Autor: John P. Desmond, urednik AI Trends
Sloj umjetne inteligencije koji je definirao Carnegie Mellon University osnova je pristupa koji američka vojska koristi u razvoju platformi za AI, prema Isaacu Faberu, glavnom znanstveniku za podatke u AI Integration Centeru američke vojske, koji je govorio na događaju AI World Government održanom na licu mjesta i virtualno iz Alexandrije, Virginia, prošlog tjedna.
“Ako želimo unaprijediti vojsku od zastarjelih sustava kroz digitalnu modernizaciju, jedan od najvećih izazova s kojim se susrećem je teškoća u apstrahiranju razlika među aplikacijama,” izjavio je. “Ključni element digitalne transformacije je srednji sloj, platforma koja olakšava rad u oblaku ili na lokalnom uređaju.” Cilj je da se vaša softverska platforma može lako prenositi između različitih platformi, slično načinu na koji novi pametni telefon može jednostavno prenijeti kontakte i historiju korisnika.
Etika se integrira kroz sve slojeve aplikacija AI, postavljajući planiranje na vrh, a sledi podrška pri odluka, modeliranje, strojno učenje, massivno upravljanje podacima, dok je uređaj ili platforma na dnu.
“Slažem se da sloj trebamo posmatrati kao temeljnu infrastrukturu i način na koji se aplikacije mogu razvijati, a ne da ostanemo izolirani u našem pristupu,” izjavio je. “Moramo izgraditi razvojno okruženje za globalno distribuiranu radnu snagu.”
Vojska je radila na razvoju platforme Common Operating Environment Software (Coes), koja je prvi put predstavljena 2017. godine; dizajniran je za DOD operacije koji su skalabilni, agilni, modularni, prenosivi i otvoreni. “Ona je pogodna za širok spektar AI projekata,” rekao je Faber. Kako bi se napori realizirali, “Đavao je u detaljima,” dodao je.
Vojska surađuje s CMU i privatnim kompanijama na prototipnoj platformi, uključujući i saradnju s Visimo iz Coraopolisa, Pa., koja pruža AI razvojne usluge. Faber je istaknuo svoju preferenciju za saradnju i koordinaciju s privatnim sektorom, umesto nabavke gotovih proizvoda. “Problem s tim je što ste zavisni o vrednosti koju vam pruža taj jedan dobavljač, a obično to nije dizajnirano za izazove DOD mreža,” rekao je.
Vojska obučava različite tehnološke timove u oblasti AI
Vojska se fokusira na razvoj AI kadrova za razne timove, uključujući: vođe, stručnjake sa diplomama; tehničko osoblje koje dobija obuku za sertifikaciju; i korisnike AI.
Tehnički timovi u vojsci pokrivaju različita područja interesa, uključujući: razvoj softvera opšte namene, operativnu nauku o podacima, implementaciju koja obuhvata analitiku, kao i timove za operacije mašinskog učenja, kao što su veliki timovi potrebni za razvoj sistema računarskog vida. “Kako se ljudi uključuju u radnu snagu, potrebne su im lokacije za saradnju, kreiranje i deljenje,” rekao je Faber.
Dostupni projekti uključuju dijagnostiku, koja može objediniti istorijske podatke, prediktivnu i propisivnu analizu koja predlaže akcije na osnovu prognoza. “AI je na kraju,” rekao je Faber. Razvojni inženjer mora rešavati tri jasna problema: inženjering podataka, razvojnu platformu AI koju je nazvao “zeleni balon” i platformu za implementaciju koju je nazvao “crveni balon.”
“Oni su međusobno isključivi, a opet povezani. Ovi timovi raznih ljudi trebaju se koordinirati programatski. Dobar projektni tim obično ima ljude iz svih ovih balon područja,” izjavio je. “Ako to još niste uradili, nemojte pokušavati rešiti problem zelenog balona. Nema svrhe pohađati AI bez operativne potrebe.”
Na pitanje jednog učesnika o tome koja je grupa najteže dostižna i obučiva, Faber je bez oklijevanja odgovorio, “Najteže je dopreti do rukovodilaca. Oni moraju shvatiti kakvu vrednost pruža AI ekosistem. Najveći izazov je kako komunicirati tu vrednost,” rekao je.
Panel raspravlja o AI slučajevima upotrebe s velikim potencijalom
Na panelu o temeljima emergentne AI, moderator Curt Savoie, programski direktor, Globalne strategije pametnih gradova za IDC, kompaniju za istraživanje tržišta, pitao je koji emergentni AI slučaj uporabe ima najveći potencijal.
Jean-Charles Lede, tehnolog autonomije u Uredu za naučna istraživanja američkih vazduhoplovnih snaga, izjavio je, “Ukazao bih na prednosti donošenja odluka na terenu, podržavajući pilote i operatere, kao i odluke u pozadini, za planiranje misija i resursa.”
Krista Kinnard, voditeljica odseka za emergentne tehnologije pri Ministarstvu rada, rekla je, “Obrada prirodnog jezika je prilika za otvaranje vrata AI unutar Ministarstva rada,” kazala je. “U osnovi se bavimo podacima o ljudima, programima i organizacijama.”
Savoie je postavio pitanje o velikim opasnostima i rizicima koje panelisti prepoznaju pri implementaciji AI.
Anil Chaudhry, direktor Federalnih AI implementacija u General Services Administration (GSA), rekao je da u tipičnoj IT organizaciji koja koristi konvencionalni razvoj softvera, uticaj odluke razvojnog inženjera sežu samo do određene tačke. Kod AI-a, “Morate razmatrati uticaj na celu klasu ljudi, korisnika i zainteresovanih strana. Jednostavnom izmenom algoritama možete odložiti prednosti za milione ljudi ili doneti pogrešne zaključke na širokom nivou. To je najveći rizik,” istakao je.
Rekao je da traži od svojih ugovornih partnera da imaju “ljude u petlji i ljude na petlji.”
Kinnard se složila s njim, dodajući, “Nemamo nameru da izbacimo ljude iz petlje. Rešenje je kako osnažiti ljude da donose bolje odluke.”
Naglasila je važnost praćenja AI modela nakon njihove primene. “Modeli mogu skrenuti kada se osnovni podaci promene,” rekla je. “Dakle, potreban vam je određeni nivo kritičkog razmišljanja ne samo za obavljanje zadataka, nego i da procenite da li ono što AI model radi je prihvatljivo.”
Dodala je, “Izgradili smo primene i partnerstva širom vlade kako bismo obezbedili da implementiramo odgovoran AI. Nikada nećemo zameniti ljude algoritmima.”
Lede iz vazduhoplovnih snaga rekao je, “Često se susrećemo sa situacijama gde podaci nisu dostupni. Ne možemo proučiti 50 godina istorijskih podataka o ratu, pa koristimo simulacije. Rizik je u tome što učimo algoritam s ‘simulacijskim do stvarnog jaza’ što predstavlja pravi rizik. Niste sigurni kako će se algoritmi preslikati na stvarni svet.”
Chaudhry je istakao značaj strategije testiranja za AI sisteme. Upozorio je na razvojne inženjere “koji se previše zaljube u alat i zaborave na svrhu vežbe.” Preporučio je liderima da umeću strategiju nezavisne verifikacije i validacije u dizajn. “Vaše testiranje, to je ključna stvar na kojoj treba usmeriti energiju kao vođa. Vođa treba zamisliti ideju, pre nego što se obaveže na resurse, o tome kako će opravdati da li je investicija bila uspešna.”
Lede iz vazduhoplovnih snaga govorio je o važnosti objašnjivosti. “Ja sam tehnolog. Ne bavim se zakonima. Mogućnost AI funkcije da se objasni na način koji je razumljiv ljudima, izuzetno je važna. AI je partner s kojim imamo dijalog, umesto AI da donosi zaključke koje ne možemo proveriti,” rekao je.
Saznajte više na AI World Government.
