الذكاء الاصطناعي والتعلم الآلي ، مضاعفات القوة المحتملة لخفر السواحل

© immimagery / Adobe Stock

الذكاء الاصطناعي (الذكاء الاصطناعي) والتعلم الآلي (ML): أذكر هذين المصطلحين وقد يفكر المستمع على الفور في الإعلانات المعروضة أثناء عرضك لموقع الأخبار على الإنترنت المفضل لديك. هذا هو إصدار واحد من ما قد يكون AI / ML. بالنظر إلى حالة أبحاث الذكاء الاصطناعى و ML اليوم ، فإن هذه التقنيات الرياضية المتقدمة تمثل شيئًا يجب على خفر السواحل الأمريكي استكشافه لتطبيق المهمة. للقيام بذلك ، يجب إنشاء تعريفات مشتركة وفهم التحديات وفحص حالات الاستخدام العملي.

لقد ثبت في التطبيقات داخل الصناعة والطب الخاص أن تقنيات AI / ML يمكن أن تكون مفيدة في التحليلات التنبؤية. مثال على ذلك هو استخدام الذكاء الاصطناعي في تعزيز التشخيص الأولي الدقيق لشرائح الأشعة ؛ ضمن قطاع البيع بالتجزئة ، تم عرض الذكاء الاصطناعي من قبل شركة Amazon من خلال استخبارات العملاء. هل تساءلت يومًا عن سبب تقديم التوصيات الأخرى الخاصة بالعناصر المراد شراؤها عند الشراء عبر الإنترنت؟ هذا التكتيك الجديد للمبيعات هو تطبيق عملي لشكل من هذه التقنيات الرياضية المتقدمة.

ومع ذلك ، لتقديم منظور متوازن ، يمكن أن يكون هناك تحديات كبيرة لاستخدام AI / ML التي لا ينبغي تجاهلها. تم تسليط الضوء على أحد التحديات في مقال بقلم مايكل تشوي وجيمس مانيكا ومهدي ميرمادي ، الذي كتب في مجلة ماكينزي الفصلية في يناير 2018. لاحظ المقال ، "التعقيد هو أن مجموعات البيانات الضخمة قد يصعب الحصول عليها أو إنشاؤها للعديد من حالات الاستخدام التجاري." قد يكون هناك تحدٍ آخر محتمل في "جودة" البيانات. ما مدى دقة ذلك؟ قد يكون التحدي الثالث هو القدرة على تحويل البحث المتعمد إلى تطبيق عملي وتطوير جميع تطبيقات التدريب الجديدة لبناء مشغلي "تدريب عملي".

إحدى الوثائق الإستراتيجية الرئيسية لخفر السواحل توفر دليلاً لاستكشاف كيفية استخدام الذكاء الاصطناعي / ML. من الخطة الاستراتيجية 2018-2022:

"إن التقدم السريع في التكنولوجيا عبر حياتنا الشخصية والمهنية يوفر فرصًا لتغيير اللعبة لخفر السواحل ، إذا تم تسخيرها بشكل صحيح. لفهم التأثيرات المحتملة للتكنولوجيات الناشئة تمامًا على عمليات خفر السواحل ، سنقوم بما يلي: تقييم التقنيات الناشئة ، مثل المنصات غير المأهولة ، وتحليلات البيانات ، وتشفير سلسلة الكتل ، والذكاء الاصطناعي ، والتعلم الآلي ، وبروتوكولات الشبكة ، وتخزين المعلومات ، والتعاون بين الإنسان والآلة للاستخدام المحتمل في تنفيذ المهمة. "هذا البيان البسيط يؤكد أهمية استكشاف التطبيقات الممكنة.

للبدء في فهم التطبيقات ، هناك حاجة إلى التعريفات والسياق. في عام 1959 ، رأى الباحث آرثر صموئيل أنه قد يكون من الممكن لأجهزة الكمبيوتر أن "تتعلم من تلقاء نفسها". وتبع ذلك بعد 34 عامًا بمناقشة "الذكاء الاصطناعي" التي بدأها في عام 1995 الدكتور جون مكارثي من كلية دارتموث. خلقت هذه الإجراءات إطارًا للتعريف. بالإضافة إلى ذلك ، تنص مقالة في مجلة Forbes بتاريخ 6 ديسمبر 2016 ، كتبها بيرنارد مار ، على أن "الذكاء الاصطناعي هو المفهوم الأوسع للآلات التي تكون قادرة على القيام بالمهام بطريقة نعتبرها" ذكية ". تابع مار ،" التعلم الآلي هو تطبيق حالي لمنظمة العفو الدولية يستند إلى فكرة أنه ينبغي لنا أن نكون قادرين حقًا على إعطاء بيانات الماكينات والسماح لهم بالتعلم لأنفسهم. "هل ترى الفرق بين المصطلحين؟

يبدو بسيط جدا على السطح.

© ryzhi / Adobe Stock

إشارة الطلب لاستكشاف الطرق التي يمكن أن تستخدمها منظمة العفو الدولية / ML في صنع القرار هي في درجة حرارة مرتفعة في كل من الولايات المتحدة وحول العالم. الولايات المتحدة وحلفاؤها في "سباق تسلح فكري" مع الصين وروسيا حول كيفية استخدام الذكاء الاصطناعي. في عام 2018 ، أنشأت وزارة الدفاع (DoD) مركز الذكاء الاصطناعي المشترك الذي استفاد من مجموعة واسعة من خبراء المواد وشارك مع الأكاديميين والصناعة والشركاء الفيدراليين الآخرين. تم إصدار إستراتيجية جديدة من DoD AI بعنوان "تسخير الذكاء الاصطناعي من أجل تعزيز أمننا وازدهارنا".

تشير مقدمة ملخص الإستراتيجية إلى أن "الذكاء الاصطناعي يتغير بسرعة في مجموعة واسعة من الشركات والصناعات. كما أنها مهيأة لتغيير طبيعة ميدان المعركة في المستقبل وسرعة التهديدات التي يجب أن نواجهها ". تفرض الإستراتيجية كذلك أن يتم البحث عن وتحليل وتحليل وتطبيق الذكاء الاصطناعي مع خفر السواحل في مهام مختلفة كفريق واحد. الرياضة ... الشراكات هي المفتاح.
لا يزال ملخص الاستراتيجية قائلاً: "لا يمكننا النجاح بمفردنا ؛ يتطلب هذا التعهد مهارة والتزام العاملين في الحكومة ، والتعاون الوثيق مع مراكز الابتكار الأكاديمية وغير التقليدية في القطاع التجاري ، وتماسك قوي بين الحلفاء والشركاء الدوليين. يجب علينا أن نتعلم من الآخرين لمساعدتنا على تحقيق فهم كامل لإمكانات الذكاء الاصطناعي ويجب أن نؤدي في تطوير واستخدام هذه التقنيات القوية بطريقة مسؤولة ، وفقًا للقانون وقيمنا ". نوع التعاون والشراكة الذي تم تسليط الضوء عليه في DoD الإستراتيجية ضرورية بنفس القدر لنجاح خفر السواحل في تطوير وتطبيق تقنيات AI / ML. لكن كيف تستكشف الخدمة إمكانيات تطبيق AI / ML عبر مجموعة من المهام؟
يوصي المؤلف بمجالات المهمة الأربعة التالية للاستكشاف الأولي:

(1) عمليات التفتيش على السلامة البحرية ومجالس مراقبة دولة الميناء: باستخدام بيانات من سنوات من عمليات التفتيش السابقة ، يمكن أن يطور منهج AI / ML المطبق عملية محسنة يمكن لصناع القرار النظر فيها بالتنسيق مع نماذج الذكاء والمخاطر. من المحتمل أن يعزز تطبيق AI / ML جهود التحليل حيث يتم تحسين الجهود التكتيكية.

(2) تخطيط وتنفيذ عمليات البحث والإنقاذ: يستخدم خفر السواحل نموذجًا متطورًا جدًا لتخطيط البحث والإنقاذ. يتمتع نظام التخطيط الأمثل للبحث والإنقاذ ببعض القدرة على النظر في تطوير مسار العمل ... ولكن ماذا لو كان من الممكن استخدام هذه التقنيات الرياضية المتقدمة لتحسين أنماط البحث استنادًا إلى النجاح في الماضي ومساعدة صناع القرار في التفكير في أفضل مجموعات الأصول؟

(3) الاستجابة للانسكاب النفطي: منذ عام 1998 ، نشر ميروسلاف كوبات وروبرت هولتي وستان ماتوين مقالة "التعلم الآلي للكشف عن انسكابات النفط في صور رادار الأقمار الصناعية" التي ناقشت فكرة استخدام تطبيقات AI / ML دعم الاستجابة لانسكاب النفط. في الوقت الحاضر ، لا سيما بعد حدث Deepwater Horizon ، قد تكون الحاجة إلى فهم أكبر قدر ممكن حول الانسكاب وتحليل حركته المستقبلية ، وأفضل السبل لنشر الأصول من المركبات الجوية غير المأهولة إلى سفن الفرص هي تطبيق AI / ML استباقي. بحثت الأبحاث المنشورة في عام 2014 في مجلة "الخلاصة والتطبيقية التحليلية" النمذجة الكشف عن تسرب النفط مع طائرات بدون طيار سرب كنقطة انطلاق.

(4) عمليات إنفاذ القانون: يعد التخطيط لهذه المهمة مدروسًا ومسترشدًا بمجموعة واسعة من العوامل ، والمفتاح هو الذكاء العملي. على سبيل المثال ، قد تستفيد وحدات خفر السواحل الخاضعة للسيطرة التكتيكية لقوة العمل من هذا النوع من التحليل للتأثير على عمليات اللعبة النهائية. يمكن أن تكون تطبيقات AI / ML فائدة حقيقية ، ربما دمج أجهزة الاستشعار على متن الطائرة مع حراسة الدوريات البحرية وغيرها من الأصول القومية لوضع أصول لعبة نهاية الحظر الخاصة بنا في المكان المناسب.

من استخدام الذكاء الاصطناعي للكشف عن الاحتيال في استخدام بطاقات الائتمان لتطبيق التعلم الآلي لمساعدة الأطباء على تفسير الصور الإشعاعية ، تؤثر هذه التقنيات الرياضية المتقدمة على مجموعة من المهن ومتطلباتها. تُقترح مناطق مهمة خفر السواحل الأربعة المحددة لاستكشاف تطبيق AI / ML. يعتقد المؤلف أن استخدام هذه التقنيات المتقدمة قد يحدث فرقًا في تطوير سياسة USCG ، والتدريب ، وسلوك التمارين ، والتخطيط ، وتنفيذ المهمة. كدولة بدأنا للتو في رؤية قوة هذه التقنيات الرياضية المتقدمة ، في جوانب كثيرة من الحياة - عن طريق وضع خفر السواحل للاستفادة منها ، قد تكون النتيجة النهائية هي المنتجات التي تساعد صناع القرار للمساعدة في إنجاز المهمة.
الآراء الواردة في هذه المقالة هي آراء المؤلف ولا تمثل موقعًا رسميًا لخفر السواحل الأمريكي.

نبذة عن الكاتب: الدكتور جو ديرينزو هو مدير شراكات الأبحاث في مركز أبحاث وتطوير خفر السواحل الأمريكي. وهو مدير المشروع السابق لمشروع AI / ML للخدمة والذي يتضمن تخطيط الاستجابة للكوارث ، وضابط USCG متقاعد ، وضابط قائد سابق. وهو مساهم دائم في مراسل الأخبار البحرية والهندسة ، ومراسل التكنولوجيا البحرية.


من المقرر عقد الندوة السنوية العاشرة للمخاطر البحرية في الفترة من 13 إلى 15 نوفمبر 2019 في جامعة ولاية نيويورك البحرية.
www.sunymaritime.edu/MRS2019