Чтобы бороться с конфликтом ближнего круга в ближайшем будущем, специалисты по разведке / наблюдению / рекогносцировке (ISR) должны справляться с двусмысленностью, неопределенностью, несоответствием и огромным объемом информации. Задача получения, поиска, сбора, агрегирования, компиляции и понимания данных для ответа на вопросы разведки, оценки угрозы и понимания намерений врага является ошеломляющей. Она не может быть достигнута с помощью традиционных подходов ручной обработки и анализа данных. Требуется лучшее решение. Ключ к разгадке — в искусственном интеллекте.
В ответ на проблему информационной перегрузки разведывательное сообщество и военные службы разрабатывают инструменты объединения данных из всех источников, основанные на искусственном интеллекте и машинном обучении (AI / ML), для поиска, сортировки, визуализации и связывания разрозненных структурированных и неструктурированных данных в контексте геопространственной привязки.
Эти инструменты fusion предназначены для того, чтобы помочь аналитику делать лучшие, быстрые и более частые суждения о намерениях противника и преобразовывать разрозненные пожарные данные в оценки с высокой степенью достоверности. Оценки разведданных зависят от обработки огромного количества необработанных данных датчиков из всех областей, чтобы построить трехмерную картину активности противника, ответить на вопросы командира и предсказать хорошее, плохое и отвратительное в предстоящих военных операциях.
Эта работа не может быть выполнена одним человеческим разумом или даже большой командой. Количество данных просто слишком велико. Учитывая проблемы сбора ISR, ориентированного на предметную область (воздушную, космическую, наземную, морскую, кибернетическую), распределенные операции, организационные дымоходы совместных и коалиционных целевых групп и сложности многоуровневой безопасности, потребность в автоматизированной обработке данных становится еще более насущной.
Требуется иммерсивная и согласованная среда обработки данных, понятная и объяснимая для аналитика-человека. Это требует автоматизации для предоставления нужных данных с географической привязкой нужному аналитику в нужное время. Кибербезопасная, определяемая пользователем цифровая экосистема — вот ответ. Система, которая просеивает, перенаправляет, а затем визуализирует мозаику структурированных и неструктурированных данных во что-то, что опытный аналитик может мгновенно понять.
Быстрые достижения в области 3D-моделирования и симуляции (M & S), цифровые технологии, поддерживающие разработку синтетической среды с эффектом погружения, дополненная реальность (AR) и игровые движки являются катализаторами для достижения этой цели.
Определяемая пользователем цифровая экосистема может эффективно объединить письменное слово (структурированное и неструктурированное) в физическую, дополненную среду. Это позволило бы аналитику воспроизводить сценарии угроз, использовать разрозненную информацию, чтобы показать геопространственные связи, выявить общие черты и различия, нарисовать картину для расширенных оценок и анализа и даже предоставить обоснованное представление о будущих условиях или ситуациях.
Используя иммерсивную среду обработки данных с использованием AR, поддерживаемую надежной методологической основой, аналитики разведки могут визуализировать изменения в цифровой экосистеме, определенные для конкретных конкретных потребностей, уменьшая “туман” военных операций и помогая специалистам разведки разрабатывать и уточнять наиболее точные оценки и картины угроз.
Крупные инвестиции в разработку высокоточного моделирования датчиков ISR в рамках обучения тактическим полетам самолетов и многоцелевым ударам позволяют использовать высокоточные имитационные модели датчиков для моделирования операций с крупными силами. Эта захватывающая среда данных, возникающая в результате генерации синтетических данных, необходимых для разработки и совершенствования инструментов искусственного интеллекта / ОД для обработки данных, AR-инструментов для визуализации данных, а также тактики / методов / процедур, является необходимым условием повышения эффективности аналитиков.
Используя как внутренние, так и коммерчески доступные инструменты, виртуальная среда на основе физики для тактических учебных мероприятий, а также совместные / коалиционные силы и цели могут быть представлены в виде крупномасштабных симуляций. Красные и синие силы могут быть созданы и размещены в виртуальном пространстве с автоматическим поведением, управляемым искусственным интеллектом, на основе сценария, чтобы представить действия, необходимые для сбора ISR. Виртуальные модели датчиков создают синтетические данные датчиков (такие как видео с полным движением, изображения высокого уровня, радиолокационные изображения и электромагнитные сигналы), необходимые для стимулирования процессов разведки, наведения и управления сбором данных и ускорения разработки инструментов ИИ / ОД.
Чтобы обучить аналитика из всех областей ближайшего будущего, эта же технология облегчает представление сложных военных операций с участием крупных сил для выполнения всего процесса постановки задач / сбора / обработки /
использования / распространения (TCPED), продолжая совершенствовать способность алгоритмов AI / ML проводить распознавание и анализ целейкак это было бы с потоковыми датчиками.
Быстрое развитие вычислительной мощности и других технологий не решит или не продвинет интеллектуальную аналитику. Они создают основу для полного погружения и внедрения цифровой экосистемы, предоставляя аналитикам передовых инструментов для уменьшения неопределенности, неопределенности и повышения надежности разрозненных данных.
Подход, ориентированный на данные, с его способностью генерировать полный спектр синтетических данных C2ISR и стимулировать операционные инструменты, обеспечивает ключевое обучение, репетицию миссии и опыт оперативной оценки, необходимые операторам ISR в самом ближайшем будущем.
Недавние учения Министерства обороны и крупных сил НАТО, такие как учения по оперативной совместимости коалиционных войск (CWIX), продемонстрировали ценность синтетических данных ISR и цифровой экосистемы для разработки новых возможностей обработки данных AI / ML. Учебное приложение CAE Virtual ISR (VISTA), облачный набор инструментов M & S, было использовано для создания этой захватывающей среды с синтетическими данными для стимулирования процесса TCPED.
Сотрудничество между промышленностью, правительством и тактическими пользователями является ключевым для направления этих видов инвестиций на решения с высокой стоимостью. Обеспечение правильного обучения в нужное время нужным специалистам ISR – эффективно и действенно – требует специальной многопрофильной команды, обладающей необходимым опытом для интеграции решений, отвечающих сложностям военных операций — сегодня и в будущем.
