← Flecto
Palantir · AIPCon 9

マルチドメインAI:指揮・統制の未来

Cameron Stanley, CDAO — Department of War

10分25秒
YouTubeで見る ↗

要点:

キャメロン・スタンリー氏によるAIPCon 9の基調講演から得られる5つの示唆.

Decision Advantageは、第三のオフセットです。

アメリカ軍の、21世紀を制するための戦略:敵よりも迅速に、より優れた意思決定を行うこと。AIは、目的そのものではなく、それを実現するための基盤技術である。

AIが戦闘兵士の手に渡ることは間違った仮説だった。

Project Maven は、AI を個々のオペレーターに展開しても、周囲のワークフローを変革しない限り、チェーンの一部しか解決できないことを証明しました。常にボトルネックになっていたのは、プロセスそのものなのです。

意思決定中心アプローチ:9つの質問

AIの導入に先立ち、以下の手順を定義してください。意思決定の内容を明確にし、現在のプロセスを分析し、必要なデータを特定し、ユーザーとのインタラクションを計画し、成功の指標を設定し、イテレーション計画を策定します。ワークフローを最優先にし、テクノロジーはそれに次いで考慮します。

2つのフライホイールが同時に回転しなければならない。

技術開発とプロセス改善は、それぞれ独立しているものの、密接に関連した要素です。適切な技術を、プロセス変更の適切な段階で導入しない場合、あるいはその逆の場合、相乗効果が損なわれます。

時間から分数へ:キルチェーンの圧縮.

Maven Smart Systemは、これまで8~9個のシステムを必要としていた標的設定ワークフローを、単一のプラットフォームに統合し、攻撃の実行までにかかる時間を数分に短縮しました。この成果は、7年間の統合作業によって実現されました。

発表構成

10年間で目覚ましい発展を遂げた、防衛分野におけるAI技術の10分間のご紹介。

0:00

第3の転換:意思決定の優位性

Project Mavenは、2016年に以下の仮説に基づいて開始されました。「もし我々がAIを戦闘兵士に提供できれば、勝利できる」。カーター国防長官の「第3のオフセット」戦略は、AIを活用した意思決定優位性を重要な要素として位置づけていました。この仮説を検証するために、Algorithm Warfare Cross-Functional Teamが立ち上げられました。

このセクションが重要な理由

  • 意思決定優位性の戦略ドクトリン化 — カーター長官の第3のオフセットは、意思決定の速度を21世紀の軍事的優位性の核心と位置づけ、AIを単なる技術実験ではなく戦略的必要条件とした。
  • 仮説ファーストのアプローチ — AWCFTは「AIを兵士に届ければ勝てる」という具体的な仮説を検証するために設立された。この科学的な姿勢が、証拠が出たときに仮説を棄却する覚悟を可能にした。
  • 認知より知覚に集中 — 最初の賭けはUAV映像のコンピュータビジョン、つまりISRワークフローで最も疲労を招きやすく、エラーが起きやすい人間作業の自動化だった。
THERE ARE NO SECRETS — AIPCon 9 stage backdrop
AIPCon 9 - 「秘密は存在しない」
1:28

Project Maven 活動報告

コンピュータビジョンモデルが世界中で展開され、UAVからの映像データを用いたISR(Intelligence, Surveillance, and Reconnaissance:情報収集、監視、偵察)分析の自動化に貢献しました。これらのモデルは、車や人を検出し、分析者が16時間もの間、画面を注視する必要性をなくしました。これらのモデルは、最高水準のものであり、可能な限りあらゆる場所で導入されました。

技術が実際にやっていたこと

  • 最高水準のモデル、最悪の統合 — CVモデルの精度は本物だった。問題は、はるかに長い意思決定チェーンの一つのリンクしか解決せず、下流のワークフローにまったく手をつけなかったことだ。
  • ISR-pedを概念実証として — UAV監視が選ばれたのは、人的コストが計測可能だったからだ:16時間の画面凝視と疲労による見落とし。コンピュータビジョンはこのボトルネックを直接攻撃した。
  • 全面展開が深刻な失敗を隠蔽した — 技術があらゆる場所に統合されたため、ワークフローの根本的な失敗は見えにくくなった。検出精度の指標が下流のプロセス崩壊を覆い隠していた。
Palantir aerial surveillance intelligence platform showing facility overhead imagery
Palantir MSS:航空監視システム統合。
2:45

The Scarlet Dragon Revelation

第18空軍部隊での訓練は、本当の問題を明らかにした。作戦センターにはホワイトボードやPowerPointがたくさんあり、AIによる検知結果が、人間の制約によって制限されたワークフローに投入されていた。仮説は間違っていた—ボトルネックはAIではなく、ワークフローだった。

転換点

  • デジタル時代のホワイトボード — 作戦センターの画像が診断そのものだった:最先端のAI検出結果と並んで静止画像とPowerPointが並ぶということは、ワークフローが何も変わっていないことを意味する。AI出力は完全に手動プロセスに消費されていた。
  • 一つのリンク ≠ チェーン全体 — 検出の自動化はキルチェーンの一ノードしか解決しなかった。ターゲットボード、COA生成、アセット割当、BDAはすべて手動のまま、8〜9システムに分散されていた。
  • 仮説を棄却したことが突破口だった — 元の賭けに固執するのではなく、チームは仮説が間違いだったと判断した。この知的誠実さが意思決定中心フレームワークへの転換を可能にした。
SCARLETT DRAGON I — ops center photo showing soldiers working at laptops
Exercise Scarlet Dragon — Theater Operations Centerにおいて、ワークフローのボトルネックを表示しています。
3:38

CDAO 2.0: データ主導型アプローチ(Decision-Centric Approach)。

新しいフレームワーク:AIを導入する前に必ず確認すべき9つの質問。まず意思決定から始め、技術を後回しにしましょう。データフロー、ユーザーインタラクション、そして成功指標を明確に定義します。目標は、意思決定者がより効果的に仕事ができるように支援することであり、彼らを置き換えることではありません。

9つの質問フレームワークの実践

  • 技術よりワークフロー先行 — このフレームワークは、AIに触れる前に現在の意思決定プロセスをマッピングすることを強制する。技術を変わらないワークフローに展開するというProject Mavenの失敗を防ぐ。
  • 成功指標を最初から組み込む — 人間の関与削減、成功の測定方法、反復計画に関する質問が、展開開始前から改善を定義・計測可能にする。
  • 置き換えではなく強化 — このフレームワークの明示的な目標は「意思決定者をより良くする」こと。これはAIが判断を置き換えることを恐れるシニアリーダーの採用障壁に直接対処する。
CDAO 2.0 Decision Centric Approach slide listing 9 questions
CDAO 2.0 - 9つの質問に基づく、意思決定に特化したフレームワーク.
5:33

デュアルフライホイール.

テクノロジー開発とプロセス改善は、それぞれ独立しているものの、密接に結びついた要素です。これらを同期させることで、テクノロジーがプロセスの変更の適切な段階で導入され、運用からのフィードバックがテクノロジー開発の適切な段階で改善されるようにします。

同期の洞察

  • 2つの独立した時計が同期して刻む必要がある — 技術開発には固有のリズムがある(スプリント、リリース)。プロセス改善にも固有のリズムがある(研修、組織変革)。プロセス変革の誤ったフェーズに適切な技術を届けることで、両方の努力が無駄になる。
  • 運用フィードバックが燃料 — フライホイールモデルは、現場のオペレーターが適切なフェーズで技術開発者にフィードバックを返すことを必要とする。要件ドキュメントを通じて数年後ではなく。フィードバックループそのものが製品だ。
  • ほとんどの組織は一つのフライホイールしか回していない — 技術チームはソフトウェア提供に集中し、プロセスチームはワークフローに集中する。これらを結合すること(並行して実行するだけでなく)が複利的な改善を生み出す。
Approach to Enterprise AI Application slide showing two coupled flywheels
エンタープライズAIアプリケーションへのアプローチ:2つの連携する推進力(フライホイール)
6:25

Maven Smart System: ライブデモ

一つのプラットフォームが、すべてのデータソースを統合します。単一の可視化ツールが、8~9つのシステムを置き換えます。完全なターゲティングワークフロー(検出、ターゲットボード、COA生成、アセットタスク、BDA)は、数分で完了し、数時間かかることはありません。

7年間が数分に圧縮された

  • 8〜9システム → 1プラットフォーム — MSSキルチェーンデモは、地理空間インテリジェンス、FMV解析、ターゲット候補提示、ターゲットボード、COA生成、アセット割当、実行、BDAを単一の視覚的コンテキストに統合する。以前は手動データ再入力が必要だったシステム間のすべてのハンドオフが自動化された。
  • 時間から分へ、だがデータオントロジーこそ真の基盤 — この速度改善には7年間の統合作業が必要だった:上流のあらゆる検出が下流のすべてのアクションシステムと同じ言語で話せるよう、共通データオントロジーを定義すること。
  • 人間はループ内に残る——ただし意思決定だけに — システムは自律的に発射しない。推奨する:右クリックで候補登録、AIのトップアセット提案を承認、COAを承認。認知負荷は9画面での検索・入力ではなく、各意思決定ゲートでのYes/Noに削減されている。
Palantir Maven Smart System geospatial map with threat cones and military symbols
Maven Smart System — 複数の分野を網羅する地理空間インテリジェンスビュー。

視覚的なハイライト

Maven Smart System の攻撃プロセス(kill chain)— 検出から、戦闘による損害評価まで。

CDAO 2.0 Decision Centric Approach slide listing 9 questions
意思決定を中心としたアプローチ — AI導入前に問うべき9つの質問 Stanleyのフレームワーク:テクノロジーではなく、まず意思決定から始める。9つの質問は、コーディングを始める前に、ワークフローを優先する思考を促します。
Approach to Enterprise AI Application dual flywheel diagram
デュアルフライホイール:テクノロジーとプロセスは、共に発展しなければならない。 技術開発とプロセス改善は、互いに連動する二つの推進力です。業務からのフィードバックは技術を向上させ、向上した技術はより優れた業務を可能にします。
Palantir Gotham Woody Island satellite imagery with threat zones
MSSステップ1 地理空間標的特定 (ウッディ島) Palantir Gothamは、衛星画像に脅威エリアを重ねて表示します。射程距離のリングや弾道解析ツールが、単一の画面に統合されています。
FMV feed with AI vehicle detection bounding boxes
MSSステップ2 FMVによるAI車両検出. リアルタイムのAIによる画像認識機能を搭載したフルモーションビデオシステム。車両を検出し、赤い追跡ボックスで囲んで表示します。このシステムは、数時間もの映像を分析する人間が気づかない可能性のあるターゲットを特定することができます。
Context menu with Nominate to board option on detected vehicle
MSSステップ3 ターゲットを推薦するには、ワンクリック。 検出された車両を右クリックすると、コンテキストメニューが表示され、「ボードへの推薦」という項目が表示されます。これは、FMV画面から離れることなく、正式なターゲット設定ワークフローを開始する単一のアクションです。
Palantir Target Board kanban with DELIBERATE DYNAMIC COMPLETE columns
MSSステップ4 ターゲットボード(カンバンワークフロー) タスクはカードとして表示され、列を横に移動します:DELIBERATE → DYNAMIC → PENDING PAIRING → PAIRED → IN EXECUTION → PENDING BDA → COMPLETE。組織全体の指揮系統は、同時に同じ情報を共有します。
AI Asset Tasking Recommender with battlefield map
MSSステップ5 AIアセットタスク推奨システム. システムは、戦域全体で利用可能な資産と、目標とする要件を照合します。AIが最適なプラットフォームを提案し、オペレーターは検索するのではなく、その提案を承認します。
AI optimization criteria dialog with AGM Match Time to Target Distance sliders
MSS Step 6 設定可能なAI最適化基準 指揮官は、AGM Match(迎撃ミサイル照準)、Time to Target(目標までの時間)、Distance(距離)、Fuel(燃料)、および Munitions(弾薬)の要素に重み付けを調整することで、AIレコメンデーションシステムを調整します。"Continuous Optimization On"(継続的な最適化オン)に設定すると、戦況の変化に応じてレコメンデーションが常に最新の状態に保たれます。
STRYKER1 selected as top match asset for Computer Vision Detection target
MSS ステップ 7 STRYKER1 が最適な一致として選択されました。 トップマッチカード:STRYKER1 (M2 .50 cal 750x) は、Computer Vision Detectionのターゲットに割り当てられています。ターゲットまでの時間:4分23秒。 選択全体にかかった時間は数秒です。
Battle Damage Assessment panel showing Destroyed greater than 95 percent
MSS ステップ 8 損害評価:破壊 (95%以上)。 BDAパネルは、攻撃経路を遮断します。CA/PDA(制御装置/個人用デバイス)の破壊率95%以上、FDA(機能)の機能停止率95%以上、および付随的な損害の発生率95%以下。 以前は8~9つのシステムで数時間かかっていた作業が、今では1つのプラットフォームで完了します。

以下は、完全なトランスクリプトです。

フルトランスクリプト (10分25秒) ▾

0:00 おはようございます。私は皆さんを2016年に遡って、Project Mavenの物語の始まりについてお話ししたいと思います。このプロジェクトが正式に「アルゴリズム戦争クロスファンクショナルチーム」として立ち上げられる前でさえ、この物語は始まりました。それは、ある仮説から始まったのです。「第3のオフセット」とはどのようなものなのか?

0:17 20世紀後半のオフセット戦略について誰かご存知の方もいらっしゃるでしょう。最初のオフセットは、敵対者が持つ質量と規模の差をどのように克服し、より効果的な軍事力を実現するかという問題でした。

0:44 最初のオフセットでは、核兵器を使ってその差を克服する方法が模索されました。それが最初の技術的オフセットでした。2番目のオフセットは、ステルス技術と精密誘導弾でした。カート長官は、21世紀における私たちの真の優位性は「意思決定の優位性」にあると述べました。敵よりも迅速に、より良い意思決定をどのように行うか。それが戦争を勝ち抜くための鍵です。

1:13 しかし、2016年には、様々な技術領域で多くの問題がありました。そして、カート長官が注力したのはAIでした。特に、Project MavenのためにAIを活用することを目指しました。アルゴリズム戦争クロスファンクショナルチームは、AIを兵士に届け、UAV(無人航空機)の活用に重点を置くことを目的として設立されました。

1:33 私は何を意味しているのでしょうか?私たちの航空監視資産において、人間が画面を長時間見続けなくても済むようにすることです。人間は疲れて、気が散って、何かを見逃してしまうことがあります。そこで、AIを使って、適切なシステムを検出し、人間が1日16時間も画面を見続け、疲れるという状況を改善しようとしました。

1:57 それが、私たちが始めたことです。仮説は、「AIを兵士に届ければ、うまくいくだろう」というものでした。私たちは、可能な限り最高のコンピュータビジョンモデルを開発しました。それらは、当社のデータに基づいて構築され、当社のシステムに展開されました。世界中で、統合できる場所であれば、どこでも統合しました。車や人を検出することができました。

2:22 これらのシステムを、広範囲にわたって堅牢に導入しました。問題は、情報収集・監視・偵察(ISR)そのものではありませんでした。それは一つの問題でした。より大きな問題は、私たちのプロセスと技術が、より良い意思決定を迅速に行うために、データ中心のアプローチを活用するように設計されていなかったことです。これは、プロセス全体の中で、たった一人の個人の問題を解決したに過ぎません。

2:44 私たちが解決しようとしていた本当の問題は、これです。これは、Scarlet Dragonという演習で、Project Mavenが第18空軍団と行った作戦センターからの画像です。Scarlet Dragonは、Project Mavenが第18空軍団と行った演習です。そこには、静止した画像やホワイトボードが見えます。画面に気を取られる必要はありません。それは単にPowerPointのスライドです。

3:09 私たちは、文字通り、AIによる検出を、人間が制限するワークフローに組み込もうとしていました。そして、私たちが達成しようとしている成果や結果を制限していました。AIを兵士に届けることが正しい答えであるという仮説を却下しました。私たちが本当にすべきだったことは、一歩後退して、「本当の問題はAIではない。本当の問題は、ワークフローである。私たちはどのように意思決定を行っているのか?」と考えることでした。そうして、私たちは意思決定を中心としたアプローチを考案しました。

3:40 意思決定を中心としたアプローチについて、私は9つの質問を定義しました。他のアプローチも存在します。これは、私が考えた簡単なものです。DARPAが9つの質問を持っているように、私も9つの質問を持つべきだと感じたからです。意思決定プロセスを改善しようとする際には、常に意思決定そのものから始める必要があります。また、現在、どのように意思決定が行われているかを確認する必要があります。どのプロセスを加速しようとしているのか?

4:07 意思決定には、どのようなデータが必要ですか?そのデータはどのようにして届きますか?ユーザーはどのようにデータとやり取りしますか?人間の介入はどれだけ削減されますか?成功はどのように測定しますか?どのような改善計画ですか?これらを検討することで、すべてが明確になります。データの世界にいる私たちは、毎日、直感的にこれを実行しています。

4:21 課題は、特に非常に有能でプロフェッショナルな、上級管理者が、データ専門家の仕事は、自分たちを置き換えることではないことを理解することです。データ専門家の仕事は、自分たちをより良くすることです。そして、必要なデータを提供することで、彼らをより良くすることができます。それは、彼らが意思決定を行うために必要なタイミング、形式、容量で提供されるデータです。

4:53 しかし、別の問題もあります。それは一つの意思決定です。複雑なワークフローでは、数十もの意思決定が存在します。課題は、正しいアプローチを見つけることではなく、ユーザーコミュニティがそのアプローチを受け入れ、ワークフロー全体を完全にデジタル化できるようにすることです。そうすることで、データ中心のアプローチが、すべての意思決定を同時に解決し、戦場で真の優位性を実現することを理解できるようにします。

5:33 そこで、私たちは、テクノロジー分野の皆さんがよく知っている「左側のフライフホイール」について取り組みました。それは技術開発です。これは、非常に単純なプロセスですよね。標準的な段階的な開発プロセスです。誰もが驚くことではないでしょう。

5:53 しかし、テクノロジー開発の分野では、少なくとも政府機関では、同時に進行するプロセス改善のフライフホイールがあることを、通常は認識していません。重要なのは、この2つのフライフホイールをどのように連携させ、結合させるかということです。そうすることで、適切なタイミングで技術を提供し、運用からのフィードバックを適切なタイミングで取得し、相互に相乗効果を高めることができます。重要なのは、技術だけでなく、プロセスそのものです。

6:23 私たちは、様々なワークフローにおけるAIの活用を検討した結果、システムが間違っていることに気づきました。これは、Maven Smart Systemというシステムです。Palantirが提供するソフトウェア・アズ・ア・サービス製品で、私たちはこれを政府機関全体に展開しています。これは、単一のデータフィードではなく、複数のデータフィードを統合したものです。意思決定者が毎日参照するシステムが8つまたは9つある代わりに、それらを単一の可視化ツールに統合しています。

6:35 この単一の可視化ツールを使用すると、さまざまな種類のデータを選択または選択解除したり、さまざまなデータアプローチを試したりできますが、最も重要なのは、ワークフローの開発に使用する同じシステムから直接アクションを実行できることです。たとえば、ターゲットワークフローに移動させたい検出がある場合、左クリック、右クリック、左クリックで、それがワークフロー内の検出に「魔法のように」変換されます。

7:20 その検出は、ワークフローに移動されます。各列は、異なる種類の意思決定プロセスを表します。意思決定が行われ、そのプロセスを実行しようとすると、COA(コース・オブ・アクション)の生成に進みます。ここでは、ターゲットを攻撃するために最適な資産を自動的に特定します。

7:50 さまざまなアプローチを検討し、1つを選択すると、そのターゲットをどのように実行するか、直接に進むことができます。ターゲットを特定することから、行動計画を立て、ターゲットを実行することまで、すべてが1つのシステムで行われます。これは、画期的なことです。以前は、人間が実際に検出を左右に移動させて、目的の状況に到達するという、8つまたは9つのシステムを使用していました。

8:20 以前は、これを行うのに数時間かかりました。しかし、さまざまな展開を通じて、その時間を大幅に短縮することができました。それは、主に2つのことによるものです。まず、私たちは顧客と直接連携し、彼らのプロセスを理解できるようにすることです。そして、適切な技術を開発することです。

8:50 Maven Smart Systemと呼ばれる抽象化レイヤーを使用することで、これらのすべてを接続し、適切なデータアプローチ、データオントロジー、およびデータ形式を提供しています。これは、一朝一夕に達成されたものではありません。データ接続の面だけでなく、これらのシステムをすべて接続するまで、7年かかりました。

9:10 そこで、私たちはこれからどこへ進むのでしょうか?これは、私が国防データ最高責任者(CDAO)として、毎日、朝起きて考えることです。私がベンダー、特にPalantirから入手するすべてのツールは、常に改善されています。私のキャリアの中で、毎日改善されるシステムを手にすることができたのは、今回が初めてです。なぜなら、私たちは顧客と統合されており、彼らのフィードバックを聞き、彼らが求めるツールを提供しているからです。これは、彼らが5年前に要求管理者が作成したツールではないのです。

9:40 私は、毎日、たった一つのことに情熱を注いでいます。それは、選択肢がなく、どのような脅威に直面するかを選べなかった、18歳、19歳、または20歳の兵士が、戦場で勝利し、無事に帰還することです。それが、私たちがこれをやっている理由です。Maven Smart Systemは、素晴らしいシステムです。私たちは、公平な戦いを避けたいと思っています。もし可能であれば、公平な戦いは避けましょう。私たちの兵士が勝利し、無事に帰還できるようにしたいのです。ありがとうございました。