Доктор Дон ВідENER, технічний директор лабораторії передових аналітичних технологій BAE Systems – Серія інтерв’ю

Дон ВідENER є технічним директором лабораторії передових аналітичних технологій BAE Systems та портфеля аналізу розвідки, спостереження та рекогностування (ISR).

BAE Systems – це глобальна компанія оборони, аерокосмічної та безпеки промисловості, яка займає близько 83 000 людей 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 пов’язано з розвитком професійної майстерності чи технологій. З власним досвідом роботи в галузі 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, щоб запустити Центр роботизованих операцій, 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 передових аналітичних технологій сектору розвідки та безпеки 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 (наприклад, Центру роботизованих операцій), що призведе до підвищення ефективності та результативності. Аналітики без програмної основи можуть створювати моделі автоматизації чи “боти” для виконання повторюваних завдань.

Як боти з Центру роботизованих операцій будуть використовуватися для боротьби з кіберзлочинністю?

Існує велика потреба у застосуванні штучного інтелекту для збору зовнішніх даних про загрози для аналізу кіберзагроз. На RSA 2020 ми партнерували з Dell, щоб продемонструвати їхній пакет AI Ready для машинного навчання, який включає NVIDIA GPU, 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 великі масиви даних будуть зібрані для навчання нейронних мереж, використовуваних ботами?

BAE Systems нещодавно отримала контракт армії США на відкриті джерела розвідки (OSINT), відповідальну за інтеграцію можливостей великих даних у нашій безпечній хмарній середовищі.

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

Деякі з методологій глибокого навчання, над якими ми працюємо, включають рухому зображення, гуманітарне надання допомоги при стихійних лихах та COVID-19.

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

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

Які інші виклики стоять перед комп’ютерним зором?

Маркування даних є викликом. 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, можете відвідати BAE Systems.