美國陸軍正在利用機器學習來預測作戰(zhàn)車輛何時需要維修

跟蹤數百萬件設備的機械健康是陸軍的一項重要工作。為了幫助完成這項數據密集型工作，它正在招募一名AI助手。由芝加哥公司Uptake Technologies開發(fā)的機器學習軟件將用于預測車輛何時需要修理，在軍隊技工變得災難性之前將問題標記出來。

該試驗計劃將涵蓋部署在現役的幾十個裝甲步兵運輸(Bradley M2A3s)。車輛發(fā)動機內的傳感器記錄溫度和RPM等信息，并將其傳輸給Uptake的軟件。這使用機器學習來查找匹配類似車輛中已知發(fā)動機故障的數據模式。

“我們的平臺就像一個大腦，從所有這些神經末梢收集信號[在引擎中]并產生反饋，”Uptake的通信副總裁Abby Hunt告訴The Verge。“無論是冷卻液運行低還是其他問題，我們都知道我們已經在其他發(fā)動機中看到了這種情況，并且可以告訴某人，例如，傳輸可能會在一兩周內失效。”

Uptake目前在工業(yè)環(huán)境中提供類似服務，并與包括Caterpillar，Boeing和Progress Rail在內的客戶合作。對于伯克希爾哈撒韋能源公司而言，其軟件用于密切關注風力渦輪機的維護 - 這對于通常位于偏遠地區(qū)的昂貴渦輪機來說是一項重要任務。

該公司與軍隊的合同相對較小，價值僅為100萬美元，但這代表了軍方使用人工智能的一步。一些專家批評美國未能充分利用機器學習。其他人警告說，陸軍的內部文化對用機器取代人類專業(yè)知識猶豫不決。吸收強調他們的系統(tǒng)本身并沒有作出任何決定，只是強調人類調查的潛在問題區(qū)域。

美國陸軍布拉德利車輛的產品經理Chris Conley中校告訴華盛頓郵報，如果試驗成功，Uptake的軟件可用于追蹤整個布拉德利車隊甚至其他戰(zhàn)車。然而，康利持謹慎態(tài)度：“我不相信這會成功，但我對它的潛力感到非常興奮，”他說。“在我們做大規(guī)模的工作之前，我們正在進行試點測試，以驗證他們的說法。”