Scalable Interactive Machine Learning for Future Command and Control

要約

将来の戦争では、指揮統制（C2）職員は、複雑で潜在的に不明確な状況において、短縮された時間スケールで意思決定を行うことが求められるでしょう。
堅牢な意思決定プロセスと意思決定支援ツールの必要性を考えると、人工知能と人間の知能の統合は、C2 運用プロセスに革命をもたらし、急速に変化する運用環境における適応性と効率性を確保する可能性を秘めています。
私たちは、人間が機械学習アルゴリズムと協力して機械学習アルゴリズムの動作をガイドできる、対話型機械学習における最近の有望なブレークスルーを活用することを提案します。
この論文では、最先端の科学技術におけるいくつかのギャップを特定し、これらのアプローチを複雑な C2 コンテキストで機能するように拡張するために、将来の作業で対処する必要があります。
特に、スケーラブルな対話型機械学習 (SIML) の実現を目指す 3 つの研究重点分野について説明します。 1) 複雑で動的な状況での計画を可能にする人間と AI の対話アルゴリズムの開発。
2) 役割、構成、信頼を最適化することで、回復力のある人間と AI のチームを育成する。
3) 潜在的なさまざまな状況や状況に柔軟に対応できるよう、アルゴリズムと人間と AI のチームを拡張します。

要約(オリジナル)

Future warfare will require Command and Control (C2) personnel to make decisions at shrinking timescales in complex and potentially ill-defined situations. Given the need for robust decision-making processes and decision-support tools, integration of artificial and human intelligence holds the potential to revolutionize the C2 operations process to ensure adaptability and efficiency in rapidly changing operational environments. We propose to leverage recent promising breakthroughs in interactive machine learning, in which humans can cooperate with machine learning algorithms to guide machine learning algorithm behavior. This paper identifies several gaps in state-of-the-art science and technology that future work should address to extend these approaches to function in complex C2 contexts. In particular, we describe three research focus areas that together, aim to enable scalable interactive machine learning (SIML): 1) developing human-AI interaction algorithms to enable planning in complex, dynamic situations; 2) fostering resilient human-AI teams through optimizing roles, configurations, and trust; and 3) scaling algorithms and human-AI teams for flexibility across a range of potential contexts and situations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google