Доктор Дон Віденер, технічний директор лабораторії Advanced Analytics Lab компанії BAE Systems – Серія інтерв’ю

Дон Віденер є технічним директором лабораторії Advanced Analytics Lab компанії BAE Systems та портфеля аналізу розвідки, спостереження та рекогностування (ISR).

BAE Systems – це глобальна компанія оборонної, аерокосмічної та безпеки промисловості, яка займає близько 83 000 осіб у світі. Їх широкий спектр продукції та послуг охоплює повітряні, наземні та морські сили, а також передові електронні, безпекові, інформаційні технології та сервісні послуги.

Що спочатку привернуло вашу особисту увагу до штучного інтелекту та робототехніки?

Я завжди був зацікавлений у підвищенні ефективності роботи аналітиків розвідки, незалежно від того, чи це відбувається через розвиток професійних навичок чи технологій. Зважаючи на мій особистий досвід у сфері аналізу розвідки, я зосередив свою кар’єру на скороченні розриву між збором даних розвідки та процесом прийняття рішень.

У серпні 2019 року BAE Systems оголосила про партнерство з UiPath для запуску Роботизованого операційного центру (PATH ), який надасть можливості автоматизації та машинного навчання для оборонної та розвідувальної спільноти США. Чи можете ви описати це партнерство?

Демократизація штучного інтелекту для наших 2000+ аналітиків розвідки є основним стимулом для лабораторії Advanced Analytics Lab сектору розвідки та безпеки компанії BAE Systems. За допомогою інструментів автоматизації роботизованих процесів (RPA), таких як UiPath, ми можемо швидко підвищити ефективність наших аналітиків за допомогою спеціальних навчальних курсів та спільнот практиків (як Роботизований операційний центр), що призведе до підвищення ефективності та продуктивності. Аналітики без програмних знань можуть створювати моделі автоматизації або “боти” для виконання повторюваних завдань.

Як боти з Роботизованого операційного центру будуть використовуватися для боротьби з кіберзлочинністю?

Існує велика потреба у застосуванні штучного інтелекту для збору зовнішніх даних про загрози для аналізу кіберзлочинності. На конференції RSA 2020 ми партнерували з Dell, щоб продемонструвати їхній пакет AI Ready для машинного навчання, який включає графічні процесори NVIDIA (NVDA ), бібліотеки та фреймворки, а також програмне забезпечення для управління в повному рішенні. Ми продемонстрували командну роботу людини та машини, пройшовши з відвідувачами конференції процес створення моделі виявлення об’єктів для фільтрації публічно доступних даних для ідентифікації фізичних гарячих точок загроз, які можуть спровокувати кіберзлочинність.

Які дані будуть зібрані для навчання нейронних мереж, які будуть використовуватися ботами?

Компанія BAE Systems недавно отримала контракт Армії США на відкриту розвідку (OSINT), який передбачає інтеграцію можливостей великих даних у нашому безпечному хмарному середовищі.

Чи можете ви описати деякі з поточних методологій глибокого навчання, над якими працює компанія BAE Systems?

Деякі з методологій глибокого навчання, над якими ми працюємо, включають рухомі зображення, гуманітарну допомогу під час стихійних лих та COVID-19.

Чи вважаєте ви, що виявлення об’єктів та їх класифікація все ще є проблемою, коли об’єкти лише частково видимі або перекриті іншими об’єктами?

Моделі комп’ютерного зору менш ефективні, коли об’єкти частково перекриті, але навіть для національних ініціатив, таких як Основна військова розвідка, високі показники хибних позитивних результатів все одно можуть забезпечити перевагу у прийнятті рішень.

Які інші виклики стоять перед комп’ютерним зором?

Одним з викликів є маркування даних. Ми партнерували з кількома компаніями з маркування даних для маркування некласифікованих даних, але для класифікованих даних ми використовуємо нашу робочу силу аналітиків розвідки для підтримки цих ініціатив з навчання комп’ютерного зору, і ця робоча сила є обмеженим ресурсом.

Дякую за цей інтерв’ю. Для тих, хто бажає дізнатися більше, вони можуть відвідати веб-сайт компанії BAE Systems.