AI技术在未来美军人才管理中的应用

标签:AI技术
分享到:

随着科学技术的不断进步,美国空军官兵的培养路径不断拓宽,尤其在可靠的数据驱动决策辅助下,人工智能与战略洞察力融合发展,使美军的行事方式也随之改变。本文简要介绍了人工智能的发展现状,分析了美军所面临的时代定位,同时阐述了空军应对未来保持乐观态度,应对未来所发生的战斗。

人才管理(Talent Management)正处于大规模颠覆的边缘。随着科学技术的不断进步,美国空军应具备为所有官兵提供个性化培养的能力。在此大背景下,空军官兵的培养路径不断拓宽,发展机遇不断涌现,通往成功的道路畅通无阻,其优化程度将非现存方法可比拟。在可靠的数据驱动决策辅助下,人工智能技术(AI)与战略洞察力融合发展,军队的行事方式也将随之改变。本文简要介绍了人工智能的发展现状,分析了我们所面临的时代定位,同时阐述了美国空军为何应对未来保持乐观态度。

人工智能的目标是推动计算机系统发挥更高水平的智力功能,这些功能曾被认为只有人类才能实现。虽然当前诸多进展归功于人工智能,但空军在人才管理领域的首要手段是机器学习(ML)。我们可以尝试创建一组算法,告诉计算机系统应该如何执行一项具体任务,当这种办法不切实际、无法完成或并非最佳选择时,机器学习便是一种最好的替代办法。而且,机器学习有助于系统从大量数据中找到模式、原理和重要性的权重。常见的机器学习算法是歌曲推荐和导航路线,复杂的机器学习算法是在 综合考虑空军官兵所有因素,确保个人与岗位完美匹配的基础上,在每个职业领域创建对应算法。喜好是一回事,从整体上了解个人发展与部队所需的最佳选择是另一回事。

基于人工智能的机器学习所产生的优势将在三个方面带来机遇:知识、价值和部队发展。基于人工智能的机器学习所能提供的知识是隐性的,需要通过分析所有部队的所有信息方能获得。基于人工智能的机器学习所能提供的价值来自于空军官兵个人的价值感。通过对官兵个人进行深入分析和了解,可以帮助其在职业生涯最佳阶段学习最佳技能组合,进而在最佳岗位上任命。换言之,人工智能将促使空军为每名官兵制定培养计划,推动部队进一步发展。基于对策略和概率的超前理解,人工智能可以战胜国际象棋大师。以此类推,基于人工智能的机器学习可以帮助空军制定部队发展战略,满足未来需要。通过预测设想和严谨规划,人工智能可以协助高级领导人获取必要的长期职业发展洞察力,为空军部队、将领和高级军士提供指挥战争、赢得战争的能力。

为了充分利用新兴技术,空军在人才管理领域发展人工智能的意愿非常强烈。空军大学的威廉·克莱顿中校就如何将机器学习应用于职业军事教育委员会进行了相关探索。他在 2020年的研究中发现,机器学习算法与委员会成员联合评分制度有可能提高选拔委员程序的效率。 2021年,兰德公司发布了一项研究成果,主要介绍了如何通过机器学习开发绩效指数,协助人才管理。在两年时间内,他们研发了一款人工智能评分系统用以评价军官的现实表现,这一考评程序在现实生活中由高级军官通过军官业绩报告( OPR)来实现。最终,上述努力因数据和前景等因素搁浅。从目前来看,虽然全面实施人才管理的准备工作还没有完全到位,但兰德公司和克莱顿中校的实践表明,空军正在积极探索其可能性。此外,国防部也在采取措施弥补其中不足。

美国国会迫切需要在人工智能发展方面取得快速进展。 2021年全国峰会期间,国会承认军方目前处于人工智能发展的早期阶段,亟待快速发展。为此,当前和未来的人工智能开发团队需要获得大量优质数据。

在进一步探讨所需具体数据类型之前,我们需要知道为什么数据对基于人工智能的机器学习的发展至关重要。基于人工智能的机器学习的模仿学习行为是为了获得新颖独特的结论。正如人类一样,基于人工智能的机器学习需要从数据中获得信息。数据是指对某一事物的描述(文字、数字等),使其能够被记录、分析和识别。程序员授权系统搜索数据的模式和原理,最终可能形成一个理想成果。 基于人工智能的机器学习能否为人才管理发挥作用,取决于是否存在大量数据。对于国防部和空军来说,部队数据并不缺乏,但稍显混乱。

谈及数据,混乱意味着诸多繁琐的事情。计算机系统的诞生让国防部过度简化了这一问题。他们没有预先研判,也没有细致规划,应该如何监管所有信息和数据。因此,国防部的数据状况需要改革。为了解决这一问题,国防部发布了一个全面的数据管理计划,名为《 2020年国防部数据战略》。这份文件提供了“总体愿景、重点领域、指导原则、基本能力,以及将国防部转变为以数据为中心的机构所必须达成的目标”。该战略进一步定义了未来对数据的获取和利用方法,人工智能培训是其八项指导原则之一。在未来,数据必须具有可见性、可获得性、可理解性、可链接性、可信赖性、互操作性和安全性,唯有如此才能对分析和算法开发产生作用。如前所述,当前的系统尚未满足这些要求。因此,国防部承诺只采购那些数据可互操作、软件可迭代升级、云端可使用的系统。除了制定全面的数据管理和采购政策这一目标,国防部必须找到另一种办法来利用现有系统中的已知数据。

为了使数据具备上述能力,“空军数字转型活动”正在探索一款云数据存储库,名为“人才管理数据环境”,旨在整合空军数百个现有人事系统的信息,并集中访问其结构化和非结构化数据。目前,与人才管理相关的人事数据系统有 118个,人才管理数据环境将从这些数据系统中获取并整合所有数据,从而得出高级分析结论和关联。人才管理数据环境的推行对于未来人工智能的开发工作至关重要,但在此之前,空军所付出的任何努力都将困难重重。

兰德公司和克莱顿中校的研究工作强调,缺乏可用数据是人才管理领域的人工智能发展瓶颈所在。当前数据方面的问题可归纳为三个关键领域:所有权、解锁和归属。所有权是指对当前现有 118个人事系统中的信息存在访问限制。承包人事系统的空军机构和创立人事系统的私人企业认为他们拥有信息的所有权,且有权设定信息访问权限。这为数据分析带来严重问题,因为每个人事系统只能为人才管理需求提供部分信息。

解锁是指将现有系统中的数据转化为可用数据的方法问题。空军官兵的数据一般被储存在不适合大规模数据分析的格式中,这一问题的突出案例便是曾经存储军官业绩报告的方法。在改革之前,军官业绩报告以低质量图片的形式上传至自动记录管理系统,无法形成带有元数据的格式化PDF文件。军官业绩报告是空军跟踪和衡量绩效的规定方式,如果这些数据不能解锁,人才管理的洞察力效果将非常粗浅。值得庆幸的是,自然语言处理(NLP)程序可以将军官业绩报告的内容数据化。换言之,军官业绩报告的文本能够转化为可分析格式。但是,如果上传的图片质量太低,计算机程序也无法提取所需数据点。这一挑战加上自然语言处理程序的数据处理能力,使得在充足时间内收集充足数据点创建预测算法的工作成为一项艰巨的任务。在人工智能应用于人才管理之前,军官业绩报告及其它文本文件中的数据都需被解锁。

归属是指收集数据与空军官兵的匹配问题。这个问题暴露了现有系统缺乏标准组织和关联的现状,每个人事系统都收集了空军官兵的宝贵数据,但却没有以同样的方式整合信息。例如,有些系统按姓名排列用户,有些按国防部身份证号,有些则按社会保险号。更严重的问题在于,按同种编号排列的系统,其排列方式也有所不同(如XXX-XX-XXXXXXXXXXXXXXX-XXX-XXXX等)。这可能导致数据提取软件极难区分信息的归属,哪怕人类也难以做到。与解锁问题类似,在数据提取软件变得足够先进之前,将需要人类干预整合现有系统中的数据。未来的系统或将缓解诸多此类问题,但空军必须在此期间找到短期解决方案。

模型只有在数据分析的基础上才能发挥积极作用。数据有可能存在偏见,而人工智能将使偏见永久化。亚马逊的简历审查人工智能就是这一挑战的缩影,他们的算法未能平等评价女性申请人的简历。他们发现,在为期十年的数据收集过程中,大部分数据为男性简历。由于无法改进人工智能的这一偏见性质,该项目也无疾而终。随着空军开始重视基于人工智能的机器学习的成效,领导人需要确保所有成效应反映其真实的价值。

随着数据挑战问题不断得到解决,空军领导人需要开始致力于兑现未来部队的愿景。如前所述,基于人工智能的机器学习必须根据成效不断改进。输入的数据本身不足以提供有效建议,还必须以目标为导向,例如何种任命可谓“成功”?尽管这个问题的二元衡量标准与基于人工智能的机器学习的发展关联不大,我们仍需考虑任命目标是什么?空军将如何衡量一名军官是否具备指挥所需的领导才能?这些问题适用于整个人才管理范畴,但不容易回答。

人工智能的意义便在于此。它所带来的机遇显而易见。这并不是说人工智能在人才领域的每一次尝试都能带来指数级效益,也不是说人工智能在人才领域的每一个方面都能产生成效。证据表明,这一过程值得探索。通过渐进式贯彻落实和数据修补工作的开展,空军能够创造一个人工智能蓬勃发展的环境。在这样的环境中,领导人将对空军奖励人才的办法进行微调,产生与组织价值观相符的成效。通过人工智能获得洞察力的领导人能够以前所未有的方式培养空军官兵,而空军官兵将做好一切准备,迎接未来的任何战斗。

继续阅读
什么是数字孪生技术?值得炒作吗?

数字孪生也被称为“过程模拟技术”,近年来随着汽车行业、医疗保健服务、制造运营、发电设备、城市规划等应用,数字孪生技术获得了很大势头。数字孪生是工业4.0不可分割的一部分,更是互联产品和服务的基础。

AI也需要睡觉?研究发现:AI在睡眠后学习力可媲美人脑

AI(人工智能)一直都是人类当下的重点研究对象,目前,它在计算机领域内,得到了愈加广泛的重视,并在机器人,经济政治决策,控制系统,仿真系统中得到应用。

情感AI:为什么它是数字医疗的未来?

听说过情感AI吗?情感AI,是计算机科学的一个领域,帮助机器理解人类的情感。麻省理工学院媒体实验室和Rosalind Picard博士是这一领域的主要创新者。通过他们的工作,激发了帮助机器发展同理心的想法。

让AI走进工业应用的最大障碍是什么?

我相信人工智能(AI)、机器学习(ML)、贝叶斯优化、大数据和其他现代技术可以提高我们建模、理解和优化流程的能力;并且这些技术可以使行业走向操作和维护的自主性。这些是工业 4.0、工业物联网 (IIoT)、智能制造、智能仪器仪表、资产模型和数字孪生等流行语的核心要素。

机器意识:AI距离“觉醒”还有多远?

这个困扰了人类几千年的问题,此前似乎只属于哲学家和诗人的讨论范畴,但在今天已经越来越成为人工智能创业者们必须面对的问题。

精彩活动