美国陆军正在利用机器学习来预测作战车辆何时需要维修

跟踪数百万件设备的机械健康是陆军的一项重要工作。为了帮助完成这项数据密集型工作，它正在招募一名AI助手。由芝加哥公司Uptake Technologies开发的机器学习软件将用于预测车辆何时需要修理，在军队技工变得灾难性之前将问题标记出来。

该试验计划将涵盖部署在现役的几十个装甲步兵运输(Bradley M2A3s)。车辆发动机内的传感器记录温度和RPM等信息，并将其传输给Uptake的软件。这使用机器学习来查找匹配类似车辆中已知发动机故障的数据模式。

“我们的平台就像一个大脑，从所有这些神经末梢收集信号[在引擎中]并产生反馈，”Uptake的通信副总裁Abby Hunt告诉The Verge。“无论是冷却液运行低还是其他问题，我们都知道我们已经在其他发动机中看到了这种情况，并且可以告诉某人，例如，传输可能会在一两周内失效。”

Uptake目前在工业环境中提供类似服务，并与包括Caterpillar，Boeing和Progress Rail在内的客户合作。对于伯克希尔哈撒韦能源公司而言，其软件用于密切关注风力涡轮机的维护 - 这对于通常位于偏远地区的昂贵涡轮机来说是一项重要任务。

该公司与军队的合同相对较小，价值仅为100万美元，但这代表了军方使用人工智能的一步。一些专家批评美国未能充分利用机器学习。其他人警告说，陆军的内部文化对用机器取代人类专业知识犹豫不决。吸收强调他们的系统本身并没有作出任何决定，只是强调人类调查的潜在问题区域。

美国陆军布拉德利车辆的产品经理Chris Conley中校告诉华盛顿邮报，如果试验成功，Uptake的软件可用于追踪整个布拉德利车队甚至其他战车。然而，康利持谨慎态度：“我不相信这会成功，但我对它的潜力感到非常兴奋，”他说。“在我们做大规模的工作之前，我们正在进行试点测试，以验证他们的说法。”