2022年5月9日，蘭德公司網(wǎng)站發(fā)布報(bào)告，題為《Leveraging Machine Learning for Operation Assessment》，作者是丹尼爾·埃蓋爾（資深經(jīng)濟(jì)學(xué)家）和瑞恩·安德魯·布朗（資深行為/社會(huì)學(xué)家、帕地蘭德研究生院教授）等6人。報(bào)告要點(diǎn)如下：
研究的問(wèn)題
本報(bào)告研究的問(wèn)題是：如何利用機(jī)器學(xué)習(xí)（ML）工具將現(xiàn)有的情報(bào)報(bào)告、作戰(zhàn)報(bào)告和環(huán)境數(shù)據(jù)（例如社交媒體、傳統(tǒng)媒體）整合到戰(zhàn)爭(zhēng)作戰(zhàn)層次的評(píng)估之中？
作者描述了一種利用機(jī)器學(xué)習(xí)來(lái)支持軍事行動(dòng)評(píng)估的方法。他們展示了如何使用機(jī)器學(xué)習(xí)從情報(bào)報(bào)告、作戰(zhàn)報(bào)告以及傳統(tǒng)和社交媒體中可用的非結(jié)構(gòu)化文本中快速、系統(tǒng)地提取與評(píng)估相關(guān)的見(jiàn)解。這些數(shù)據(jù)已由作戰(zhàn)級(jí)總部收集，通常是有關(guān)當(dāng)?shù)厝丝谝约皵撤胶突锇椴筷?duì)最佳的可用信息來(lái)源，但很少包括在評(píng)估之中，因?yàn)槠浣Y(jié)構(gòu)不易于分析。本報(bào)告描述的機(jī)器學(xué)習(xí)方法有助于克服這一挑戰(zhàn)。
本報(bào)告描述的方法（作者使用最近結(jié)束的針對(duì)“圣主抵抗軍”的戰(zhàn)役進(jìn)行了說(shuō)明）使評(píng)估團(tuán)隊(duì)能為指揮官提供關(guān)于戰(zhàn)役的近乎實(shí)時(shí)、客觀且具有統(tǒng)計(jì)意義的見(jiàn)解。這種機(jī)器學(xué)習(xí)方法在只有有限或沒(méi)有特定評(píng)估數(shù)據(jù)時(shí)可能特別有益，這在資源有限或被拒止地區(qū)的活動(dòng)中很常見(jiàn)。機(jī)器學(xué)習(xí)的這種應(yīng)用對(duì)于大多數(shù)評(píng)估團(tuán)隊(duì)來(lái)說(shuō)應(yīng)該是可行的，并且可以通過(guò)預(yù)先授權(quán)在美國(guó)國(guó)防部系統(tǒng)上使用公開(kāi)和免費(fèi)提供的機(jī)器學(xué)習(xí)工具來(lái)實(shí)施。
重要發(fā)現(xiàn)
機(jī)器學(xué)習(xí)可以成為支持作戰(zhàn)評(píng)估的強(qiáng)大工具
• 作戰(zhàn)級(jí)總部已經(jīng)收集的數(shù)據(jù)（情報(bào)報(bào)告、作戰(zhàn)報(bào)告和環(huán)境數(shù)據(jù)（社交媒體和傳統(tǒng)媒體））通常是關(guān)于敵方和伙伴部隊(duì)以及當(dāng)?shù)厝丝谧罴训目捎眯畔㈩愋汀Ｈ欢?，它們很少被整合到評(píng)估之中，因?yàn)樗鼈兺ǔ＃海?）被認(rèn)為不夠客觀，（2）無(wú)法以易于分析的結(jié)構(gòu)化格式提供，以及（3）數(shù)量眾多，需要付出一些努力才能獲得并進(jìn)行組織。
• 機(jī)器學(xué)習(xí)工具可以快速攝取和解釋大量非結(jié)構(gòu)化文本，允許對(duì)這些數(shù)據(jù)進(jìn)行快速、系統(tǒng)和客觀的分析，從而產(chǎn)生客觀并具有統(tǒng)計(jì)意義的洞察。
• 監(jiān)督機(jī)器學(xué)習(xí)（SML）是使用機(jī)器學(xué)習(xí)將這些數(shù)據(jù)整合到評(píng)估過(guò)程之中最簡(jiǎn)單的方法。在SML方法中，評(píng)估團(tuán)隊(duì)首先手動(dòng)分析非結(jié)構(gòu)化文本的子集，然后應(yīng)用ML算法對(duì)剩余數(shù)據(jù)模擬評(píng)估團(tuán)隊(duì)的分析方法。
• 機(jī)器學(xué)習(xí)衍生的數(shù)據(jù)可以為指揮官提供關(guān)于一場(chǎng)戰(zhàn)役近乎實(shí)時(shí)的洞察，每種類型的數(shù)據(jù)（情報(bào)、作戰(zhàn)和環(huán)境）為了解戰(zhàn)役的效果提供了不同的視角。
• ML工具在評(píng)估特定數(shù)據(jù)有限或沒(méi)有特定數(shù)據(jù)的戰(zhàn)役時(shí)特別有用——這在資源有限或區(qū)域拒止的戰(zhàn)役中很常見(jiàn)。
• 這種基于ML的方法對(duì)于大多數(shù)評(píng)估團(tuán)隊(duì)來(lái)說(shuō)應(yīng)該是可行的，并且可以使用免費(fèi)提供的ML工具來(lái)實(shí)施，這些工具經(jīng)預(yù)先授權(quán)可在美國(guó)國(guó)防部的保密系統(tǒng)上使用。
建議
• 在受控演習(xí)中驗(yàn)證本報(bào)告描述的監(jiān)督機(jī)器學(xué)習(xí)方法。
• 探索如何使用無(wú)監(jiān)督機(jī)器學(xué)習(xí)來(lái)為作戰(zhàn)評(píng)估提供信息。
• 適度實(shí)施作戰(zhàn)報(bào)告標(biāo)準(zhǔn)化。
• 改進(jìn)歷史情報(bào)和作戰(zhàn)報(bào)告的歸檔、發(fā)現(xiàn)和提取。
• 擴(kuò)大專業(yè)軍事教育所需的特定評(píng)估討論。 target drone
?