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。
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.
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。