人工智能是新的流行词，它似乎无处不在。有些人正在使用它；有些人正在使用它。其他人都害怕它。在过去的几年里，人工智能不再局限于科技世界，已经渗透到日常生活中，包括美国陆军航空和导弹司令部。
为了帮助员工更好地了解机器学习、数据可视化和数据清理等主题，AMCOM 业务转型办公室于 9 月 10 日在阿拉巴马州红石兵工厂的 Sparkman 中心举办了第二届年度数据分析日活动。
AMCOM 首席数据和分析官丽莎·赫施勒 (Lisa Hirschler) 表示，此次活动的目的是让员工了解整个司令部日常应用数据分析的不同方式。
AMCOM 指挥官洛里·罗宾逊少将告诉 200 多名与会者，技术正在快速发展并将继续快速发展，因此拥抱它、理解它并学习如何将其应用到他们日常工作中至关重要。
罗宾逊说，当我从自己的角度思考数据分析时，我会考虑推动决策。这个话题很重要。它对于 AMCOM 很重要，对于陆军也很重要。
Robinson 表示，像数据分析日这样的活动至关重要，员工可以了解可用的工具和产品，以及如何在 AMCOM 应用这些工具。她补充说，虽然技术很伟大，但人为因素无法消除。她表示，重要的是利用机器去做机器最擅长的事情，利用人类去做人类最擅长的认知思维和决策。
AMCOM 幕僚长约翰·莫里斯 (John Morris) 赞同罗宾逊关于数据驱动决策的重要性，并表示员工需要减少对个人经验的依赖。
他说，我们已经获得了巨大的数据集，但其中一些数据并没有以应有的方式帮助我们。
莫里斯要求与会者专注于使用数据来帮助指挥部在当前资源有限的环境中提高效率，要么找到以更低成本开展业务的方法，要么利用可用资源做更多事情。
他说，专注于如何利用我们现有的资源做更多的事情应该会让我们的事情变得更有效率，如果我们正确看待数据，数据可以帮助我们做到这一点。
国防部于 2023 年发布了更新的人工智能战略。它将战略工作重点放在几个相互依赖的目标上，这些目标支持国防部人工智能需求金字塔，以质量数据为基础，以负责任的人工智能为顶峰。赫施勒说那里的钥匙负责。
“我们可以用人工智能做很多事情，”她说。但我想谈谈金字塔的最底层，也就是质量数据，因为如果没有良好的基础，你什么也做不了。这将是我们 2025 年的重点。
质量数据仍然是每次演示的主题。数据管家约翰·凯克（John Keck）向人群谈论了机器学习，机器学习需要高质量的数据来揭示模式。凯克将机器学习描述为人工智能的一个分支。
他说，它允许系统从数据中学习。它是一种非常大的统计算法，将功能逻辑与深层数据相结合，并揭示模式。
如果没有上下文，机器学习的主题可能会显得很复杂。然而，凯克告诉人群他们每天都使用它。打开智能手机的面部识别、社交媒体时间轴上的有针对性的广告以及提供事实和信息的语音助手都是机器学习的例子。每一个都旨在获取信息、寻找模式，并在某些情况下采取行动。
凯克说，机器学习提高了数据可用性。您拥有大量数据，但这并不意味着它一定可用于洞察。它只是大量数据。当您获得大数据时，对这些数据进行排序并创建类别以便您可以采取行动是很困难的，但如果您知道自己在做什么，那么它就非常有价值。
对于 AMCOM，机器学习可用于预测维护问题。机器将根据样本集中的飞机数据学习历史和模式，然后根据数据做出预测。供应链是机器学习提高效率的另一种方式。如果物流人员需要找出零件没有按时到达的原因，变量和模型将确定出了什么问题以及如何防止其再次发生。基础是高质量的数据。通过多个样本和拨入数据，机器将继续学习和识别模式。
凯克说，你继续运行相同的数据；同样干净的数据继续为您提供越来越好的信息。这就是为什么您希望使用标准应用程序进行可重复的流程。
数据分析中心现已成为今年早些时候成立的 AMCOM 业务转型办公室的一部分。其作用是通过数字解决方案、业务流程和数据分析的集成，帮助 AMCOM 在数字时代适应并蓬勃发展。赫施勒表示，这将通过为领导人提供数据作为战略资产来超越敌人的威胁，从而增强所有梯队的决策能力。
要查看数据分析日的照片，请访问 https://www.flickr.com/photos/amcompao/with/53987903469
这项工作，AMCOM 主办数据分析活动，拥抱人工智能，作者：Michelle Gordon，由 DVIDS 识别，必须符合https://www.dvidshub.net/about/copyright 上显示的限制。