全文：随着人工智慧（AI）和机器学习（ML）的不断产业发展和普及化，各国开始将那些新兴控制技术利用到国防领域，英国内政部亦采行各式各样方式快速AI和ML的产业发展，以应付现代繁杂的安全可靠考验。责任编辑概要介绍了英国内政部在国防训练中对AI和ML的应用领域及那些控制技术将产生的有益于影响。
关键字：英国，英国内政部，人工智慧，机器学习
自第二次世界大战以来，部分自主和智能化系统已被用作国防控制技术，但人工智慧（AI）和机器学习（ML）的进步代表了战争智能化化应用领域的转捩点。新时代繁杂的安全可靠考验将使许多国防冲突变得比往后更加头疼。AI和ML在降低国防进阶准入门槛的同时，不但加快了重大决策速度，还能胜过人类知觉的局限性。能肯定的是，AI和ML的应用领域是英国国防部“第二次抵销”产业发展战略的关键，这一产业发展战略意在保证英国在今后强国国防竞争中保持优势地位。但是，对AI和ML的应用领域并不限于此。英国内政部正采行各式各样方式快速AI和ML的产业发展，比如将AI和ML控制技术应用领域于现役军官训练，以最终为内政部应付新时代繁杂的安全可靠考验铺路。
今后安全可靠考验将无须限于特定的部队、战场或登陆作战区域，并且无法透过简单的方案解决。面对今后安全可靠考验，英国正创造捷伊安全可靠态势，并利用更多资源来应付往后不曾遇到的多种攻击矢量。从软件产业控制技术和侵略自动驾驶车辆到破坏重要统计资料库的一系列事实，都表明了AI和ML控制技术已无须限于少数登陆作战生物医学和秘密性试验营业网点，任何有数据传输和统计数据出访职权的人都能采用那些控制技术。Google已开发出了他们的旗舰级ML控制技术、TensorFlow和开放源码控制技术。Amazon云科技提供AI和ML栈，用作深入了解一个组织的统计数据。那些如前所述云的控制技术都已满足英国政府严格的安全可靠要求，可供内政部采用。内政部购买如前所述云的服务后就能获得AI和ML控制技术的出访职权，因此各层次的军官都有机会接触到内政部大量的统计数据和信息并得出结论他们的看法，而这很可能有利于提高登陆作战效率。
透过如前所述云的应用领域程序，驻扎在不同地区的军官能根据他们的专业技能强化AI和ML成果。比如，一个用作强化卫星城执勤或运输走线的ML应用领域程序能转交陆战队从兵营里传来的统计数据，而那些统计数据来自陆战队在战术交战模拟系统中类似场景的训练。ML应用领域程序与最捷伊传感器、战术重大决策游戏和经验教训统计资料库结合后，就像《愚人之渡防卫战》（The Defense of Duffer’s Drift）里写的那样，随着人们对系统整体性能的不断强化，系统会变得越来越好。这么一来，陆战队即使处在他们从未训练过的繁杂环境中，也能直接获得系统强化后的成果。
ML应用领域程序在模拟的繁杂环境中进行训练，对军官而言，这也是一个获得重要经验的机会，能帮助他们提升登陆作战效率。制定全球指挥官排行榜能激励士兵积极参与训练、促进良性竞争，还能用作对比内政部和其他组织中同职位人员的绩效。此外，那些手段还能帮助国防人员了解重要组织知识、获得战斗经验。每位军官都有机会用他们的虚拟配置文件训练AI和ML成果，将他们的经验教训留下来。更长远地说，那些个人虚拟配置文件将构建出“虚拟战士分身”，将虚拟分身和军官的个人训练记录相结合，就能根据军官的背景、教育、经历和训练生成问题解决的最佳人选。
AI程序将成为军官线上活动的虚拟哨兵和顾问。AI程序能管理个人记录、扫描社交媒体信息、提供警告和更新，确保军官们不受违规操作、钓鱼网络、虚假新闻和直接影响部队战备状态的诈骗行为的影响。该程序与军官的虚拟战士分身相结合，能为军官提供推荐课程、训练、书籍和一系列有利于提高个人战备能力的活动。程序和虚拟战士分身在确定该军官在某些方面有不足或需要某些知识以更好地执行下一个任务后，将为军官提供体能训练、专业技能或文化理解等方面的建议。那些控制技术能同步运行，根据军官的个人条件为其提供定向训练，助其提升在繁杂安全可靠环境中的登陆作战效率，而提升军官的个人素质也将提升今后部队在各式各样环境中的整体战备状态。
