解決方案交付任務的最前沿。基于 AI 的應用程序已用于視頻分析、異常檢測、安全分析和數據融合。例如，FHWA 的探索性高級研究計劃資助了人工智能技術的開發，用于收集大量交通數據，包括安全數據，以發現趨勢并識別看似不同的數據流之間的關系，并用于視頻分析以幫助確定駕駛員行為各種駕駛場景（美國運輸部，2019）。 FHWA 的交通分析工具 (TAT) 計劃正在研究使用 AI 開發預測技術和評估工具（FHWA ATDM，2020）。 FHWA 的高級交通和擁堵管理技術部署 (ATCMTD) 計劃最近獲得了超過 1600 萬美元的贈款，用于開發人工智能驅動的多式聯運管理解決方案（USDOT，2020 年）。FRA 正在開發一套使用人工智能和無人機系統 (UAS) 進行預測分析和入侵者檢測的技術（Baillargeon，2019 年）。其他機構，例如聯邦運輸管理局 (FTA)、聯邦汽車運輸安全管理局 (FMCSA) 以及管道和危險材料安全管理局 (PHMSA)，正在探索人工智能必須在公民中提供的承諾——

2019 年 2 月 11 日，簽署了關于保持美國在人工智能領域的領導地位的第 13859 號行政命令，以實施一項政府戰略，將人工智能提升為其關鍵優先科學技術領域之一（白宮，2019 年）。 USDOT 戰略計劃（2018-2022 年）將“創新：引領創新實踐和技術的開發和部署，以提高國家交通系統的安全性和性能”作為四個戰略目標之一（美國交通部，2018 ）。結合 USDOT 的戰略目標和行政命令，ITS JPO 將人工智能研究確定為優先領域，以加速州和地方機構采用人工智能來解決交通問題。為此，USDOT 確定了與新興支持 AI 的交通運輸應用程序合作的兩種關鍵方式：(i) 將 AI 集成到安全關鍵領域，以及 (ii) 采用和部署基于 AI 的工具，改善企業職能的交付（美國交通部，2019 年）。

目的

本報告的目的是確定可用于解決特定交通問題和需求的人工智能應用類別，并根據文獻綜述，在每個類別下提供現有和潛在的人工智能應用的高級總結。

結構

該報告的組織結構如下：
 ? 第 2 章確定并定義了 11 大類支持人工智能的應用程序，這些應用程序可用于解決特定的交通問題和需求。 ? 第 3 章提供了與 11 個類別對應的支持 AI 的應用程序的摘要描述。每個部分對應一個類別，包括對該類別下現有和潛在的人工智能應用程序的摘要描述，以及 USDOT 在投資該類別下的人工智能應用程序方面的潛在作用。本章還總結了所有類別中常見的使用人工智能的風險和障礙。 ? 第 4 章介紹了結論和后續開發。

本報告總結了 IST-144-RTG 在基于內容的多媒體分析 (CBA) 方面的研究進展，該研究由來自 NLD、NOR、美國和英國的團隊進行。這些科學家匯集了來自異構媒體源（文本、視頻和圖像）和人類評估的信息檢索策略。因此，可以通過基于內容的信息檢索和多媒體分析來利用多個異構數據源，以提供及時準確的數據概要，并結合人類直覺和理解來開發問題/解決方案空間的全面“視圖”。北約聯盟軍事領導人、指揮官和情報分析員需要這種可互操作的工具，這些工具可以交叉提示從一種方法獲得的知識以在另一種方法中生成任務，以加快態勢感知和決策制定，并應對國防信息空間的復雜性。提供了核心技術組件的描述以及它們在概念演示器中的組合應用的描述，該演示器解決了一個虛構但現實的場景，代表了聯盟面臨的防御挑戰。該報告總結了解決限制所需的進一步工作的發現和建議，包括技術和系統級別的差距，例如用于集成分析服務的開放分布式架構，現在和未來的預期。