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 romfarts- og sikkerhetsforetak som sysselsetter rundt 83 000 mennesker verden over. Deres produkter og tjenester dekker luft-, land- og sjøstyrker, samt avanserte elektroniske systemer, sikkerhet, informasjonsteknologi og støttetjenester.

Hva var det som opprinnelig tiltalte deg personlig til AI og robotikk?

Jeg har alltid vært interessert i å forbedre evnen til etterretninganalytikere til å være mer effektive i deres oppdrag, enten det er gjennom fagutvikling eller teknologi. Med en bakgrunn i etterretningsanalyse selv, har jeg fokusert min karriere på å lukke gapet mellom innsamling av etterretningdata og beslutningstaking.

I august 2019 BAE Systems kunngjorde et samarbeid med UiPath, for å lansere Robotic Operations Center (PATH ) som vil bringe automatisering og maskinlæringsevner til USAs forsvars- og etterretningssamfunn. Kan du beskrive dette samarbeidet?

Demokratisering av AI for våre 2 000+ etterretninganalytikere er en viktig drivkraft for BAE Systems Intelligence & Security-sektorens Advanced Analytics Lab. Ved å bruke Robotic Process Automation (RPA)-verktøy som UiPath kan vi raskt forbedre våre analytikere med tilpassede opplæringskurs og fagfellesskap (som Robotic Operations Center), og drive frem økt effektivitet og effekt. Analytikere uten programmeringsbakgrunn kan bygge automatiseringsmodeller eller “bots” for å håndtere repetitive oppgaver.

Hvordan vil botene fra Robotic Operations Center bli brukt til å bekjempe cyberkriminalitet?

Det er et stort behov for å bruke AI til ekstern trusseldatainnsamling for cybertrendanalyse. På RSA 2020 samarbeidet vi med Dell for å vise frem deres AI-klar bunke for maskinlæring, som inkluderer NVIDIA-GPU-er, biblioteker og rammer, og administrasjonsprogramvare i en komplett løsningsstak. Vi viste menneske-maskin-samarbeid ved å gå gjennom en objektgjenkjenningmodell til å filtere offentlig tilgjengelig data for å identifisere fysiske trusselhotspots, som kan utløse cyberkriminalitet.

Store hav av store data vil bli samlet inn for å trene de neurale nettverkene som brukes av botene. Hva er noen av datasettene som vil bli samlet inn?

BAE Systems ble nylig tildelt hærens åpne kildeetterretning-kontrakt, som er ansvarlig for å integrere store dataevner i vårt sikre skyhosting-miljø.

Kan du beskrive noen av de nåværende dype læringsmetodene som arbeides med i BAE Systems?

Noen av de dype læringsmetodene vi arbeider med er Bevegelsesbilder, Humanitær katastrofehjelp og COVID-19.

Tror du at objektgjenkjenning og klassifisering fortsatt er et problem når det gjelder objekter som bare er delvis synlige eller skjult av andre objekter?

Datamaskinmodeller for syn er mindre effektive når de er delvis skjult, men for nasjonale oppdragsinitiativer som grunnleggende militær etterretning kan selv høye feilpositive rater fortsatt støtte beslutningsfordel.

Hva er noen av de andre utfordringene som møter datamaskin-syn?

Datamerking er en utfordring. Vi har samarbeidet med flere datamerke-selskaper for å merke uklassifisert data, men for klassifisert data bruker vi vårt etterretninganalytiker-arbeidsstyrke for å støtte disse CV-trening-initiativene, og denne arbeidsstyrken er en begrenset ressurs.

Takk for denne intervjuet. For alle som ønsker å lære mer kan de besøke BAE Systems.