ประสบการณ์การฟังที่ดีที่สุดอยู่บน Chrome, Firefox หรือ Safari สมัครรับเสียงสัมภาษณ์ประจำวันของ Federal Drive ใน Apple Podcasts หรือ PodcastOneกระทรวงกลาโหมตั้งความหวังไว้ว่าสักวันหนึ่งจะวางเครื่องมือปัญญาประดิษฐ์ไว้ในมือของนักรบเพื่อช่วยในการตัดสินใจโดยใช้ข้อมูลในสนามรบ แต่ด้วยสถานะปัจจุบันของเทคโนโลยีและการขาดแคลนข้อมูลการฝึกอบรมที่อัลกอริทึมต้องการ เป้าหมายนั้น ดูเหมือนจะยากที่จะบรรลุในระยะสั้น
ชุมชนการป้องกันรวมถึง Defense AI Center ยืนหยัดเมื่อปีที่แล้ว
ได้เปิดตัวนักบิน AI ในทุกสิ่ง ตั้งแต่ การบำรุงรักษา เชิงคาดการณ์ของเครื่องบินและยานพาหนะไปจนถึงเรืออัตโนมัติ แต่สำหรับโครงการที่เป็นแรงบันดาลใจทั้งหมดของ DoD เครื่องมือ AI มักจะทำงานได้ไม่ดีนักในสถานการณ์ที่ข้อมูลเหลือน้อยหรือไม่มีโครงสร้างในลักษณะที่อัลกอริทึมไม่สามารถประมวลผลได้
Insight by Tanium: เอเจนซีกำลังฝึกฝนวิธีที่ดีที่สุดในการรักษาความปลอดภัยซอฟต์แวร์และมองเห็นซัพพลายเออร์ได้ดีขึ้น เราพูดคุยกับผู้นำจาก DoD, FDA, GSA, NASA และรัฐเพื่อเปิดเผยว่าหน่วยงานต่าง ๆ ตอบสนองความต้องการในการมองเห็นแนวทางปฏิบัติทางไซเบอร์ของผู้ขายได้อย่างไร
Ranjeev Mittu หัวหน้าสาขาการจัดการข้อมูลและสถาปัตยกรรมการตัดสินใจของ Naval Research Lab กล่าวว่าอัลกอริทึม AI ในปัจจุบันต้องการข้อมูลการฝึกอบรมที่เชื่อถือได้เพื่อทำการตัดสินใจอย่างชาญฉลาดในโลกแห่งความเป็นจริง
“ยังไม่ชัดเจนว่าต้องการข้อมูลเท่าใดภายใต้สถานการณ์ใด สำหรับปัญหาประเภทใด และฉันคิดว่ามันกำลังจะเกิดขึ้น มีการวิจัยมากมายเกิดขึ้น แต่ฉันคิดว่าโดยพื้นฐานแล้วยังมีการวิจัยอีกมากมายที่ต้องทำในความสัมพันธ์ระหว่างข้อมูลและการฝึกอบรม และอะไรคือการแลกเปลี่ยนที่ถูกต้องสำหรับปัญหาประเภทต่างๆ” Mittu กล่าวในการสัมภาษณ์ กับเฟดเดอรัลนิวส์เน็ตเวิร์ก
ส่วนหนึ่งของการยกระดับ AI ไปอีกขั้น Naval Research Lab
ได้สำรวจโดยใช้บอทและเครื่องมือการเรียนรู้ของเครื่องเพื่อปรับปรุงการจ้างงาน การเก็บรักษา และการฝึกซ้ำ Mittu กล่าวว่าบางส่วนของแนวคิดเหล่านี้รวมถึงการใช้อัลกอริธึม AI เพื่อกรองผ่านแอปพลิเคชันและให้ผู้ช่วยเสมือนช่วยดำเนินการสัมภาษณ์หรือคัดกรองผู้สมัคร
“ฉันคิดว่าเราควรดูที่สิ่งนั้นและดูว่าอะไรประสบความสำเร็จ — อะไรที่ใช้ได้ผลในอุตสาหกรรมและอะไรที่ใช้ไม่ได้ และหาวิธีที่เราสามารถใช้เทคนิคเหล่านั้นสำหรับ DoD” Mittu กล่าว
เพื่อติดตามการมีส่วนร่วมและความพึงพอใจของพนักงาน ห้องปฏิบัติการยังได้ระดมความคิดในการใช้ AI และเครื่องมือการเรียนรู้ของเครื่องเพื่อเชื่อมโยงจำนวนสิ่งพิมพ์และสิทธิบัตรที่พนักงานของ NRL ผลิตขึ้นในช่วงหลายปีที่ผ่านมา และซ้อนทับข้อมูลนั้นกับการเปลี่ยนแปลงของสภาพแวดล้อมในการทำงาน เช่น เป็นแนวทางการบริหารจัดการใหม่
“คุณสามารถเห็นได้ว่าสิ่งใดที่ช่วยปรับปรุงสภาพอากาศและผลผลิตได้จริง และสิ่งใดที่มีแนวโน้มที่จะทำให้มันลดลง” Mittu กล่าว “คุณสามารถแก้ไขสิ่งเหล่านั้นไปพร้อมกันได้ เพื่อให้แน่ใจว่าพนักงานของคุณมีความสุข [ที่] พวกเขากำลังเติบโต และคุณจะเห็นได้จากผลลัพธ์ที่จับต้องได้ที่พวกเขาสร้างขึ้น แทนที่จะเรียนรู้มันในตอนท้ายเมื่อพวกเขากำลังจะออกไป และมันก็สายเกินไปที่จะทำอะไรเพื่อนำมันกลับมาหรือเก็บไว้ต่อไป ฉันคิดว่าสิ่งเหล่านี้เป็นสิ่งที่เราควรจะพิจารณา”
ในขณะที่ฝ่ายบริหารของทรัมป์ได้มองหาวิธีที่จะก้าวนำหน้าผลกระทบของ AI ที่มีต่อพนักงาน โดยเริ่มความพยายามในการปรับปรุงทักษะพนักงานของรัฐบาลกลางและทำงานบนกรอบจริยธรรมสำหรับการใช้ AI ของรัฐบาล Mittu กล่าวว่าการขาดข้อมูลที่มีคุณภาพโดยทั่วไปยังคงเป็นความท้าทายพื้นฐานสำหรับ ความโปร่งใสและความสามารถในการอธิบายของ AI ที่มากขึ้น
“เราไม่ได้ควบคุมข้อมูลของเราเอง เรากำลังเชื่อมต่อกับระบบที่ให้ข้อมูลที่เราไม่จำเป็นต้องเป็นเจ้าของ เราอาจเป็นเพียงผู้กลืนกินข้อมูล” เขากล่าว “ดังนั้น ฉันคิดว่าจากมุมมองนั้น มันยากมากที่จะเข้าใจเชื้อสายของข้อมูลนั้น มันมาจากไหน? ใครเป็นผู้สร้างข้อมูลและกระบวนการใดที่ดำเนินการกับข้อมูลนั้น ก่อนที่ข้อมูลจะมาถึงคุณ ฉันคิดว่ามันเป็นปัญหาของการควบคุม [และ] การจัดการ ซึ่งยิ่งคุณมีการควบคุมและจัดการข้อมูลน้อยลง คุณก็ไม่รู้จริงๆ ว่ามันหลอมรวมเข้าด้วยกันได้อย่างไร และถูกรวมเข้าด้วยกันเพื่อให้ส่วนนั้นแก่คุณในการฝึก [อัลกอริทึม] ”
Credit : สล็อตยูฟ่าเว็บตรง
