利用人工智能实现下一代战术优势

在不断发展的现代战争中，人工智能（AI）在塑造未来军事行动中的作用不容低估。随着空间的复杂性不断升级，人工智能加速空间的出现，由战术边缘的先进数据处理能力所支持，已经成为确保使命成功的关键。随着战争速度的提高，我们必须认识到基于边缘的计算技术对于提高决策速度至关重要。

关于人工智能，以美国举例，美国国防部（DoD）首席数字和人工智能办公室强调，确保数据、分析和人工智能功能在整个国防部企业中都是可访问的，以支持各种任务。这些举措将侧重于利用使命分析来推动决策行为，并确保数据驱动的能力从五角大楼到战场都是可以理解和使用的。

将AI和ML（机器学习）与大型语言模型（LLM）和多模态大型语言模型（MLLM）集成在一起，是军事行动向前迈出的重要一步。在收集点对来自各种传感器的数据进行真实的实时处理和分析的能力，使指挥官能够立即获得洞察力，从而做出迅速而明智的决策。当今的行动需要及时和准确的数据，以支持在冲突日益加剧的情况下做出关键的决策。这种基于边缘的方法在拒绝、中断、间歇和受限（DDIL）环境中至关重要，在DDIL环境中，传统的通信渠道和云环境可能会受到损害或阻塞。

DDIL环境中数据丰富的处理解决方案的重要性怎么强调都不过分。这些环境需要能够处理复杂数据处理任务的系统，而无需持续的云连接。未来的解决方案需要在战术边缘提供数据中心性能和灵活的计算和网络功能。

虽然美国陆军受益于显著的带宽和存储能力，但设备生态系统继续呈指数级增长，有时包括间歇性断开通信网络的现场设备。其结果是：这些通信资源在外地行动中可能变得稀缺。部署的系统，特别是在偏远地区，经常受到连接不足的影响，需要在边缘提供丰富的数据处理解决方案，以确保人员能够在DDIL环境中有效地操作，在这种环境中，传统的通信和导航系统可能无法使用。

任务，特别是涉及AI、ML和视频分析的任务，需要专用的图形处理单元（GPU）。专门的GPU设计可有效处理计算密集型任务。例如，GPU擅长以速度和精度处理大量数据，这对于AI和ML算法有效运行至关重要。GPU的专用架构使其能够比传统CPU更快地执行复杂计算。

此外，这些任务的成功往往取决于快速准确地处理和分析数据的能力。GPU通过提供快速数据处理所需的计算能力为这些目标做出了巨大贡献，这在需要实时数据分析的场景中尤为关键。利用专用GPU的功能意味着执行任务的人员可以在AI、ML和视频分析工作中实现更高的效率、更好的性能和更准确的结果。

总而言之：人工智能和机器学习在断开的边缘环境中发挥着至关重要的作用，在这些环境中，与集中式命令的通信可能会受到损害或延迟。在边缘实施人工智能和机器学习功能，使军事领导人能够通过将传感器数据真实的转化为决策来提高作战效率。这一举措反过来又导致决策速度和相关的使命效果的提高，从而提高总体使命准备。

原文始发于微信公众号（StaticCodeAnalysis）：利用人工智能实现下一代战术优势