هوش مصنوعی به معنای به دست گرفتن کنترل توسط رباتها نیست، بلکه استفاده کارآمد و موثر از مقادیر وسیعی از دادههای موجود برای حل مشکلات به موقع است. حقیقت این است که در جامعه امروزی، میزان دادههای هوش مکانی که هر روز در سراسر جهان از دوربینها، حسگرها و ماهوارهها جمعآوری میشود، خیره کننده است. این به معنای واقعی بیشتر از آن چیزی است که انسانها میتوانند به طور فیزیکی، پردازش کنند و سعی در درک آن داشته باشند.
لاکهید مارتین برای حل مشکل داده ها، هر روز از ابزارهای تبدیل دیجیتال مانند هوش مصنوعی و یادگیری ماشین استفاده میکند. با استفاده از هوش مصنوعی، میتوانیم اطمینان حاصل کنیم که مشتریان همیشه از بیشترین آگاهی موقعیتی و هوش عملی برای انجام مأموریتهای حیاتی در راستای محافظت از کشور برخوردار هستند. در اینجا نگاهی به سه فناوری جالب کردیم که لاکهید مارتین در حال توسعه آنها است تا از حجم فزاینده دادهها در جهان استفاده کند.
بر اساس گزارش مرکز ملی آتش نشانی بین سازمانی، آتش سوزیهای جنگلی امسال ۲ میلیون و ۹۹۰ هزار و ۲۵۵ هکتار را سوزانده است. علاوه بر چالشهای آتشنشانها، استفاده از منابع فعلی، ساعتها طول میکشد تا محیط آتشسوزی در حال رشد و نقاط گرما را ترسیم کنیم. گاهی اوقات برای کمک به پیشبینی رفتار آتش، استفاده از دادههای مربوط به ویژگی سوخت اغلب ۳ تا ۵ روز طول میکشد.
لاکهید مارتین از هوش مصنوعی برای کمک به دریافت سریعتر دادههای حیاتی به آتش نشانان استفاده میکند. این شرکت مجموعهای از خدمات فرماندهی بوده که با استفاده از AI/ML برای ارائه اطلاعات به موقع، دقیق و عملی به فرماندهان و اپراتورهای زمینی و فعال کردن واکنش سریع و سرکوب آتش طراحی شده است. این سیستم از دادههای حسگر محلی و تصاویر مبتنی بر فضای تجاری موجود برای تولید شبیهسازیها استفاده میکند که تصویر دقیقتر و فعلیتری از وضعیت آتشسوزی و پیشبینی رشد آن را ارائه میدهد.
هوش مصنوعی به ما این امکان را میدهد که زمان چرخه جمعآوری دادهها را کاهش دهیم و دادههای دقیقتر و بهموقعتری را به روشی عملی برای آتشنشانان ارائه کنیم. دن لوردان، مدیر ارشد مرکز هوش مصنوعی لاکهید مارتین، گفت: با استفاده از هوش مصنوعی می توانیم به جای چند ساعت در چند دقیقه نقشه دقیق آتش را طراحی کرده و سرعت و جهت گسترش آتش سوزی را ظرف چند ساعت ارائه کنیم.
محصول لاکهید مارتین Cognitive Tip & Cue با استفاده از الگوریتمهای AI/ML، کاستیهای مدیریت فشرده جمعآوری دادهها و هماهنگسازی دستی را برطرف میکند. جیکوب کارول، مهندس ارشد تحقیقات AI/ML در لاکهید مارتین گفت: ما میتوانیم پارامترها یا مدولارهای هر جستجو را برای تولید اطلاعات جدید تغییر دهیم و زمانی که سیستم با موقعیتهای جدیدی مواجه میشود، میتواند خیلی سریعتر از یک انسان با تغییرات سازگار شود.
لاکهید مارتین ابزارهای AI/ML را توسعه داده است که با استفاده از تصاویر ماهوارهای، تغییر سطح شیء و تغییر سطح پیکسل را برای تشخیص تغییرات خودکار و سریع ارائه میدهد. الگوریتمهای اجرا شده در داخل ابزار که بر اساس دادههای واقعی ترسیم شده اند، امکان ارزیابی و استنتاج را برای کاربران نهایی فراهم میکند. مهندس پردازش تصویر در لاکهید مارتین توضیح داد: برای بررسی توسعه شهری در شهرهایی که به سرعت در حال تغییر هستند، میتوان از تصاویر ماهوارهای که در طول زمان ثبت شده اند و تکنیکهای یادگیری عمیق استفاده کرده و از این طریق متوجه شد که تغییر سطح شیء مورد نظر چگونه بوده و ساختمانهای جدید کجا و در چه زمانی ساخته شده اند.
هوش مصنوعی میتواند به گونهای آموزش داده شود که توانایی شناسایی و تشخیص اشیاء مانند انواع هواپیماها و کشتیها یا زیرساختهای آسیب دیده پس از طوفان را در مناطق مورد نظر داشته باشد. داگن براون، مهندس هوش مصنوعی در لاکهید مارتین افزود: دادههای سطح پیکسل را میتوان توسط الگوریتمهای هوش مصنوعی ما برای ارائه ابعاد یا نوع پیشرانه هواپیما و همچنین انواع هواپیماها، کشتیها و ساختمانها دریافت کرد. این به یک تحلیلگر میدانی اجازه میدهد تا به سرعت، درک بهتری از وضعیت مسیر به دست آورد.
حقیقت این است که هوش مصنوعی نمیداند به دنبال چه چیزی میگردد تا زمانی که یک انسان به او یاد دهد که چه چیزی را جستجو کند. اما آموزش هوش مصنوعی میتواند یک کار خسته کننده باشد. این افراد مهم ساعتهای بیشماری را صرف «برچسبگذاری» دادههای واقعی میکنند که به یک سیستم هوش مصنوعی داده میشود تا زمانی که یک مورد جستجو میشود آن را به تنهایی «شناسایی» کند. به عنوان مثال، اگر میخواهید هوش مصنوعی هر بار که در تصاویر ماهوارهای ظاهر میشود، «ماشین قهوهای» را شناسایی کند، ممکن است یک برچسبگذار نیاز داشته باشد که هوش مصنوعی هزاران تصویر «ماشینهای قهوهای» را معرفی کند.
TruthTrail قصد دارد دادههایی را در مورد نحوه واکنش نشاندهندهها و حل مشکلات جمعآوری کرده و از آنها استفاده کند. این امکان طراحی، کشف و آزمایش ایدهها و معماریهای جدید را برای پشتیبانی از نیازهای مشتریان آینده، بهویژه برای هوش مصنوعی فراهم میکند.
بیشتر بخوانید