Доктор Дон ВидENER, Технический Директор Лаборатории Продвинутого Анализа BAE Systems – Серия Интервью

Дон ВидENER является Техническим Директором Лаборатории Продвинутого Анализа BAE Systems и Портфеля Анализа Разведки, Надзора и Разведки (ISR).

BAE Systems – это глобальная оборонная, аэрокосмическая и безопасная компания, котораяemploys около 83 000 человек во всем мире. Их широкий спектр продуктов и услуг охватывает авиацию, наземные и морские силы, а также передовые электронные, безопасные, информационные технологии и услуги поддержки.

Что именно изначально привлекло вас лично к ИИ и робототехнике?

Я всегда был заинтересован в том, чтобы повысить эффективность аналитиков разведки в их миссии, будь то через развитие торговли или технологии. С фоном в разведывательном анализе я сосредоточил свою карьеру на сокращении разрыва между сбором разведывательных данных и принятием решений.

В августе 2019 года BAE Systems объявила о партнерстве с UiPath (PATH ), чтобы запустить Центр Роботизированных Операций, который принесет возможности автоматизации и машинного обучения в оборонные и разведывательные сообщества США. Можете ли вы описать это партнерство?

Демократизация ИИ для наших 2000+ аналитиков разведки является основным стимулом для Лаборатории Продвинутого Анализа сектора разведки и безопасности BAE Systems. Используя инструменты автоматизации роботизированных процессов (RPA), такие как UiPath, мы можем быстро повысить эффективность наших аналитиков с помощью индивидуальных курсов обучения и сообществ практики (например, Центра Роботизированных Операций), что приведет к повышению эффективности и результативности. Аналитики без программной основы могут создавать модели автоматизации или “боты” для решения повторяющихся задач.

Как боты из Центра Роботизированных Операций будут использоваться для борьбы с киберпреступностью?

Существует большая потребность в применении ИИ к внешним данным угроз для анализа киберугроз. На RSA 2020 мы сотрудничали с Dell, чтобы продемонстрировать их пакет ИИ Ready для машинного обучения, который включает в себя NVIDIA GPU, библиотеки и фреймворки, а также программное обеспечение управления в полном решении. Мы продемонстрировали командную работу человека и машины, пройдя с посетителями конференции через создание модели обнаружения объектов, используемой для фильтрации публично доступных данных для выявления физических горячих точек угроз, которые могут спровоцировать киберпреступность.

Какие наборы данных будут собраны для обучения нейронных сетей, используемых ботами?

BAE Systems недавно получила контракт Армии США на открытое разведывательное обеспечение (OSINT), ответственное за интеграцию возможностей больших данных в нашу безопасную среду облачного хостинга.

Можете ли вы описать некоторые из текущих методов глубокого обучения, над которыми работаете в BAE Systems?

Некоторые из методов глубокого обучения, над которыми мы работаем, – это Изображения в движении, Помощь при стихийных бедствиях и COVID-19.

Считаете ли вы, что обнаружение объектов и их классификация все еще является проблемой, когда речь идет об объектах, которые частично видны или скрыты другими объектами?

Модели компьютерного зрения менее эффективны, когда объекты частично скрыты, но для национальных инициатив, таких как Основная Военная Разведка, даже высокие показатели ложных положительных результатов все еще могут поддерживать принятие решений.

Какие еще проблемы стоят перед компьютерным зрением?

Маркировка данных является проблемой. Мы сотрудничаем с несколькими компаниями по маркировке данных для маркировки не классифицированных данных, но для классифицированных данных мы используем нашу разведывательную аналитическую рабочую силу для поддержки этих инициатив по обучению компьютерного зрения, и эта рабочая сила является ограниченным ресурсом.

Благодарим за это интервью. Для тех, кто хочет узнать больше, можно посетить BAE Systems.