دمج الذكاء الاصطناعي في نظام الذكاء الأمريكي: تحليل للوضع الحالي للذكاء الاصطناعي الذي يعزز الذكاء الجغرافي المكاني

يعتقد نظام الولايات المتحدة ونظام الجغرافي المكاني أن الذكاء الاصطناعي يمكن أن يكون له تأثير على تحليل المهام المكثفة للإنسان ، وتحديد الهدف ، وأتمتة المهام ، والتدريب على وكيل الذكاء الجيولوجي ، والبحث المنهجي لتعزيز تكنولوجيا الذكاء.

بدأت الوكالة الوطنية للتصوير والخرائط (NIMA) ، سلف الوكالة الوطنية للتكتل الجغرافي المكاني (NGA) ، في البحث عن حلول الذكاء الاصطناعي في الذكاء في وقت مبكر جدًا.تُظهر أبحاث NIMA أن إنشاء وعي دقيق وفي الوقت المناسب أمر بالغ الأهمية أثناء تنفيذ المهمة.يمكن للذكاء الاصطناعي دمج المعلومات المتاحة للمنطقة المستهدفة في خريطة الموقف ، وإنشاء صور ثنائية أو ثلاثية الأبعاد وتحقيق بناء صورة تشغيل ديناميكية مشتركة (COP).

بالإضافة إلى ذلك ، ترتبط العديد من مشاريع الذكاء الاصطناعي في وكالة المشاريع البحثي المتقدمة للدفاع (DARPA) ارتباطًا وثيقًا بالتعرف التلقائي على الهدف والتحليل الهدف الجغرافي المكاني.أصدرت DARPA برنامج التعرف على الهدف المتحرك في يوليو 2020. والغرض منه هو حل مشكلة استخدام رادار الفتحة الاصطناعية (SAR) لاكتشاف الأهداف المتحركة الأرضية وتصويرها من خلال تطوير خوارزميات المعالجة وتقنيات التجميع.يعد مشروع التعرف على الهدف المتحرك هو مشروع مهم لمكتب التكنولوجيا الاستراتيجية للوكالة ، والأهمية في المشروع تأتي من رؤية حرب الفسيفساء بالوكالة.

الكشف عن التغيير هو تطبيق آخر رائع للذكاء الاصطناعي في الذكاء الجيولوجي.

تقليديًا ، يعد تفسير وتحليل صور الأقمار الصناعية للأهداف العالمية المرسلة كل يوم وتوليد تقارير الذكاء هو العمل اليومي الأساسي لمحللي صور NGA ، والذي يتطلب عادةً الكثير من الموارد البشرية.ولكن من خلال التعلم من الأنماط التاريخية ، والاتجاهات الحالية والعوامل الديناميكية مثل الطقس والسلوك العدائي ، يمكن لمنظمة العفو الدولية تحسين القدرة على التنبؤ بالسلوك المستهدف ، والمساعدة في تحديد الأساليب والمواقع الأنسب لنشر الأصول للمراقبة.

بمعنى آخر ، بالنسبة للأهداف الثابتة مثل المرافق العسكرية والصناعية في البلد المستهدف ، من خلال تحسين خوارزمية الكشف عن تغيير الذكاء الاصطناعي ، يمكن للجهاز إكمال معظم أعمال المراقبة والفحص بشكل مستقلالكائنات المستهدفة ، وتحديد الأنشطة غير الطبيعية ، ومراقبة التغييرات في المرافق المستهدفة ، وأخيراً تحقيق الإنذار المبكر التلقائي بناءً على الصور.

في الوقت الحاضر ، تم تطوير البرنامج المستخدم لمساعدة تحليل الصور من وظائف التصحيح والتخزين والتسمية إلى برامج التفسير الذكي التي يمكنها تحديد عدد كبير من الصور واكتشافها بسرعة.

في مواجهة بيانات الصورة من غير متجانسة ومتعددة المنصات ، تحتاج وكالات الاستخبارات إلى استثمار الكثير من الموارد في المعالجة والتحليل.ومع ذلك ، يمكن لبرنامج تحليل الصور الآلي على أحدث طراز يجمع بين مجموعات البيانات المختلفة من مقدمي الخدمات المختلفين ، بما في ذلك سمات مثل القرارات المختلفة وأنظمة الإحداثيات والنطاقات الطيفية المتعددة.

ومع ذلك ، في الوقت الذي لم يكن فيه تطوير تكنولوجيا الذكاء الاصطناعي مثاليًا بعد ، لا يزال وضع الذكاء الاصطناعي في الذكاء الجيولوجي أمرًا مثيرًا للجدل.لا توجد طريقة دقيقة لحل مشكلة التناقض بين نتائج الذكاء الاصطناعي وتحليل المحللين.لذلك ، فإن تعميق استخراج البيانات ، والتعرف التلقائي وتصور البيانات وغيرها من وسائل تعزيز الذكاء التحليل الإضافي هو الاتجاه الرئيسي للتطوير للذكاء الاصطناعي في مجال الذكاء الجغرافي المكاني.