Dr. Don Widener, Teknisk Direktør for BAE Systems’ Advanced Analytics Lab – Intervju-serie

Don Widener er Teknisk Direktør for BAE Systems’ Advanced Analytics Lab og Intelligence, Surveillance & Reconnaissance (ISR) Analysis Portfolio.

BAE Systems er et globalt forsvars-, luft- og sikkerhedsfirma, der beskæftiger omkring 83.000 mennesker verden over. Deres bredt udvalg af produkter og tjenester dækker luft-, land- og søstyrker samt avancerede elektronik, sikkerhed, informationsteknologi og supporttjenester.

Hvad var det, der oprindeligt tiltrak dig personligt til AI og robotteknologi?

Jeg har altid været interesseret i at forbedre evnen hos efterretningsanalytikere til at være mere effektive i deres mission, enten gennem udvikling af handelsfærdigheder eller teknologi. Med en baggrund som efterretningsanalytiker selv, har jeg fokuseret min karriere på at lukke gapet mellem efterretningsdataindsamling og beslutningstagning.

I august 2019 annoncerede BAE Systems et samarbejde med UiPath (PATH ) for at lancere Robotic Operations Center, der vil bringe automatiserings- og maskinelæringsfunktioner til USAs forsvars- og efterretningsmiljø. Kan du beskrive dette samarbejde?

At demokratisere AI for vores 2.000+ efterretningsanalytikere er en primær driver for BAE Systems Intelligence & Security-sektorens Advanced Analytics Lab. Ved at bruge Robotic Process Automation (RPA)-værktøjer som UiPath kan vi hurtigt forbedre vores analytikere med tilpassede træningskurser og fællesskaber (som Robotic Operations Center), hvilket driver effektivitets- og effektniveauer. Analytikere uden programmeringsbaggrund kan bygge automatiseringsmodeller eller “bots” til at løse repetitive opgaver.

Hvordan vil “botterne” fra Robotic Operations Center blive brugt til at bekæmpe cyberkriminalitet?

Der er et stort behov for at anvende AI til ekstern trusselformationsindsamling til cybertrusselsanalyse. Ved RSA 2020 samarbejdede vi med Dell om at præsentere deres AI Ready Bundle for Machine Learning, som inkluderer NVIDIA GPUs, biblioteker og rammer samt administrationssoftware i en komplet løsning. Vi præsenterede menneske-maskin-samarbejde ved at føre konferencedeltagere gennem en objektdetektionsmodeloprettelse, der blev brugt til at filtrere offentligt tilgængelige data for at identificere fysiske trusselformationshotspots, som kan udløse cyberkriminalitet.

Store mængder af big data vil blive indsamlet for at træne de neurale netværk, der bruges af “botterne”. Hvad er nogle af de datasæt, der vil blive indsamlet?

BAE Systems blev nylig tildelt hærens Open Source Intelligence (OSINT)-kontrakt, der er ansvarlig for at integrere big data-funktioner i vores sikre cloud-hostingmiljø.

Kan du beskrive nogle af de nuværende dybe læringsmetoder, der arbejdes på ved BAE Systems?

Nogle af de dybe læringsmetoder, vi arbejder på, er Motion Imagery, Humanitarian Disaster Relief og COVID-19.

Tror du, at objektdetektion og -klassificering stadig er et problem, når det kommer til objekter, der kun er delvist synlige eller skjult af andre objekter?

Computer vision-modeller er mindre effektive, når de er delvist skjult, men for nationale mission-initiativer som Foundational Military Intelligence kan selv høje falske positive rater stadig støtte beslutningsfordelen.

Hvad er nogle af de andre udfordringer, der står over for computer vision?

Data-mærkning er en udfordring. Vi har samarbejdet med flere data-mærkningsfirmaer til at mærke uklassificerede data, men for klassificerede data bruger vi vores efterretningsanalytiker-arbejdskraft til at støtte disse CV-træningsinitiativer, og denne arbejdskraft er en begrænset ressource.

Tak for denne interview. For alle, der ønsker at lære mere, kan de besøge BAE Systems.