Peter Schirmer/Jasmin Léveillé: AI Tools for Military Readiness. Santa Monica: Calif.: RAND Corporation, 2021

Ivana Peric

doi:10.1515/sirius-2022-2017

Article Open Access

Peter Schirmer/Jasmin Léveillé: AI Tools for Military Readiness. Santa Monica: Calif.: RAND Corporation, 2021

Ivana Peric

Published/Copyright: May 13, 2022

Published by

Become an author with De Gruyter Brill

Author Information Explore this Subject

From the journal SIRIUS – Zeitschrift für Strategische Analysen Volume 6 Issue 2

Reviewed Publication:

Schirmer Peter Léveillé Jasmin AI Tools for Military Readiness Santa Monica, Calif. RAND Corporation 2021

Die militärische Verteidigungsbereitschaft, military readiness, wird als Eckpfeiler der nationalen Sicherheit der USA sehr hoch priorisiert. Sie wird als die Fähigkeit verstanden, nicht nur der Kampftruppe, sondern jeder Art von Organisation oder Einheit innerhalb des Militärs sowie nachgelagerter Behörden, ihre wesentlichen Aufgaben und Ziele zur Verteidigung der Nation zu erfüllen. Wichtig für die Steuerung und Verbesserung dieser Leistungsbereitschaft ist deren Messbarkeit. Künstliche Intelligenz (KI) kann einen Beitrag zu militärischen Bereitschaftsbewertungen leisten. In ihrer Studie fokussieren Schirmer/Léveillé sich auf den Teilbereich der KI, der sich mit der Verarbeitung natürlicher Sprache durch maschinelle Techniken und Methoden auseinandersetzt. Ziel der Analyse ist es, ein Instrument zu entwickeln, das zur Interpretation der Auswirkungen von Personal-, Ausrüstungs- und Ausbildungsfaktoren auf die Einsatzbereitschaft eingesetzt werden kann, die in dienstspezifischer Sprache beschrieben werden. Als Datengrundlage dienen den Autoren die kategorisierenden Bewertungen und Kommentare für alle Einheiten der Geschäftsjahre 2015–2019.

Das US-Militär verfasst auf monatlicher Basis einen Bericht über die allgemeine Verteidigungsbereitschaft. Der Gesamtbereitschaftsgrad ergibt sich aus den kollektiven Beurteilungen, abgekürzt als C-Level mit vier Abstufungen. Die zu bewertenden Bereiche, die bei der Einstufung der Verteidigungsbereitschaft Berücksichtigung finden, sind Personal, vorhandenes Equipment/Material, Einsatzfähigkeit des Equipments sowie Trainingskompetenz. Neben dieser numerischen Bewertungsskala sind den Monatsberichten Freitext-Beschreibungen der Kommandeure zu Konditionen und Aktivitäten der jeweiligen Einheit beigefügt. Das Forschungsziel besteht daher darin, tiefe neuronale Netze zu trainieren, um den C-Level einer Einheit allein auf der Grundlage der Kommentare des Kommandeurs zu berechnen.

Die erstellten Modelle, basierend auf dieser Netzwerkarchitektur, liefern drei Schlüsselerkenntnisse für die Vorhersage der militärischen Verteidigungsbereitschaft. Erstens weisen die Modelle eine gute Performance hinsichtlich der Interpretation der textuellen Beschreibungen auf und können daraus schlussfolgernd eine Einschätzung der Gesamtbereitschaft liefern. Das beste Modell war in der Lage, den Bereitschaftsgrad einer Einheit in 75 Prozent der Fälle korrekt vorherzusagen. Ein solches Modell wäre auch in der Lage den Befehlshabern von Einheiten bei der Übermittlung ihrer monatlichen Bereitschaftsberichte ein Echtzeit-Feedback zu geben, um die Genauigkeit und Detailgenauigkeit dieser Berichte zu verbessern. Zweitens performten Modelle, die mittels word embedding dömanenspezifisch auf Vokabular und Sematik aus dem Bereich der nationalen Sicherheit trainiert wurden, bei verteidigungsspezifischen Wortanalogie- und Wortverwandtschaftsaufgaben besser, als die vortrainierten allgemeinsprachlichen Worteinbettungen, die im öffentlichen Bereich verfügbar sind. Drittens schnitten neuronale Netze mit mehreren Ebenen insgesamt viel besser ab als das logistische Regressionsmodell mit einem Layer, welches als Basis verwendet wurde.

Im Rahmen der Studie wurde ein Modell entwickelt, das unstrukturierte Informationen interpretieren und eine Vorhersage über deren Bereitschaftsgrad treffen kann. Ein solches Modell könnte in einem größeren Rahmen als KI-Assistent eingesetzt werden. Modelle, die in der Lage sind, den domänenspezifischen Wortschatz des Militärs und der nationalen Sicherheit zu „verstehen“, könnten in eine Reihe von Tools integriert werden; von einem Chatbot in einem Bereitschaftsmeldesystem bis hin zu Fragebeantwortungs- und Suchtools. Eine automatisierte Echtzeit-Interaktion mit den Befehlshabern der Truppen – während sie ihre Beurteilungen schreiben, um ihnen zu helfen, die von ihnen gelieferten Informationen zu verfeinern und ihre Schriftsprache besser mit dem gemeldeten Bereitschaftsgrad abzustimmen – wäre beispielsweise gewinnbringend.

https://www.rand.org/pubs/research_reports/RRA 449-1.html

Published Online: 2022-05-13

Published in Print: 2022-05-09

Dieses Werk ist lizensiert unter einer Creative Commons Namensnennung - Nicht-kommerziell - Keine Bearbeitung 4.0 International Lizenz.

Articles in the same Issue

https://doi.org/10.1515/sirius-2022-2017

Creative Commons

BY-NC-ND 4.0