ความพร้อมทางทหารผ่าน AI ก้าวหน้าของเทคโนโลยีช่วยเร่งความพร้อมในการป้องกันของเราได้อย่างไร

ความพร้อมทางทหารผ่าน AI ก้าวหน้าของเทคโนโลยีช่วยเร่งความพร้อมในการป้องกันของเราได้อย่างไร

เว็บไซต์

กองกำลังทหารในปัจจุบันต้องการมากกว่ากระสุนเพื่อเอาชนะการรบ เมื่อประเมินทรัพยากร ผู้นำจำเป็นต้องใช้ประโยชน์จากเครื่องมือเทคโนโลยีล่าสุด—ปัญญาประดิษฐ์และข้อมูลดิจิทัล—เพื่อทำการตัดสินใจที่ดีที่สุดก่อน

การออกแบบเว็บไซต์

ในเดือนกรกฎาคม พ.ศ. 2493 ทหารอเมริกันกลุ่มเล็ก ๆ ที่เรียกว่า Task Force Smith ล้วนแต่ขัดขวางการรุกของชุดเกราะของเกาหลีเหนือ อาวุธต่อต้านชุดเกราะเพียงชิ้นเดียวของทหารคือบาซูก้าที่หลงเหลือจากสงครามโลกครั้งที่สอง ทหารของ Task Force Smith พบว่าตัวเองทำการยิงอย่างรวดเร็วหลังจากกระสุนบาซูก้าบุกเข้าโจมตี T-34 ของเกาหลีเหนือเพียงเพื่อจะเห็นว่าพวกมันระเบิดอย่างไม่เป็นอันตรายบนรถถังหุ้มเกราะหนา ภายในเจ็ดชั่วโมง 40 เปอร์เซ็นต์ของ Task Force Smith ถูกสังหารหรือได้รับบาดเจ็บ และการรุกของเกาหลีเหนือก็ดำเนินต่อไป
ข้อบกพร่องของบาซูก้าก็ไม่น่าแปลกใจ อย่างไรก็ตาม การลดงบประมาณหลังสงครามโลกครั้งที่ 2 ได้เร่งนำการออกแบบที่ได้รับการปรับปรุงมาใช้ ดังนั้น เมื่อในปี 1950 คลื่นของกองทหารเกาหลีเหนือผลักคาบสมุทรเกาหลี กองทหารสหรัฐติดอาวุธเฉพาะกับบาซูก้าวินเทจสมัยสงครามโลกครั้งที่สองที่เก่ากว่าและมีประสิทธิภาพน้อยกว่า ซึ่งเป็นอาวุธที่พวกเขารู้ว่าไม่สามารถแข่งขันในสนามรบได้
บทเรียนก็คือว่า นวัตกรรมในยามสงบมักถูกมองข้ามโดยต้องแลกด้วยค่าเสียหายจากการบาดเจ็บล้มตายในช่วงสงครามเท่านั้น แม้ว่าในปัจจุบันนี้ สหรัฐฯ อาจมีความได้เปรียบในด้านกระสุนและจรวด แต่ข้อได้เปรียบในด้านที่สำคัญ เช่น ปัญญาประดิษฐ์ (AI) และการประมวลผลข้อมูลดิจิทัลอาจลดลงอย่างรวดเร็ว ด้วยสงครามที่ชนะและแพ้โดยอาศัยการตัดสินใจที่ถูกต้องก่อน AI และเครื่องมือประมวลผลข้อมูลอาจมีความสำคัญต่อชัยชนะพอๆ กับกระสุน อันที่จริง ผู้นำทางทหารระดับสูงบางคนคิดว่า AI จะมีความสำคัญต่อการแข่งขันด้านอำนาจที่ยิ่งใหญ่กว่าอำนาจทางทหารเอง กองทัพต้องการแผนที่แข็งแกร่งในตอนนี้ หากไม่ต้องการพบว่าตัวเองยิงอัลกอริธึมที่ไร้ประโยชน์ในปัญหาที่ท้าทายที่สุดในวันพรุ่งนี้
ความพร้อม—ความท้าทายหลักสำหรับ AI
การประเมินความพร้อมแจ้งหรือนำไปใช้ในเกือบทุกด้านของการตัดสินใจทางทหาร ตั้งแต่ปฏิบัติการทางยุทธวิธี บังคับโครงสร้าง ไปจนถึงการจัดทำงบประมาณ เพื่อให้การประเมินความพร้อมและการตัดสินใจเป็นไปอย่างมีประสิทธิภาพ ยังต้องใช้ข้อมูลที่หลากหลายจำนวนมากจากแหล่งต่างๆ ปริมาณข้อมูลขนาดใหญ่ แหล่งข้อมูลที่หลากหลาย การโต้ตอบที่ซับซ้อน และความต้องการความเร็วและความแม่นยำ ทำให้ความพร้อมเป็นปัญหาเฉพาะสำหรับ AI ที่จะจัดการ และหาก AI สามารถช่วยเตรียมการได้ ก็สามารถช่วยทหารจัดการได้แทบทุกอย่าง
ในการวิจัยครั้งก่อน เราได้อธิบายว่าการกำหนดความพร้อมใหม่สามารถช่วยนำเครื่องมือและเทคโนโลยีใหม่ๆ มารองรับและให้ข้อมูลเชิงลึกที่มากขึ้นกว่าเดิมได้อย่างไร 3โดยพื้นฐานแล้ว การกำหนดใหม่นี้จะแบ่งการประเมินความพร้อมออกเป็นงานย่อยสามงาน: คุณต้องเข้าใจความสามารถที่จำเป็น เพื่อทราบสถานะปัจจุบันของความสามารถเหล่านั้น และดำเนินการเพื่อปรับปรุงความสามารถเหล่านั้นเมื่อจำเป็น ภารกิจความพร้อมแต่ละอย่างเหล่านี้เกี่ยวข้องกับการกลั่นกรองข้อมูลจำนวนมาก ล้อเลียนปฏิสัมพันธ์ที่ซับซ้อน จากนั้นพยายามทำความเข้าใจผลกระทบของการตัดสินใจใดๆ นั่นทำให้พวกเขายากอย่างไม่น่าเชื่อสำหรับนักวางแผนที่เป็นมนุษย์ แต่เหมาะสำหรับ AI
เครื่องมือ AI สามารถจัดการกับความพร้อมในด้านต่างๆ ได้หลายอย่าง ตั้งแต่การทำความเข้าใจข้อกำหนดด้านกำลัง ไปจนถึงการเพิ่มเวลาทำงานของเครื่องบินด้วยการบำรุงรักษาเชิงคาดการณ์ อย่างไรก็ตาม พลังที่แท้จริงของ AI ในความพร้อมไม่ได้มาจากโซลูชันแบบแยกจุด แต่มาจากการเชื่อมโยงเครื่องมือต่างๆ ที่ขับเคลื่อนด้วย AI เข้าด้วยกัน จากนั้น เอาต์พุตอัจฉริยะของเครื่องมือหนึ่งสามารถกลายเป็นอินพุตอัจฉริยะไปยังอีกเครื่องมือหนึ่งได้
นำชิ้นส่วน AI มาเล่น
คำว่า AI อาจทำให้เข้าใจผิดในแง่หนึ่ง อาจทำให้เราเชื่อว่ามี “ความฉลาด” เพียงประเภทเดียวที่เครื่องมือ AI ทั้งหมดมุ่งหวัง ไม่มีอะไรเพิ่มเติมจากความจริง เครื่องมือ AI ต่างๆ มีจุดประสงค์ จุดแข็ง และจุดอ่อนต่างกัน (ดูแถบด้านข้าง “เราหมายถึงอะไรโดย AI” สำหรับตัวอย่างของเครื่องมือต่างๆ เหล่านี้)
ข้อมูลเชิงลึกที่สำคัญที่นี่คือ AI ไม่ใช่กระสุนวิเศษสำหรับปัญหาทั้งหมด จนกว่าความก้าวหน้าของการวิจัยในอนาคตจะสร้างวัตถุประสงค์ทั่วไปและ AI ที่คำนึงถึงบริบท ผู้ใช้จะต้องตัดสินใจอย่างชาญฉลาดเกี่ยวกับการแลกเปลี่ยนที่มีอยู่ในเครื่องมือ AI ต่างๆ 4บางทีการแลกเปลี่ยนขั้นพื้นฐานที่สุดคือระหว่างข้อมูลเชิงลึกและความซับซ้อนของแบบจำลอง ซึ่งเป็นหัวใจสำคัญของการอภิปรายเกี่ยวกับการประเมินความพร้อมทางทหาร ข้อกำหนดด้านข้อมูลบางอย่างที่มีอยู่ในการประเมินความพร้อมนั้นง่ายกว่าและสามารถช่วยได้ด้วยเครื่องมือ AI ที่ง่ายกว่า
ตัวอย่างเช่น วันนี้ความต้องการที่จะเข้าใจสินทรัพย์ที่จำเป็นสำหรับภารกิจที่ได้รับมอบหมายมักจะทำในบริบทของเอกสารการวางแผนแบบคงที่ สิ่งเหล่านี้ถูกประกอบขึ้นในระดับยุทธศาสตร์หรือระดับปฏิบัติการ และมีการเปลี่ยนแปลงไม่บ่อยนัก อย่างไรก็ตาม แม้แต่ AI ที่ค่อนข้างธรรมดาก็สามารถให้ผลการคาดการณ์แบบไดนามิกและแม่นยำยิ่งขึ้นได้โดยใช้ข้อมูลภารกิจในอดีต ตัวอย่างภารกิจในอดีตและแผนที่มีอยู่ เช่น แผนปฏิบัติการ (OPLANS) และแผนแนวคิด (CONPLANS) ให้ข้อมูลมากมายเกี่ยวกับทรัพย์สิน ผู้คน อุปกรณ์ และโครงสร้างพื้นฐาน ถูกนำไปใช้ทั่วโลก ภารกิจทางประวัติศาสตร์แต่ละภารกิจยังมีปัจจัยเฉพาะ ตั้งแต่ภูมิประเทศไปจนถึงความสามารถของคู่ต่อสู้ไปจนถึงไทม์ไลน์ การจับคู่ข้อมูลทั้งสองประเภทนี้ในเครื่องมือ AI เช่น โครงข่ายประสาทเทียม สามารถให้ผู้ใช้คาดการณ์ว่าทรัพย์สินใดมีความสำคัญต่อความสำเร็จของชุดภารกิจเฉพาะของตน
อย่างไรก็ตาม ความพร้อมในด้านอื่น ๆ ต้องการข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้น ซึ่งทำได้โดยแบบจำลองที่ซับซ้อนกว่าเท่านั้น ทรัพยากรและเวลาที่จำเป็นในการสร้างและเรียกใช้แบบจำลองที่ซับซ้อนเหล่านี้หมายความว่าแบบจำลองเหล่านี้ไม่เหมาะกับทุกสถานการณ์ ด้วยเหตุนี้ ผู้นำด้านการป้องกันที่แสวงหาความรู้ความสามารถของกองกำลังในปัจจุบันหรือวิธีการดำเนินการเพื่อปรับปรุงความสามารถเหล่านั้นให้ดีที่สุดจึงต้องเผชิญกับทางเลือก พวกเขาสามารถมีคำตอบที่รวดเร็วกว่า เบากว่า แต่น่าเชื่อถือน้อยกว่าสำหรับคำถามเหล่านั้น หรือคำตอบที่น่าเชื่อถือกว่า แต่ต้องเสียเวลาและทรัพยากร สิ่งสำคัญคือต้องเข้าใจว่าสิ่งเหล่านี้คือการแลกเปลี่ยนที่ผู้นำทางทหารต้องเผชิญในการนำ AI มาใช้

เว็บแอพพลิเคชั่น

เราหมายถึงอะไรโดย AI?
คำว่า “ปัญญาประดิษฐ์” อาจหมายถึงสิ่งต่างๆ มากมายขึ้นอยู่กับบริบท เพื่อช่วยให้ผู้นำเข้าใจภูมิทัศน์ที่กว้างไกลเช่นนี้ จะเป็นประโยชน์ในการแยกแยะระหว่างประเภทของแบบจำลองคลาสของ AI และการใช้งานของ AI ประการแรกคือการจำแนกประเภทตามวิธีการทำงานของ AI ประการที่สองขึ้นอยู่กับงานที่ AI ถูกตั้งค่าให้ทำ
รวดเร็วและเบา
ยิ่งเข้าใกล้ AI เร็วขึ้นและแม่นยำน้อยลงด้วยรายการเนื้อหาที่จำเป็นทั้งหมดที่อธิบายไว้ข้างต้น รายการนี้สามารถเปลี่ยนเป็นกราฟการพึ่งพาที่อธิบายว่าสินทรัพย์ต่างๆ พึ่งพาซึ่งกันและกันเพื่อสร้างความสามารถที่จำเป็นได้อย่างไร กล่าวอีกนัยหนึ่ง ความสามารถในการสนับสนุนทางอากาศอย่างใกล้ชิดไม่เพียงเกี่ยวกับการมีเครื่องบินโจมตีที่เหมาะสมเท่านั้น แต่ยังรวมถึงอาวุธยุทโธปกรณ์ นักบิน วิทยุ และผู้ควบคุมที่ได้รับการฝึกฝนบนพื้นดินหรือในอากาศด้วย ดังนั้นการมีกราฟของสินทรัพย์ที่จำเป็นสามารถช่วยให้ผู้นำเห็นภาพที่สมบูรณ์ แม่นยำ และยืดหยุ่นมากขึ้นเกี่ยวกับสิ่งที่กองทัพสามารถทำได้มากกว่ารายการง่ายๆ
กราฟความสามารถ “ตามความจำเป็น” สามารถเปรียบเทียบกับกราฟ “ตามสภาพ” ที่สร้างขึ้นโดยการรวบรวมสถานะปัจจุบันของอุปกรณ์ บุคลากร และโครงสร้างพื้นฐานทั้งหมดจากข้อมูลแบบเรียลไทม์ การเปรียบเทียบกราฟทั้งสองนี้สามารถช่วยในการเน้นว่าสินทรัพย์ที่มีอยู่ไม่สามารถตอบสนองความต้องการของภารกิจได้ ผลแตกต่างระหว่าง “ตามความจำเป็น” และ “ตามสภาพ” ชี้ให้เห็นถึงช่องว่างในโครงสร้างกำลังที่มีอยู่ ซึ่งสามารถแก้ไขได้ด้วยการลงทุนเชิงรุกสำหรับชุดภารกิจที่สำคัญที่สุด วิธีการนี้จะตอบคำถามความพร้อมขั้นพื้นฐานของ “กำลังพร้อมสำหรับชุดภารกิจที่กำหนดหรือไม่” และ “จะปรับปรุงความพร้อมนั้นได้อย่างไร”
แม้ว่าวิธีนี้จะช่วยให้การวิเคราะห์ภารกิจเร็วขึ้น ใช้ข้อมูลและการคำนวณน้อยลง และต้องการการตัดสินใจของมนุษย์น้อยลงในการเลือกแบบจำลอง แต่ก็มีข้อบกพร่องร้ายแรงบางประการ เนื่องจากยังคงแยกออกจากบริบทการวางแผนสถานการณ์ที่กว้างขึ้น วิธีการที่สร้างขึ้นบนกราฟอาจล้มเหลวในการรวมปัจจัยด้านเวลา/ระยะทางหรือความต้องการที่แข่งขันกันในด้านความสามารถ ตัวอย่างเช่น หากชุดภารกิจต้องการฝูงบิน C-5 สองกองบิน ตราบใดที่มีฝูงบินที่สามารถทำภารกิจได้สองกองที่ใดก็ได้ในกองกำลังร่วม ก็จะแสดงว่าพร้อม จะไม่นำมาพิจารณาหากฝูงบินเหล่านั้นสามารถไปถึงที่ที่พวกเขาต้องการได้ทันเวลาจริง ๆ หรือหากพวกเขาถูกผูกติดอยู่กับภารกิจอื่น ข้อบกพร่องที่สำคัญอีกประการหนึ่งของแนวทางนี้คืออิทธิพลที่จำกัดของปฏิปักษ์ ความสามารถของศัตรูถูกนำมาพิจารณาในข้อมูลภารกิจในอดีต
รอบคอบและละเอียด
อีกแนวทางหนึ่งสำหรับคำถามพื้นฐานของความพร้อมคำนึงถึงข้อจำกัดเหล่านี้ด้วย แม้ว่าจะต้องใช้เวลาและทรัพยากรมากขึ้นก็ตาม วิธีที่สองนี้จะสร้างภาพที่ละเอียดขึ้นและซับซ้อนมากขึ้น โดยการป้อนภาพ “ตามสภาพ” ของสถานะปัจจุบันของสินทรัพย์ทั้งหมดลงในเครื่องมือวิเคราะห์สถานการณ์สมมติที่สามารถสร้างแบบจำลองชุดภารกิจที่ได้รับมอบหมายทั้งหมดได้ การเรียกใช้เครื่องมือสถานการณ์ช่วยให้สามารถเปลี่ยนแปลงและทดสอบว่ากองกำลังปัจจุบันสามารถปฏิบัติภารกิจเหล่านั้นได้อย่างไรภายใต้เงื่อนไขที่แตกต่างกัน แทนที่จะอาศัยการวิเคราะห์ในอดีต การเปลี่ยนแปลงสถานการณ์สมมติสามารถระบุได้ว่าชุดสินทรัพย์ที่กำหนดสามารถทำสิ่งที่ภารกิจขอจากพวกเขาได้จริงหรือไม่ หรือความสามารถอื่นๆ ที่ผสมผสานกันสามารถทำได้ วิธีนี้สามารถตอบคำถามเช่น “ซี-5 จะไปถึงสนามบินทันเวลาไหม” หรือ “เฮลิคอปเตอร์ที่ได้รับมอบหมายให้ปฏิบัติภารกิจสามารถใส่ปืนครก M327 120 มม. ของกองกำลังจู่โจมได้หรือไม่” นอกจากนี้ยังช่วยให้หลายสถานการณ์สามารถทำงานกับภาพ “ตามที่เป็น” ของกำลังพร้อมกันได้ หากภารกิจในเอเชียแปซิฟิกและภารกิจในตะวันออกกลางสร้างภาระให้กับทรัพยากรเดียวกันมากเกินไป ก็จะไม่สามารถดำเนินการได้อย่างมีประสิทธิผลพร้อมๆ กัน และสิ่งเหล่านี้จะเป็นพื้นที่สำหรับการลงทุนที่มีศักยภาพ

Web​ application

ที่สำคัญยิ่งกว่านั้น วิธีนี้ช่วยให้สามารถรวมการจำลองแบบใช้ตัวแทนเข้ากับความกว้างของข้อมูลและรูปแบบต่างๆ ที่ AI สามารถให้ได้ สร้างภาพที่สมจริงที่สุดเท่าที่จะเป็นไปได้ของความสามารถและแนวทางปฏิบัติของฝ่ายตรงข้าม ที่นี่ศัตรูไม่ได้เป็นเพียงรายการของความสามารถหรือแม่แบบหลักคำสอนเท่านั้น มันสามารถตอบสนองอย่างเหมาะสมกับกลยุทธ์และยุทธวิธีที่ใช้ในการจำลอง เครื่องมือตามสถานการณ์นี้ช่วยให้นักวางแผนทางทหารพิจารณายุทธวิธีใหม่หรือคู่ต่อสู้รายใหม่ที่อาจไม่มีข้อมูลทางประวัติศาสตร์มากนัก ตัวอย่างเช่น, กองทัพเรือจะรู้ได้อย่างไรว่าจะตอบโต้เทคโนโลยีที่เกิดขึ้นใหม่เช่นขีปนาวุธที่มีความเร็วเหนือเสียงได้อย่างไรหรือถ้ากองทัพพบกับกลุ่มก่อการร้ายใหม่ คำตอบคือต้องต่อสู้กับพวกเขาหลายร้อยครั้งหรือหลายพันครั้งในโลกดิจิทัล ก่อนที่จะพบพวกเขาในสนามรบ
เครื่องมือวิเคราะห์สถานการณ์เป็นส่วนสำคัญในการปฏิบัติตามคำแนะนำของคณะกรรมการยุทธศาสตร์การป้องกันประเทศที่กระทรวงกลาโหม “ต้องใช้เครื่องมือวิเคราะห์ที่สามารถวัดความพร้อมในภารกิจที่หลากหลายนี้ ตั้งแต่ความขัดแย้งที่มีความเข้มต่ำ ความขัดแย้งในโซนสีเทา การต่อสู้ที่รุนแรง” ในระยะสั้นนี้วิธีการที่มีรายละเอียดมากขึ้นไม่เพียง แต่สามารถช่วยให้ทหารมีความพร้อมสำหรับการต่อสู้ในวันนี้ แต่ยังกำหนดท่าที่แรงที่เหมาะสมเพื่อให้มีความพร้อมสำหรับการต่อสู้ในอนาคต
อย่างไรก็ตาม วิธีนี้ใช้การคำนวณอย่างเข้มข้นด้วย ยิ่งต้องการความแม่นยำจากแบบจำลองมากเท่าใด ประเภทของข้อมูลที่ต้องเข้าไปในแบบจำลองนั้นก็จะยิ่งหลากหลายมากขึ้น ตัวอย่างเช่น แบบจำลองสถานการณ์สมมติเต็มรูปแบบ จะต้องมีภาพแบบเรียลไทม์ของแรง ซึ่งหมายถึงการตรวจจับและส่งข้อมูลอย่างแข็งขันในทุกสินทรัพย์ปฏิบัติการ นั่นคือข้อมูลจำนวนมหาศาลที่นำเข้าและจัดการในระบบเดียว นอกเหนือจากความท้าทายทางเทคนิคเหล่านั้น ยังมีความท้าทายเชิงปรัชญาที่ต้องเอาชนะด้วยเช่นกัน แม้แต่โมเดลที่มีรายละเอียดและแม่นยำก็ยังเป็นโมเดล ด้วยเหตุนี้ จึงขึ้นอยู่กับข้อบกพร่องและอคติในการตัดสินใจของมนุษย์ เนื่องจากผู้ใช้ทำการตัดสินใจว่าแบบจำลอง สถานการณ์จำลอง และพารามิเตอร์ใดมีแนวโน้มมากที่สุด ดังที่นายพล Paul K. Van Riper แสดงให้เห็นในเกมสงคราม Millennium Challenge 2002 ที่มีชื่อเสียง
เอาชนะความท้าทาย
ผู้มีอำนาจตัดสินใจของกองทัพจะเผชิญกับความท้าทายมากมายเมื่อนำ AI ไปใช้ในกลยุทธ์ความพร้อม ความท้าทายเหล่านี้อาจรวมถึงแต่ไม่จำกัดเพียง: ใครเป็นเจ้าของข้อมูล วิธีตรวจสอบข้อมูล เก็บไว้ที่ไหนและอย่างไร การพึ่งพาการจำลองระดับสูงในการจำลองระดับล่าง การจำแนกประเภทของข้อมูลและผลลัพธ์ และทุกสิ่งควรอยู่ในเครือข่ายใด การผสมผสานระหว่างแนวปฏิบัติด้าน AI ทั่วไปและการพิจารณาที่กำหนดเองสามารถช่วยผู้นำทางทหารนำทางตัวเลือกที่ยุ่งเหยิงนี้ และสร้างแผนผังเส้นทางสู่ระบบความพร้อมพื้นฐานใหม่
ความท้าทายทั่วไปประการแรกในการนำ AI ไปใช้คือสิ่งพื้นฐานที่สุดและท้าทายที่สุด
ถามคำถามที่ถูกต้อง
AI ไม่ใช่เวทมนตร์ อย่างที่เราได้เห็นแล้วว่า AI ประเภทต่างๆ มีจุดแข็งต่างกันและทำสิ่งต่างๆ ได้ดี แต่มีข้อจำกัดที่สอดคล้องกัน แต่ปัญหาในโลกแห่งความเป็นจริงมักไม่ค่อยถูกห่อหุ้มด้วยคำถามที่แยกจากกันและกำหนดไว้อย่างเรียบร้อย เป็นหัวข้อที่ซับซ้อนและมีปัญหาเกี่ยวเนื่องกันมากมาย ดังนั้น ความท้าทายประการแรกคือการค้นหาวิธีการแสดงปัญหาความพร้อมโดยทั่วไปเป็นคำถามเฉพาะที่เหมาะสมกับ AI โดยไม่สูญเสียความเที่ยงตรงหรือความสามารถในการนำไปใช้กับปัญหาการทำงานจริงที่อยู่ในมือ นี่เป็นความท้าทายทางปัญญาและปรัชญามากกว่าความท้าทายด้านเทคนิค เว้นแต่การคิดอย่างหนักล่วงหน้า วิธีแก้ปัญหาใดๆ ที่สร้างโดย AI อาจไม่เกี่ยวข้องกับปัญหาภารกิจที่ต้องเผชิญในโลกแห่งความเป็นจริง
ข้อมูลใคร อะไร และที่ไหน
จุดเริ่มต้นที่ดีที่สุดในการจัดการกับปริมาณข้อมูลที่มีนัยสำคัญดังกล่าวมักจะเป็นคลาวด์ ซึ่งช่วยให้มีที่เก็บที่ขยายได้เพียงแห่งเดียว ผู้ให้บริการระบบคลาวด์ยังผสานรวมบริการเพิ่มเติมที่เปิดใช้งาน AI เพื่อเพิ่มความเร็วในการตรวจสอบข้อมูลและงานอื่นๆ อันที่จริง การประมาณการของเราแนะนำว่าภายในปี 2020 ผู้ใช้ AI 87 เปอร์เซ็นต์จะได้รับความสามารถด้าน AI อย่างน้อยบางส่วนจากซอฟต์แวร์องค์กรบนคลาวด์

Robot Auto process

การสนับสนุนที่มีให้จากผู้ให้บริการระบบคลาวด์เน้นย้ำถึงความสำคัญของการรับข้อมูลทั้งหมดตั้งแต่แรก การรวบรวมสถานะแบบเรียลไทม์สำหรับอุปกรณ์ทุกชิ้น โครงสร้างพื้นฐาน และบริการสมาชิกในกองกำลังร่วมอาจดูเหมือนเป็นงานที่เป็นไปไม่ได้ อย่างไรก็ตาม กองทัพอาจมีข้อมูลที่จำเป็นอยู่แล้วโดยที่ไม่รู้ตัว ตัวอย่างเช่น กองทัพอากาศเพิ่งเริ่มดำเนินโครงการบำรุงรักษาเชิงคาดการณ์บนเฟรมเครื่องบิน C-5, B-1 และ C-130J ที่ได้จัดทำข้อมูลโดยละเอียดเกี่ยวกับสถานะของเครื่องบินที่ไม่ได้เก็บรวบรวมมาหลายปี การระบุและการแตะลงในแหล่งข้อมูลที่มีอยู่ดังกล่าวสามารถเริ่มต้นการประเมินความพร้อมที่เปิดใช้งาน AI โดยไม่จำเป็นต้องใช้ระบบใหม่ที่มีราคาแพง