AI和机器学习，海岸警卫队可能的力量倍增器
人工智能（AI）和机器学习（ML）：提及这两个术语，当您查看自己喜欢的在线新闻网站时，听众可能会立即想到显示的广告。这是AI / ML的一个版本。鉴于今天AI和ML研究的现状，这些先进的数学技术代表了美国海岸警卫队应该探索的任务应用。为此，需要创建常见定义，理解挑战并检查实际用例。
在私人工业和医学的应用中已经证明，AI / ML技术可以在预测分析中获益。一个例子是使用AI来增强放射学载玻片的准确初步诊断;在零售领域，人工智能已经由亚马逊通过客户智能进行了演示。有没有想过为什么在网上购物时会提供购买商品的其他建议？这种新的销售策略是这些先进数学技术形式的实际应用。
然而，为了呈现平衡的观点，使用AI / ML可能存在重大挑战，这是不容忽视的。 Michael Chui，James Manyika和Mehdi Miremadi在2018年1月麦肯锡季刊撰写的一篇文章中强调了一个挑战。注意到文章“复杂的是，大量数据集很难获得或创建许多业务用例。”另一个可能的挑战可能是数据的“质量”。它有多准确？第三个挑战可能是将有意义的研究转变为实际应用并开发所有新的培训应用程序以构建“实践”操作员的能力。
海岸警卫队的主要战略文件之一提供了探索如何使用AI / ML的指南。从2018-2022战略计划：
“如果得到适当的利用，我们个人和职业生涯中技术的迅速发展为海岸警卫队提供了改变游戏规则的机会。为了充分了解新兴技术对海岸警卫队运营的潜在影响，我们将：评估新兴技术，如无人平台，数据分析，区块链加密，人工智能，机器学习，网络协议，信息存储和人机协作可能用于任务执行。“这个简单的陈述强调了探索可能的应用程序的重要性。
要开始了解应用程序，需要定义和上下文。 1959年，研究人员亚瑟·塞缪尔认为计算机可能“为自己学习”。34年后，随着“人工智能”的讨论，这项计划于1995年由达特茅斯学院的约翰麦卡锡博士发起。这些操作为定义创建了一个框架。此外，2016年12月6日，由伯纳德·马尔撰写的“福布斯”杂志撰写的文章称，“人工智能是一种更广泛的机器概念，能够以我们认为”聪明“的方式执行任务。”继续Marr，“机器学习是人工智能的当前应用，其基础是我们应该真正能够提供机器数据并让他们自己学习。“你看到这两个术语之间的区别吗？
表面上看起来很简单。
©ryzhi / Adobe Stock
探索AI / ML可用于决策的方式的需求信号在美国和世界各地都处于高潮。美国及其盟国与中国和俄罗斯就如何使用人工智能进行“智力军备竞赛”。 2018年，国防部（DoD）创建了联合人工智能中心，该中心利用了广泛的主题专家，并与学术界，工业界和其他联邦合作伙伴建立了合作关系。还发布了一项新的国防部人工智能战略，题为“利用人工智能促进我们的安全和繁荣”。
该战略的摘要前言指出，“人工智能正在迅速改变各种各样的企业和行业。它还准备改变未来战场的特征和我们必须面对的威胁的步伐。“该战略进一步强调，人工智能与海岸警卫队在不同任务中的研究，分析和应用必须作为一个团队来看待体育......伙伴关系是关键。
该战略的总结继续说：“我们不能独自成功;这项工作需要政府人员的技能和承诺，与学术界和/或商业部门的非传统创新中心的密切合作，以及国际盟友和合作伙伴之间的强大凝聚力。我们必须向他人学习，帮助我们充分了解人工智能的潜力，我们必须根据法律和我们的价值观负责任地开发和使用这些强大的技术。“国防部强调的合作与伙伴关系的类型战略对于海岸警卫队在AI / ML技术的开发和应用方面的成功同样必不可少。但是，如何在一系列任务中探索AI / ML应用的可能性？
作者建议初步探索以下四个任务领域：
（1）海上安全检查和港口国控制登机：使用多年前检查的数据，应用的AI / ML方法可能会形成一个精确的过程，决策者可以与情报和风险模型一起考虑。随着战术工作的完善，AI / ML应用程序可能会增强分析工作。
（2）搜救计划和执行：海岸警卫队采用非常复杂的SAR规划模型。它的搜索和救援最优规划系统有一些能够查看行动过程开发的能力......但如果这些先进的数学技术可用于根据过去的成功改进搜索模式并帮助决策者考虑最佳资产组合呢？
（3）溢油应急反应：早在1998年，Miroslav Kubat，Robert Holte和Stan Matwin发表了文章“用于检测卫星雷达图像中的漏油的机器学习”，该文章讨论了使用AI / ML应用程序的想法。支持对漏油事件的回应。如今，特别是在深水地平线活动之后，需要尽可能多地了解泄漏并分析其未来的运动，以及如何最好地将资产从无人驾驶飞行器部署到Vessels of Opportunity可能是一个主动的AI / ML应用程序。 2014年发表在“抽象与应用分析”杂志上的研究分析了以群体无人机为起点的造油溢油检测模型。
（4）执法行动：这项任务的计划既审慎又受各种因素的指导，其关键是可操作的情报。例如，在特遣部队的战术控制下的海岸警卫队部队可能会从这种类型的分析中受益，以影响最终的游戏操作。 AI / ML应用可能是一个真正的好处，可能将船载传感器与海上巡逻艇和其他国家资产整合在一起，将我们的拦截终端资产放在正确的位置。
从使用人工智能检测信用卡使用中的欺诈到应用机器学习来帮助医生解释放射图像，这些先进的数学技术正在对一系列专业及其要求产生影响。建议将这四个特定的海岸警卫队任务区域用于探索AI / ML的应用。作者认为，使用这些先进技术可能会对USCG政策制定，培训，锻炼行为，计划和任务执行产生影响。作为一个国家，我们刚刚开始看到这些先进的数学技术在生活的许多方面的力量 - 通过定位海岸警卫队利用它们，最终结果可能是帮助决策者帮助完成任务的产品。
本文中包含的观点均为作者的观点，并不代表美国海岸警卫队的官方立场。
关于作者： Joe DiRenzo博士是美国海岸警卫队研究与发展中心的研究伙伴关系主任。他是该服务的AI / ML项目的前项目经理，该项目涉及救灾计划，一名退休的USCG官员和前切割指挥官。他经常为Maritime Reporter and Engineering News和Maritime Technology Reporter撰稿。
第10届年度海事风险研讨会定于2019年11月13日至15日在纽约纽约州立大学海事处举行。
www.sunymaritime.edu/MRS2019
