Fermer

septembre 4, 2018

Apprentissage automatique en défense et autres industries6 minutes de lecture


En 1950, le brigadier général S.L. Marshall, US Army Reserve, a écrit «La charge du soldat et la mobilité d'une nation». Bien qu'il ait été écrit bien avant le terme d'apprentissage automatique (ML), les observations de Marshall sur les hommes en guerre et le rôle de La logistique de soutien est aujourd'hui très lisible et pertinente, même en cette période d'autonomie informatisée en croissance rapide dans les organisations de défense ainsi que dans d'autres industries. Le but de ce blog est de relier les points entre les observations de Marshall et la technologie d’aujourd’hui – ou du moins de réfléchir à ce sujet.

Marshall explique que la fatigue, la peur et la charge physique réduisent la capacité d’agir. La défense et les autres industries sont touchées par ces facteurs et exigent une perspective distincte du potentiel de blanchiment de capitaux. Marshall a écrit, «Il semble évident que l'introduction de la machine dans la guerre tend à produire automatiquement des solutions au problème actuel, qui est de savoir comment tirer davantage de moins d'hommes.»

Comme les commentaires de Marshall concernent la puissance de combat, il fait probablement référence aux systèmes d’armes. Mais que se passe-t-il si nous plaçons ses commentaires dans le 21ème siècle et si nous modifions la discussion pour inclure également le soutien au combat / le soutien au service de combat? Il pourrait alors dire quelque chose comme ceci: «Il semble évident que l’introduction des systèmes de gestion dans les organisations de défense peut produire des solutions automatiques au problème actuel, à savoir obtenir plus de soutien au combat.

En résumé, les troupes de soutien au combat et de soutien au combat souffrent d'une efficacité réduite au combat en raison de la fatigue et de l'incertitude (et parfois de la peur). Les tâches de routine peuvent devenir confuses ou ne pas être accomplies. Et certaines des tâches actuellement accomplies par les humains peuvent être supportées par ML ou mieux par des systèmes autonomes.

Comme les expériences en Irak et en Afghanistan nous l'ont récemment rappelé, un environnement de combat peut ne pas distinguer clairement les zones avant et arrière . Une équipe mobile de contact / réparation mobile qui supporte une unité blindée ou aéronautique est soumise aux mêmes facteurs physiques et psychologiques que le personnel de combat et les forces de combat traditionnels qui initient ou surveillent des actions logistiques comme commander des munitions, réapprovisionner les troupes sont maintenant impliquées dans les processus logistiques dans une certaine mesure.

La question demeure: comment les systèmes commerciaux peuvent-ils faciliter la conduite de ces forces dans l'accomplissement de leur mission et améliorer leur état de préparation? Autrement dit, comment l’apprentissage automatique peut-il réduire la charge du soldat?

Tout d’abord, voyons ce qu’est la ML. Une de mes définitions préférées est de TechEmergence :

«L'apprentissage automatique est la science qui permet aux ordinateurs d'apprendre et d'agir comme les humains et d'améliorer leur apprentissage au fil du temps. les données et informations sous forme d'observations et d'interactions du monde réel. »

En général, la marche du blanchiment de capitaux repose sur plusieurs facteurs clés:

  • La prolifération de Big Data : Les ensembles de données sont plus grands aujourd'hui qu'autrefois et proviennent de sources non imaginées à l'époque de Marshall: chaque système d'arme, générateur et appareil mobile génèrent des données.
  • De meilleurs algorithmes existent aujourd'hui et s'améliorent chaque jour. Ces algorithmes peuvent être achetés, téléchargés, utilisés en tant que shareware ou freeware, ou personnalisés pour un usage spécifique. Ces algorithmes sont un facteur clé dans ce qui permet à un ordinateur «d'apprendre».
  • Puissance de calcul massive et prolifération de la puissance de calcul dans plus d'appareils et accessible via le nuage . 19659016] Le ministère de la Défense est conscient de l'impact et de l'opportunité. En novembre 2014, le secrétaire à la Défense des États-Unis, Chuck Hagel, a annoncé l’intention du Département de la Défense des États-Unis de mener la prochaine révolution militaire et technique axée sur l’autonomie. Au cours de l'exercice 2017, le DoD a dépensé plus de 2 milliards de dollars pour ces technologies.

    ML permet aux humains d'être plus productifs et de se concentrer sur des tâches à plus forte valeur. Les sociétés commerciales et les forces armées considèrent le blanchiment d'argent comme un élément essentiel pour obtenir un avantage concurrentiel. Étant donné qu'une grande partie de la recherche et du développement en matière de blanchiment se fait dans le secteur commercial, les produits sont à la portée de tous et facilitent l'accès à ces outils et suscitent une forte concurrence.

    Est-ce que les situations où l'apprentissage automatique et les systèmes d'entreprise peuvent contribuer à réduire la charge du soldat?

    • Un soldat ou un marin utilise un assistant numérique pour signaler et saisir des données vocales au lieu d'écrire ou de taper.
    • Un aviateur prend des photos pour identifier les pièces cassées et leur ordonne de réparer un avion. (Les compétences en reconnaissance photographique des ordinateurs sont maintenant meilleures que celles d’un être humain.)
    • Un marine reçoit des recommandations sur ce qu’il doit commander pour effectuer le réapprovisionnement des unités: Veuillez confirmer et je commanderai pour vous. »
    • Un responsable de la maintenance des véhicules reçoit une liste de tâches suggérée pour les commandes de travail en fonction des pièces cassées identifiées: démarreur derrière lui aussi. Elle s'approchera de la fin de vie en fonction des informations fournies par ses capteurs. »

    Les domaines à haute valeur ajoutée pour la communauté de la défense comprennent la gestion de flotte connectée, l'optimisation dynamique des stocks, la maintenance dynamique, la maintenance analytics.

    En résumé, certaines estimations suggèrent que d'ici 2025, 60% des tâches humaines seront automatisées. Les systèmes commerciaux d’aujourd’hui peuvent déjà tirer parti de la ML, et ces systèmes sont très pertinents dans les environnements où la fatigue ou d’autres facteurs réduisent l’efficacité humaine; ou lorsque des ressources humaines limitées suggèrent d'utiliser des systèmes autonomes pour certaines tâches et des humains pour d'autres.

    Alors, que faire ensuite? Gartner demande à ses clients de faire les choses suivantes à court terme:

    • Développez vos employés et familiarisez-vous avec l'idée de ML dans certains domaines.
    • Développer cette compréhension initiale en approfondissant des initiatives dans des domaines où
    • Exploitez les fonctionnalités du logiciel introduites par votre fournisseur ERP – expliquez les leçons apprises dans la planification future.

    Ce sont de bonnes recommandations, et je vous recommande de choisir dans la liste des opportunités à forte valeur listées ci-dessus.

    Pour en savoir plus sur les technologies émergentes dans l'industrie de la défense, voir Opérations déconnectées à la défense: identifier les bons processus commerciaux .

    <! – Commentaires ->



Source link