获得合适的人才和伙伴关系使项目Maven能够从一开始就正确地构建它的程序。在Maven之前，部门中没有人知道如何正确地购买、开发和实现人工智能。传统的国防采办过程持续数年，由不同的组织定义收购必须执行的功能，或处理技术开发、生产或操作部署。这些组织必须在结果被提交给下一个组织之前完成它的活动。当涉及到数字技术时，这种方法常常导致系统性能不佳，甚至在它们被部署之前就已经过时了。
项目Maven采用了不同的方法，其中一个模型是在商业技术部门的项目管理技术中建模的:产品原型和底层基础结构是迭代开发的，并由用户社区持续进行测试。开发人员可以根据最终用户需求定制解决方案，最终用户可以为他们的组织做好准备，以快速有效地利用人工智能的能力。人工智能系统开发标记数据、开发AI计算基础设施、开发和集成神经网络算法、接收用户反馈等关键活动都是迭代和并行运行的。
尽管现代人工智能技术对图像分析的能力非常强，但为特定应用开发算法还不容易，不只是即插即用。构建健壮的、深度学习的人工智能系统需要大量的数据集来训练深度学习算法。训练数据不仅必须是可用的，而且要被人类预先分类和标记。矛盾的是，这一阶段的自动化可能是非常劳动密集型的。在Maven的案例中，为了建立第一个训练数据集，人类必须单独标注超过15万个图像;该组织希望在1月底的培训数据中有100万张图片。为了确保在可能的操作条件的巨大多样性，包括不同的高度、跟踪的对象的密度、图像分辨率、视图角度等等，这些大型训练数据集是需要的。在整个国防部，项目Maven的每一个人工智能继任者都需要一个策略来获取和标记一个庞大的训练数据集。
一旦标记数据就绪，算法训练过程就会产生非常密集的计算需求。传统的IT基础设施对于这样的计算几乎是无用的。许多领先的商业技术公司甚至开发了自己的定制处理器和云基础设施网络来运行人工智能计算。该部门花费了数年时间和数十亿美元，试图将其数字活动转移到云计算中，但这些基础设施都不具备人工智能训练和推理计算的需求。项目Maven必须构建自己的ai就绪基础设施，包括用于图形处理的计算集群，从头开始。幸运的是，在其他部门的项目中，这种能力可以用于未来的算法培训。
甚至在项目Maven的标记数据集和计算基础设施的最终版本准备就绪之前，就使用了alpha和beta版本来开发与用户社区共享的算法以获得反馈。Maven的团队从用户那里听到了在中东反isis行动的具体背景下的全动作视频技术。从他们的用户那里，Maven的开发人员在他们走错路的时候很快就发现了，并且可以正确的路线。只有这种方法才能在项目资金投入的开始和其产出的实际使用之间的6个月里提供高质量的现场准备能力。在12月初，从项目开始的6个多月时间里，Maven的第一个算法被部署到国防情报分析师，以支持真正的无人机任务，打击ISIS。
一百专家吗?好消息是，项目Maven已经提供了一个改变游戏规则的人工智能能力。在这样做的过程中，这一努力表现出了一种技术创新和程序性的敏捷性，这是大多数国防部数字计划所缺乏的。坏消息是，项目Maven的成功证明了现有的人工智能技术已经准备彻底改变许多国家安全使命——即使该部门还没有为这场革命的组织、伦理和战略意义做好准备。
现在，这个项目专家已经达到了这个部门的前二级官员极高的期望，它的成功很可能会在整个军事和情报部门产生100个模仿者。该部门必须确保这些模仿者复制项目Maven的秘密武器——这不仅仅是对人工智能技术的关注。该项目的成功得益于其组织结构:一个小型的、操作上集中的、跨职能的团队，被授权开发外部伙伴关系、利用现有的基础设施和平台，并在开发过程中迭代地与用户社区接触。人工智能需要在国防部门的整个结构中编织，许多现有的部门机构将不得不采用与Maven类似的项目管理结构，如果它们要运行有效的人工智能获取程序。此外，该部必须制定行动的概念，有效地使用人工智能能力，并训练其军事官员和作战人员有效利用这些能力。正如五角大楼一位精明的战略家告诉我的，“如果我们没有人可以使用它，如何使用它，以及训练如何使用它，那么技术本身就具有有限的效用。”
免责声明：科技狗对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。 本网站转载图片、文字之类版权申明，本网站无法鉴别所上传图片或文字的知识版权，如果侵犯，请及时通知我们，本网站将在第一时间及时删除：yzl_300@126.com
