XiaoMi-AI文件搜索系统
World File Search SystemOoda
海上力量中心 - 澳大利亚 - 澳大利亚皇家海军
ADF 澳大利亚国防军 ADHQ 澳大利亚国防总部 ASW 反潜战 CIWS 近距武器系统 DE 决定性效果 DSTO 国防科学技术组织 EBO 基于效果的作战 EE 使能效果 EHF 超高频 ESM 电子支援措施 ET 使能技术或战术 FFG 阿德莱德级导弹护卫舰 FPS 功能性能规范 HQJOC 总部联合作战司令部 HSV 高速船 JTF 联合特遣部队 MEU 任务基本单位 OODA 观察、定位、决策、行动 RAN 澳大利亚皇家海军 R&D 研究与开发 SES 表面效应舰 SHF 超高频 SLOC 海上通信线 SM 潜艇 SURTASS 表面拖曳阵列声纳系统 SWATH 小型水面双体船 UAV 无人驾驶飞行器 UUV 无人驾驶水下航行器 US 美国 USN 美国海军 WWII 第二次世界大战
夜幕：空对空作战中的机器自主性
设计利用了约翰·博伊德的观察、定位、决策、行动 (OODA) 循环和能量机动性结构，将为空对空作战带来新的和无与伦比的杀伤力。报告指出，机器的综合优势应用于任务的性质，将使挑战它的人类居住平台的想法类似于《轻骑兵的冲锋》中描述的不匹配。新技术的融合表明战术上改变游戏规则的空战方法的最早阶段出现，但机构空军似乎持怀疑态度——也许是因为这种空中优势理论是在抵制和对其发展持谨慎态度的环境中开始的。1 迄今为止，尚未开发出针对空战优化的可靠 RPA，国家和服务面临严重的财政紧缩，增加了风险规避。2 此外，一架机器超越世界上最优秀的战斗机飞行员的想法可能会挫败和扰乱传统观念，引发政治争论。
加拿大巡逻护卫舰多源数据融合系统集成优化
自 1991 年以来，洛克希德马丁加拿大公司 (LM Canada) 的研究与开发 (R&D) 小组一直在开发和演示 1、2、3 和 4 级数据融合、资源管理和成像技术，这些技术将为海军和空中指挥与控制 (C2) 提供观察-定位-决策-行动 (OODA) 决策能力/工具，供加拿大巡逻护卫舰 (CPF) 和加拿大 CP-140 (Aurora) 固定翼飞机使用。在过去三年中，LM Canada 与加拿大国防研究机构 Valcartier (DREV) 合作，还建立了一个通用专家系统基础设施，并已证明它适合将这些决策技术集成到实时指挥与控制系统 (CCS) 中。多源数据融合 (MSDF) 技术是这些决策技术中最成熟的，很可能最快集成到目前部署的 CCS 上。在过去的两年中，LM 加拿大研发团队已开始致力于重新构建和优化概念验证 MSDF 算法，以建立一个原型，该原型将准备好集成到现有平台（特别是 CPF）上，并可以在 2000 年底之前执行实时跟踪和识别。这种重组和优化正在分阶段进行。
使用AI：对象检测，预测分析和自主系统
人工智力（AI）的扩散和快速发展正在以前所未有的速度重塑MUL TIDOMAIN操作（MDO）的进攻和防御行动的行为。AI的进步为战士提供了无数的新能力，这些战士曾经被认为是科幻小说。AI正在加速机器速度的数据收集，处理，分析和剥削精度，从而缩短了OODA（观察，东方，决定，ACT，ACT，ACT，ACT，ACT，ACT）循环。AI也是以前主要由人类完成的增强过程。例如，AI可以从多种传感器类型的多个无人飞机系统（UAS）脚上检测感兴趣的对象。大型语言模型（LLM）还可以从不同的平台中综合大数据，例如结合图像，社交媒体帖子和情报报告，以提供对操作环境（OE）的全面概述，以按需使用。AI还可以完全自动化Intelli Gence，监视和侦察（ISR）平台和武器系统。尽管有这些进步，AI在MDO中实施时也带来了无数的技术，道德和法律挑战。本文将讨论这些挑战，并为未来的方式提供建议。
将飞行数据与社交媒体数据融合 - NATO STO
军事决策通常基于信息系统，其中人类参与其中，必须解释来自多个来源的数据。当数据源产生大量数据时，这个过程对人类来说可能非常难以承受。我们研究大数据分析和信息融合技术在多大程度上可用于支持人类处理大量异构数据，并作为 OODA 循环的观察和定位步骤的一部分提高对正在展开的事件的理解。我们的工作重点是融合来自两个非常不同的数据源的数据：来自社交媒体平台 Twitter 的用户生成内容和来自 OpenSky 传感器网络的空中交通管制数据。我们的目标是查找并提供与航空领域相关的事件的详细信息，这些信息同时出现在两个数据源中。挑战在于融合来自飞机通信的准确和明确的数据与 Twitter 中使用的非常广泛和不精确的自然语言。为了弥合这些来源之间的语义鸿沟，我们开发了一种先进的信息融合模型，该模型允许我们使用每个来源作为事件的触发器，同时使用来自另一个来源的信息丰富数据。使用我们几个月来收集的真实数据，我们展示了多个证据表明两个来源相互丰富。这是以自动化方式完成的，但通常会导致更松散和不准确的关系，需要人类进行适当的解释和理解。尽管如此，这种组合增强了理解，因此非常有助于作为决策者评估事件进展并采取相应行动的基础。
泰雷兹与 CEA 合作开发可信生成式人工智能……
泰雷兹安全通信和信息系统业务首席技术官 Bertrand Tavernier 表示：“与 CEA 人工智能团队的此次合作将把他们的研究实力与我们在泰雷兹人工智能加速器的工作结合起来，这将整合集团的技术专长以及对国防和安全领域的深厚了解。我们的客户——政府、武装部队、关键基础设施运营商——需要值得信赖的、自主的生成式人工智能解决方案来完成他们的关键任务。” CEA 列表研究所所长、智能数字系统专家 Alexandre Bounouh 表示：“此次合作建立在 CEA 和泰雷兹长期合作的基础上，并将其扩展到生成式人工智能这一敏感问题，将 CEA 研究团队在人工智能安全和安保方面的专业知识和卓越表现与泰雷兹人工智能加速器在国防和安全战略领域的优势结合起来。它将与我们的合作伙伴以及该领域的所有机构和行业利益相关者一起，支持 CEA 在安全、安保和人工智能方面的使命。 ” 武装部队用例 可以开发生成式人工智能来加速 OODA 指挥循环（观察、定位、决策、行动），并将其应用于整个关键决策链：传感和数据收集、数据传输和存储、数据处理和决策支持。 生成式人工智能将成为用户值得信赖的智能助手，使他们能够轻松高效地与复杂系统对话，以促进和加速人类决策和行动节奏。 例如，对于情报收集，多模态生成式人工智能将能够同时从多个来源（例如网络、社交媒体和战区传感器）提取、处理、关联和解释不同类型的信息，以生成摘要并加速可靠报告的生成。 泰雷兹的人工智能实验室和 CEA 还将专注于联盟内的互操作性。 为了简化联合行动中成员国之间的沟通，值得信赖的生成式人工智能将通过将操作员的意图转化为一系列动作并将技术术语翻译成相关国家语言来促进操作员与复杂系统之间的交互。
思维技术Nexus：思维将如何加上技术...
•2022年5月26日：Stefanie Tompkins博士（国防高级研究计划局[DARPA]主任） - DARPA主任Stefanie Tompkins开启了新的SMA系列赛，上学上的新SMA系列•2022年6月28日：2022年6月28日：Reuven Gal博士（Reuven Gal博士）大西洋委员会；乔治敦大学安全研究兼职教授）和亚伦·弗兰克（Aaron Frank）博士（兰德（Rand）高级信息科学家） - 技术和士兵的战斗意愿 - 我们如何在新时代促进勇气？