AI 트렌드 스태프
최근 발표 된 인공 지능에 대한 미국 국방부 (DoD)의 자세에 대한 업데이트 된 평가에서 랜드 주식회사. "일부 긍정적 인 신호에도 불구하고 DoD의 자세는 평가의 모든 차원에서 상당히 도전적입니다"라는 사실을 발견했습니다.
RAND 연구원들은 2019 년 국방 승인 법 (NDAA) 내에서 의회와 DoD의 JAIC (Joint Artificial Intelligence Center) 소장에게 다음 질문에 대한 답변을 요청했습니다. DoD는 AI 기술을 활용하고 그와 관련된 잠재력을 활용할 준비가되어 있습니까? 아니면 이러한 기술을 효과적이고 안전하게 사용하고 그 사용을 확장하기 위해 스스로를 포지셔닝하기 위해 중요한 조치를 취해야합니까? "
용어 인공 지능 인간의 사고 능력을 모방하도록 설계된 프로그램을 선보인 Dartmouth College의 컨퍼런스에서 1956 년에 처음 만들어졌습니다. 그 직후, 군대의 연구 부서 인 DARPA (Defense Advanced Research Projects Agency) (당시 Advanced Research Projects Agency [ARPA]로 알려짐)는 AI 원칙을 국방 과제에 적용하기위한 여러 라인의 연구를 시작했습니다.
1950 년대 이후 AI와 그 하위 분야 인 머신 러닝 (ML)은 사람들마다 여러 가지 의미를 갖게됐다고 보고서는 말했다. 그의 주 저자는 RAND의 선임 정보 과학자이자 대학의 교수 인 Danielle C. Tarraf입니다. RAND 대학원입니다. (RAND Corp.는 미군에 대한 연구 및 분석을 제공하기 위해 1948 년에 창설 된 미국의 비영리 싱크 탱크입니다.)
예를 들어 2019 년 NDAA는 AI의 정의를 XNUMX 개까지 인용했습니다. RAND 보고서는“RAND 팀이 의회 보고서를 위해 실시한 수십 건의 인터뷰에서 공통된 정의에 대한 합의가 나오지 않았습니다.
RAND 연구원들은 정확한 정의에 얽매이지 않고 유연성을 유지하기로 결정했습니다. 대신 그들은 DoD가 AI 우산 아래 광범위하게 속하는 기술 세트를 대규모로 구축 또는 획득, 테스트, 전환 및 유지할 수있는 위치에 있는지 여부에 대한 질문에 답하려고 노력했습니다. 그렇지 않다면 DoD는 그곳에 도달하기 위해 무엇을해야합니까? DoD 전략적 의사 결정권자에 대한 AI의 의미를 고려하여 연구원들은 다음 세 가지 요소와 이들이 상호 작용하는 방식에 집중했습니다.
- 기술 및 역량 공간
- DoD AI 애플리케이션의 스펙트럼
- 투자 공간과 시간의 지평.
알고리즘이 대부분의 AI 솔루션을 뒷받침하는 반면, 딥 러닝과 같은 AI의 발전으로 인해 관심과 과대 광고가 가속화됩니다. 이를 위해서는 많은 양의 데이터 세트가 필요하며, 대부분이 상용화 된 애플리케이션을 위해 설계된 애플리케이션에 매우 특정한 경향이 있습니다. 연구원들은 국방부에서 소프트웨어의 기능에 중요한 AI 검증, 검증, 테스트 및 평가 (VVT & E) 절차를 언급하면서“VVT & E는 안전이 중요한 군사 애플리케이션을 포함한 모든 AI 애플리케이션에 대해 전반적으로 매우 도전적입니다.”라고 말했습니다.
연구원들은 DoD 용 AI 애플리케이션을 세 그룹으로 나눴습니다.
- 엔터프라이즈 AI, 잘 통제 된 환경에서 군 병원의 건강 기록 관리와 같은 응용 프로그램 포함;
- 미션 지원 AI, 기계 학습을 사용하여 드론이 전장에서 수집 한 비디오 데이터에서 대량의 이미지를 분석하는 데 도움이되는 알고리즘 전쟁 교차 기능 팀 (프로젝트 메이븐이라고도 함)과 같은 애플리케이션을 포함합니다.
- 운영 AI여기에는 역동적이고 적대적인 환경과 맞서야하는 무기 시스템에 통합 된 AI 응용 프로그램이 포함되며 사상자 실패시 중대한 영향을 미칩니다.
AI가 가능한 시연에서 현장에서 본격적인 구현까지 진행하는 데 얼마나 오래 걸리는지에 대한 현실적인 목표를 설정해야합니다. RAND 팀의 분석은 다음에서 대규모 배포를 제안합니다.
- 가까운 기간 (최대 XNUMX 년) 엔터프라이즈 AI의 경우
- 중기 (XNUMX ~ XNUMX 년) 대부분의 미션 지원 AI
- 먼 용어 (XNUMX 년 이상) 대부분의 운영 AI 애플리케이션에 적용됩니다.
RAND 팀은 DoD에서 AI에 대한 다음과 같은 과제를 확인합니다.
- 조직적으로 현재 DoD AI 전략에는 진행 상황을 평가하기위한 기준과 측정 기준이 모두 부족합니다. 그리고 JAIC는 AI를 확장하고 DoD 전체에 영향을 미치는 데 필요한 권한, 리소스 및 가시성을 부여받지 못했습니다.
- Data 부족한 경우가 많으며 존재하는 경우 추적 성, 이해성, 접근성 및 상호 운용성이 부족한 경우가 많습니다.
- 현재 상태 VVT & E AI 기술은 AI 시스템, 특히 안전이 중요한 시스템의 성능과 안전을 보장 할 수 없습니다.
- DoD에는 성장, 추적 및 재배를위한 명확한 메커니즘이 없습니다. AI 인재, 필요한 기술과 훈련을받은 개인을위한 학계, 상업 세계 및 기타 유형의 작업 공간과의 경쟁이 점점 치열 해지면서 성장할 수밖에없는 도전입니다.
- 의사 소통DoD 내 AI 구축 자와 사용자 간의 채널은 드물다.
연구원들은 이러한 문제를 해결하기 위해 여러 가지 권장 사항을 만들었습니다.
해결 된 두 가지 도전 영역
이러한 도전 영역 중 XNUMX 개는 최근 군사, 정부, 산업 및 학계의 사람들을 연결하는 전문 협회 인 AFCEA가 주최하는 회의에서 해결되었습니다. FCW. 웹 사이트에 따르면이 조직은 "정보의 윤리적 교환"에 참여하고 있으며 미국 남북 전쟁에 뿌리를두고 있습니다.
Jacqueline Tame은 JAIC의 부국장 대행으로, 수년 동안 House Permanent Select Committee on Intelligence에서 근무하고, 국방부 장관실의 AI 분석 플랫폼으로 작업 한 후 JAIC에서 근무했습니다. 그녀는 Naval War College와 LBJ School of Public Affairs에서 대학원 학위를 받았습니다.
그녀는 DoD의 AI가 능력과 충돌하는 문화 및 정책 규범에 어떻게 뛰어 드는지 설명했습니다. 예를 들어, "우리는 여전히 국방부에만 수천 개가 넘는 보안 분류 지침 문서가 있습니다." 그 결과 "데이터 소유자"가 급증하고 있습니다. 그녀는 "데이터가 부서의 전략적 자산이라는 생각과는 정반대입니다."라고 말했습니다.
그녀는 현재 DoD의 인프라 과제로 효과를 발휘하기 위해 다양한 소스의 데이터를 분석해야하는 예측 유지 관리의 예를 사용했습니다. Tame은 "이것은 전쟁 문제입니다."라고 말했습니다. "전투 응용 프로그램에 AI를 효과적으로 만들기 위해 우리는 제한된 난관 방식으로 AI에 대한 생각을 멈춰야합니다."
데이터 표준을 설정하고 통합해야하며 발표자 제안 JAIC 테스트 및 평가 책임자 Jane Pinelis. 그녀의 배경에는 Johns Hopkins University Applied Physics Laboratory에서 근무하면서 "알고리즘 전쟁"에 참여했습니다. 그녀는 또한 Warfighting Lab의 직책을 맡은 해병대 베테랑이기도합니다. 그녀는 미시간 대학교에서 통계학 박사 학위를 받았습니다.
Pinelis는 "표준은 높은 모범 사례이며 우리는 아직 모범 사례가 반드시있는 것은 아닙니다."라고 말했습니다. JAIC는 모범 사례를 수집 및 문서화하고 데이터 수집 및 태깅에 대한 정보 커뮤니티의 실무 그룹을 이끌면서이를 위해 노력하고 있습니다.
미약 한 데이터 준비는 국방부의 AI에 장애가되었다고 그녀는 말했다. 이에 대한 대응으로 JAIC는 곧 테스트 및 평가 및 데이터 준비를 위해 여러 개의 어워드 계약을 준비하고 있습니다.
