C'est là que réside le problème: la surveillance produit un tsunami de données qui ne peuvent pas être analysées assez rapidement sans a) des supercalculateurs et b) une intelligence artificielle. Les technocrates sont dans leur élément. ⁃ Éditeur TN
À l'instar d'autres composantes des services militaires et du département de la Défense, l'armée de l'air se trouve actuellement surchargée de données en continu et se tourne vers l'apprentissage automatique et l'intelligence artificielle pour aider ses analystes à utiliser rapidement toutes ces informations.
Plus précisément, le service cherche à fusionner les technologies multi-intelligence, ou multi-INT, qui peuvent consister en des données de formats multiples, provenant d’aéronefs avec ou sans pilote, de satellites et de stations au sol, ainsi que d’autres sources. Le volume et la variété de ces données peuvent laisser les analystes incapables de tout analyser et aider de manière éclairée à éclairer le processus de prise de décision. Le Laboratoire de recherche de la Force aérienne (AFRL) a donc publié un DEMANDE D'INFORMATION rechercher les commentaires de l'industrie, des universités et d'autres laboratoires gouvernementaux sur les outils applicables disponibles ou en cours de développement.
https://www.youtube.com/watch?v=5UfF121mFiQ
Une surabondance de données n’a rien de nouveau: l’armée de l’air s’est plainte du dangers de la surcharge entraînée par des capteurs depuis les premiers 2000 - mais la nécessité de résoudre le problème devient de plus en plus urgente. La Force aérienne adopte un nouveau paradigme d’exploitation appelé Détecter, identifier, attribuer, partager (SIAS) qui nécessite de nouvelles approches pour exploiter Multi-INT, selon la RFI.
L'armée de l'air Plan de vol de dominance des ISR de nouvelle génération, signé en juillet de cette année, indique que le service «doit disposer de l’architecture et de l’infrastructure permettant l’intelligence artificielle, y compris l’automatisation, l’association homme-machine et, finalement, l’intelligence artificielle», qui définiront les fonctions Intelligence, Surveillance et Reconnaissance du service ( ISR) efforts à venir.
«Les composants technologiques conçus pour prendre en charge SIAS devront ingérer, raisonner et informer les analystes et les autres technologies émergentes conçues pour automatiser les requêtes de base de données ISR et la collecte physique», indique la RFI.
L’armée de l’air est loin d’être la seule à vouloir utiliser l’intelligence artificielle et l’apprentissage automatique pour faire face à l’attaque de données de renseignement. L’agence nationale de renseignement géospatial (NGA) souhaite utiliser les technologies pour maîtriser l’énorme quantité de intelligence géospatiale (GEOINT) qu’elle collecte, en se concentrant sur le contenu géospatial de ses sources de données Multi-INT. NGA récemment récompensé sept contrats de recherche d'un an pour l’application d’algorithmes avancés et l’apprentissage automatique de la caractérisation des données géospatiales. Ces récompenses faisaient partie de l’initiative triennale Boosting Innovative GEOINT Broad Agency (BIG BAA) de l’agence, qui, depuis 2016, a attribué une série de contrats portant sur des domaines spécifiques.
Le ministère de la défense Projet Maven adopte une approche algorithmique pour analyser des millions d’heures de vidéos en mouvement intégral issues de drones et d’autres sources (et a été au centre de la controverse lorsque certains employés de Google se sont opposés à l’engagement de la société; Google a finalement a décidé de quitter le projet). L’activité IARPA (Intelligence Advanced Research Projects Activity) développe également des systèmes d’IA dans d’autres domaines de ce qu’elle appelle. intelligence anticipée, comme son Activité vidéo intermodale approfondie (DIVA) pour automatiser la surveillance et l’analyse d’innombrables heures de vidéosurveillance.
wpDiscuz