边缘的地理情报如何利用人工智能来掌握

人工智能可以帮助增强地理空间情报任务分配和收集能力，即使在恶劣的环境中也能如此。

从制定长期军事战略到在激烈的战斗中执行行动，国防和情报组织需要以多种形式获取当前的地理空间情报，以用于多种活动。结合从卫星图像和实时视频到地图和3D地形模型的GEOINT，可以建立感兴趣区域（AOI）的准确数字表示，而真正的态势感知则来自于动态更新和发展这种数字表示，将所有这些信息获取到现场资源中至关重要。战争的迅速发展和军事行动的速度要求越来越精确的情报能够在极具挑战性的条件下立即收集并交付给地面部队。

当前一些可能与美国成为敌对国家，对美军和联合部队存在构成危险的技术挑战。特点是最近的评估表明，这些拥有类似或高级技术的敌对国家可能会部署复杂的技术，以使美军在战术交战期间无法交流和协作。在这些不利条件下，友军需要可靠地向战场单位提供地理空间情报。幸运的是，人工智能和边缘计算领域的新兴创新正在解决这些挑战。

在未来的近端作战中，联军将需要精心安排任务，以跨海、陆、空、太空和网络领域部署越来越多的复杂装备。这些装备的大小和复杂程度各不相同，从远洋船只和大型运输机到大量可以自动部署的微型传感器。人工智能有望在这种越来越分散的业务流程中发挥关键作用。它不仅可以帮助最大化任务效率，而且还可以通过担任提示和任务资产的角色来帮助战术级操作员。新的解决方案有效地协调了车辆和设备，并可能在这些类型的体系结构中发挥关键作用。

在执行任务期间，建立准确、及时的态势感知至关重要。这可以通过创建动态通用操作画面（COP）来实现，该画面可以将有关AOI的所有可用信息集成到单个2D或3D显示中。当今的平台非常适合多域COP，因为它们能够无缝地合并各种GEOINT数据类型，并叠加动态更新的资产位置信息，例如部队、地面车辆、飞机和海船。此外，可以轻松配置这些解决方案以支持任务的特定要求，并结合复杂的分析功能。

AI带来的另一项功能是改善监视和监视活动。通过基于对历史模式，当前趋势和动态因素（例如天气和对抗行为）的分析来提高预测目标行为的能力，人工智能可以帮助确定最合适的方法和位置来部署资产以执行监视。通过使用大量的历史数据作为基准，基于AI的解决方案也可以用于检测异常，从而扩大了提名监视目标的过程。

一旦指定了目标并做出了适当的响应，人工智能也可以增加优先行动路线（CoA）的生成。AI可以合并任务目标和多维约束，通过筛选大量数据并运行众多模型。然后，AI算法可以在很短的时间内生成，模拟和评估大量候选解决方案。新的解决方案将这些功能整合到其产品中，它们还可以自动分配任务和提示其他情报，监视和侦察资产，以有效地生成其他可操作情报。

AI在战术无人机的部署中发挥很重要的作用，这种战术无人机可以在信号受限的环境中“在边缘”自主运行。部署在交战前沿的战术无人机可以在数小时提供目标区域的准确2D和3D模型。还可以扩充从其他来源收集的GEOINT数据。当今的解决方案提供了灵活性和控制力，可以在所需的时间范围内收集其他区域可能无法访问的情报。然后，可以将从这些任务收集的情报覆盖到COP中的其他GEOINT来源，以建立AOI的更完整和最新的数字表示形式，从而增加任务成功的机会。

边缘（主要指无人机）上的AI功能可以近乎实时地生成有价值的情报，并进一步提高收集效率。其中一些示例包括计算航班或数据集之间的即时变化检测读数，自动识别车辆，甚至创建立即识别并计算地面人员人数的能力，然后对集合参数进行即时机载调整。这些示例说明了无人航空系统中的AI增强型传感器和紧凑的高性能计算硬件如何在收集数据的同时生成下一阶段的情报数据，从而显着加快了决策周期。

敌人将用来破坏战场行动的一种方法是干扰GPS和其他信号。功率强劲的抗干扰和防欺骗芯片变得越来越容易获得，并且可以为这些系统增加新的功能。板载芯片可以包含独立的原子钟和伪定位功能，即使遇到干扰或网络攻击，它们也可以正常运行。

准确，最新的GEOINT对于创建战场的动态数字表示形式和相关的实时态势感知至关重要，这可以帮助我们建立起相对于对手的决策优势。利用人工智能和其他先进技术增强任务分配，收集，监视和利用系统，不仅会提高这些系统的效率，而且还将提高其在未来环境中的功能，预计敌人会部署复杂的干扰和网络技术。

本文来源：智能巅峰