武装力量联合：跨领域连接数据

武装力量联合：跨领域连接数据

关键字: [Amazon Web Services re:Invent 2024， 亚马逊云科技， 生成式AI， Flank Speed， Data Sharing， Decision Advantage， Generative Ai， Data Governance， Cloud Infrastructure]

导读

毫无疑问，快速决策为美国武装部队带来了关键优势。但是如何安全可靠地做到这一点，是我们国防部着手解决的一个挑战。参加本次会议，与来自武装部队各分支的领导一起讨论数据驱动策略，以使信息随时随地可访问，从而推动决策制定。了解在先进技术方面的投资如何提高速度、质量和准确性，以及在正确的时间获得正确的数据如何成为赋能军事人员的重要组成部分。

演讲精华

以下是小编为您整理的本次演讲的精华。

2024年re:Invent大会的会场里充满了期待的嗡嗡声，与会者热切期盼着关于云计算如何为国防部客户的数字化转型之旅赋能的小组讨论。亚马逊云科技国防部业务的高级企业技术专家兼总监Rob Nolan登台，向观众热情问候。

“欢迎来到re:Invent。我是Rob Nolan，是亚马逊云科技国防部业务的高级企业技术专家和总监。这是我第三年主持这样的小组讨论，帮助我们在国防部的客户谈一谈云计算如何推动他们的转型之旅。感谢大家今天的到来。”

Nolan介绍了这个小组的杰出成员，他们来自不同军种，每个人都对数据和技术在各自领域的作用有独特见解。

“我们有一个很棒的小组成员。我们就直接开始自我介绍吧。再说几点注意事项，感谢大家今天的到来。我们将进行讨论，互相交流，期待一场精彩的对话。那么，毫不拖延，Leo。”

陆军首席信息官Leo Garcia首先发言，表达了分享见解的感谢之情。

“好的，谢谢大家来参加。我会简短一些，因为我想直接进入讨论的核心内容。我是Leo Garcia，是陆军首席信息官。”

接下来，空军情报首席信息官Michael Majese自我介绍。

“我是Michael Majese，是空军情报首席信息官。”

代表国防后勤局(DLA)的Darrell Roberts简要介绍了该机构的职责。

“Darrell Roberts，国防后勤局首席信息官。空军、陆军，让我简单介绍一下DLA。我们是后勤战斗支援机构，意味着战士需要的任何后勤支持，我们都会提供。从备件、食品、服装、制服等等。”

最后，海军部和PEO Digital首席技术官Justin Finelli完成了小组成员的介绍。

“我是Justin Finelli，海军部和海军陆战队的首席技术官，同时也是PEO Digital的技术总监，负责采购。”

介绍结束后，Nolan为讨论定下了基调，强调了这个话题的重要性。

“如果你们和我们在一起，那就意味着你们在战斗中。感谢你们的到来。”

Nolan接着深入探讨了“决策优势”的概念及其在现代战争中的重要意义。

“很好，今天我们来讨论一下武装部队如何在不同领域连接数据。在与国防部讨论数字化转型时，经常会提到一个术语，叫做”决策优势“或”决策优势“之类的。基本上就是赋予我们的武装部队做出有利决策的能力，从而在行动中获得成功的结果，对吗?”

他强调了信息和技术在遏制冲突、保持战略优势方面的关键作用。

“随着技术的进步，网络技术的发展，世界正在发生变化，信息在很多方面成为了帮助世界各国武装部队，而不仅仅是美国，在许多情况下遏制战争的关键资产。”

Nolan概述了小组讨论将涉及的主题，包括数据、人工智能(AI)以及武装部队的数字化转型之旅。

“所以今天我们将讨论一些数据相关的内容。我们将讨论数据如何影响人工智能，以及武装部队如何在数字化转型之旅中利用这些技术。是的，这将是一场对话式的讨论。我们将探讨一些内容，看看能走到哪一步。”

话题铺垫完毕后，Nolan向Leo Garcia提出了第一个问题，寻求他对数据战略重要性的看法。

“我想先问你们一个问题，从Leo开始，然后我们沿着小组成员依次讨论。你经常会在会议和营销中听到，数据是一种战略资产，对吗?你怎么看?你认为情况确实如此吗?或者陆军是如何看待数据的战略重要性的?”

Leo Garcia承认数据确实是一种战略资产，但强调陆军目前的重点是为有效利用数据奠定基础。

“我该如何避免流于口号呢?是的，数据绝对是一种战略资产。不过从陆军的角度来看，我们目前的重点真的是把基础工作做好。我认为我们进入这个领域的速度非常快，从一种非常分散的做法转变而来，对吧?各个职能部门和业务单位各自为政。那么，这究竟意味着什么?我们该如何将其运作起来?”

他阐述了陆军在过去三年的转型历程，着力于运作数据治理、分配职责，并在各个职能领域培养一致的数据处理方式。

“过去三年，陆军一直在努力将我们拥有的数据运作起来，对吧?这意味着什么呢?我觉得人们经常忘记，他们会说”陆军，对吧?“但是陆军有多大规模?陆军拥有沃尔玛，我们有自己的医院，有自己的后勤人员。我们拥有你能想象到的每一个职能领域，全部汇集在一支130万人的庞大力量中。这意味着大量不同的数据集和大量不同的职能责任。”

Garcia强调了培养一支数据素养娴熟的陆军员工队伍的重要性，认为这是有效利用数据的关键一步。

“所以我们真的一直在着力于这个最基础的层面，如何在其中建立治理?如何确定合适的负责人?以及如何开始思考，我们如何才能最好地运作我们拥有的数据集，以及如何在作战职能、职能领域之间建立联系?我需要做对，要处理合同。这是一件事，对吧?我们如何让所有这些人以同样的方式思考数据问题?”

“另一个部分就是在整个员工队伍中培养一批数据素养娴熟的人员。这是很多组织经常忽视的部分。我们真的从底层做起，无论是在军队内部的制度化培训，还是与大学、私营企业合作，都是为了在整个陆军内部真正建立起一批数据素养娴熟的人员，这有助于我们迈向下一步，也就是我认为如何在整个陆军的使命中运作这些数据的最初阶段。”

虽然承认数据是一种战略资产，但Garcia强调了陆军务实的做法，着力于为在各个职能领域有效利用数据奠定基础，并培养一支数据素养娴熟的员工队伍。

Michael Majese则提出了不同的观点，将数据比作一种产品，强调衡量其需求和可用性的重要性，而不仅仅是拥有数据本身。

“当你将数据衡量为资产而非产品时，这种类比就开始失去意义了。所以，在资产情况下衡量成功的标准，真的是我拥有多少?我可能会像老斯克鲁奇游泳在我的资产中一样，对吧?重点不在于数量，而在于有多少人关心你拥有它，它是否可用?它有多大需求?”

Majese提倡改变思维方式，让数据相关项目的动机源于分享和利用数据所带来的价值，而不是单纯地囤积数据。

“所以，如果你将其视为精炼的情报产品，而不是一种带来某种价值的产品，那么我就可以通过这些数据实际被访问的次数来衡量成功，有多少人关心我实际拥有这些数据?我是否以一种安全但在需要时可用的格式提供了这些数据?”

他强调需要改变合同和思维方式，激励数据共享和可访问性，而不是仅仅关注特定的合同义务。

“因此，技术解决方案和思维方式都会发生转变，各种拥有这些数据的项目的动机现在将通过衡量它们分享数据的程度而不是仅仅拥有数据的程度来获得回报。我们确实需要改变合同和思维方式，不仅仅是为了合同约定的那些人，而是为了任何可能使用这些数据的人，即使我不知道他们会如何使用，但我也需要使其可用。”

Majese的观点强调了将数据视为一种有价值的产品的重要性，成功的衡量标准应该是数据的可访问性、可用性以及它所产生的价值，而不仅仅是拥有数据本身。

代表国防后勤局(DLA)的Darrell Roberts呼应了同事们的观点，强调了数据对于他所在机构的战略重要性。

“是的，我绝对同意你们两位的评论，数据无疑是DLA的战略资产。正如我之前所说，我们为整个政府部门提供后勤保障。因此，虽然我们需要了解自身的内部数据，但我也非常依赖这个舞台上的各位，因为从互操作性的角度来看，我们支持陆军、空军、海军、太空军和海军陆战队，我们不仅需要了解自己的数据，还需要了解国防部的数据以及北约和我们的外国合作伙伴的数据。”

Roberts强调，DLA依赖来自各军种以及北约和国际伙伴的互联数据，以有效支持后勤运营。

“因此，我认为当我们谈论数据战略资产时，你们会看到我们这里的一个共同点，国防部存在的唯一原因就是威慑，如果需要的话，也可能发生冲突。所以我们真正关注数据战略资产，是因为我们不希望发生冲突。那么，我们如何以一种更加可操作的跨领域方式利用这些数据，从而成为这个世界上更强大的威慑力量呢?”

他强调，从战略决策者到一线人员，在各个层面提高数据素养和数据能力，以有效利用数据实现威慑和避免冲突。

“因此，我们关注数据素养、数据能力，不仅仅是在战略层面，像我们这样的人关注数据、数据科学家、数据分析师，而是我认为，当一线人员，无论是E1级别的士兵、空军人员还是海军陆战队员，他们都理解每天所做的一切都会提供某种数据用于分析时，数据素养和数据能力就成为了战略资产。这不是为了说我们做得如何，而是为了决定我们应该做什么?应该如何做?应该考虑哪些因素?这就是我们在DLA如何从战略角度看待数据。”

代表海军部门的Justin Finelli提供了一种务实的观点，来衡量数据的战略影响。

“我认为，你可以通过结果来衡量一项战略在时间上的成效。自2016年以来，我们一直在说数据是一种战略资产。我认为，你可以根据我们是否认真对待这一点来评判我们。因此，OODA循环的速度就成了一个问题。我在军队内外工作了25年，我看到乌克兰冲突和红海地区，让更多不在CIO部门、而是在前线的人开始关注数据，这是我们运作方式发生的一个关键转变。”

Finelli强调，将围绕数据作为战略资产的言论转化为切实的运营成果至关重要，他引用了前线人员对数据日益重视作为一个关键转变。

“我认为我们一直都在关注数据。数据一直都是一种战略资产，但如果它没有推动除了像这个房间里的数据知识渊博的人和技术人员之外的其他人的进步，那它就只是一些空话而已。因此，我认为，衡量我们实现这种转化的速度将最终决定它作为一种战略能力的成功与否。”

他强调，需要通过提高运营弹性、适应能力和决策能力等可衡量的改进来证明数据的战略价值，而不应仅仅依赖于口号。

“因此，只有当我们展示数据为我们带来了更高的运营弹性或更强的适应能力时，这些并非线性变化，而是幂指数级的变化，这就是我们需要你们的帮助的地方，这样你们就可以说我们不仅仅提高了10%，那只是工业级的改进，我们提高了200%，700%。数据让我们能够做到这一点，我们在实验室中展示了这一点，在生产中也在这样做，这是一种持久的变革，我们不必从中回退，如果我们能够证明这一点，讲述这个故事的话。”

Finelli的观点强调，要真正证明数据的战略价值，就需要通过数据实现可衡量的、显著的运营能力提升，而不是渐进式的改进。

随后，小组讨论转向JADC2(Joint All-Domain Command and Control)的概念，以及云技术在实现跨领域数据驱动决策方面的作用。

Nolan展示了一张概念图，说明云如何能够促进信息的生命周期，从数据采集和处理到分析、决策和应用程序消费，形成一个持续改进的良性循环。

“好的，很快。这是我们很久以前制作的一张幻灯片，你知道的。我再次使用一些流行语，抱歉，但当我们开始谈论一个叫做JADC2的东西时，JADC2是一个关于统一指挥控制的概念性想法。其中一个重要部分就是我们如何驱动数据，对吗?”

“因此，如果你将云视为移动信息的这种基质，这就是我们看到的一种创建信息生命周期的愿景，对吧?所以你收集那些原始数据，那些资产，你将它们通过某种目录处理数据湖。你为应该获得授权的任何人提供对该信息的访问权限，然后你有机器学习、人工智能、分析工具，用于特定查询或决策输入等。然后是消费该信息的应用程序，然后你创建这个良性循环，将所有这些反馈回去，从而持续改进和迭代。”

Nolan承认，武装部队在处理和保护敏感信息方面面临着独特的挑战，为讨论云技术和基础设施标准做了铺垫。

“因此，我们将云视为这种概念性的东西，你们将在整个周期内听到来自商业客户和其他人的介绍，他们正在构建这种系统。但你知道，我们在处理信息类型方面面临一些独特的挑战，我认为这可能是一些商业界的人要么认为理所当然，要么不太重视的，但对于任务成功、任务安全和国家安全来说却是关键。”

Nolan邀请Michael Majese分享空军如何利用云技术来支持数据战略并增强决策能力的见解。

“那么，也许我可以请Mike，你能谈谈我们在使用云技术方面做了些什么，来支持这些数据战略，以及数据增强决策辅助，或者你想谈论任何其他内容，也许你可以谈谈一个我认为你很热衷的话题。你可以谈谈空军企业中心是如何构建这些东西来帮助任务所有者更快地行动的。”

Majese强调，基础设施标准和设计模式对于实现快速部署和可扩展性至关重要，同时也承认需要满足独特的需求。

“好的，是的，基础设施标准显然非常重要。你知道，你想要快速行动，而且通过复制工作并只做一次来实现这一点。因此，我们可以继承已经完成的工作，通过确定我们想要采用哪些设计模式，这些模式可能最适合他们的情况。”

“当然，有时我们也必须处理一些特例，我们不应该过于偏向于将所有事情都塞进一种设计模式，但在大多数情况下，我们应该能够通过获得基础设施设计模式来加快进程，并帮助人们。”

Majese举了一个例子，说明空军如何协助各项目将各种云组件(如无服务器功能、容器化Web前端和托管数据库)集成在一起，同时应对分类网络和云环境的限制。

“例如，我们有一个项目会来找我们说”我想能够让一些Lambda无服务器功能与我的容器化Web前端协同工作，然后我将调用Amazon RDS托管服务，将其与我运行该解决方案一部分的IAS VPC集成。“所以现在我必须让所有这些在我们的环境中协同工作。”

“我们面临的挑战是，我们的隔离分类网络和云环境并不一定具备商业和非分类环境中的所有选项。因此，我们必须经历认证流程。我们实际上会人为地限制我们的客户，以保持他们在各个级别的一致性，因为很多时候他们都希望能够在所有三个环境中无缝部署，而我们可以通过代码传递和跨域解决方案来实现这一点，这对于那些隔离的分类环境也是关键。”

Majese解释了空军的做法，即人为地限制客户，以保持各个分类级别的一致性，因为由于认证流程和分类网络的限制，无法始终在所有环境中无缝部署最新功能。

“如果我们能够保持人工智能系统的局限性，我们就不必为每个分类任务进行定制化开发，同时也不会被最新技术所束缚。关键是要让每个人都理解，如果采用这种设计模式，他们就能比独立开发更快地前进。”

Majese强调了像ELK(Elasticsearch、Logstash、Kibana)堆栈这样简单的解决方案，结合Kafka流和敏捷开发方法，能够使用经过认证和现有的组件构建功能强大的数据平台。

“从数据角度来看，我们可以用非常简单的东西做很多事情。ELK堆栈非常强大，加上一些Kafka流，再加上每个用例的螺旋式开发，很快就能构建出一个相当强大的数据平台，而且我们能够利用已经获得认证和可用的组件来实现这一点。”

他强调，应该通过采用率和部署速度来衡量成功，而不是仅仅关注技术能力。

“因此，我们可以开始通过部署速度和类似的指标来衡量采用率和成功程度。所以基础设施标准是云计算成功的关键吗?我认为是的。”

Leo Garcia随后分享了美国陆军的观点，承认他们的数据环境多样化和分散化，需要集中精力来整合和优先考虑最佳实践解决方案。

“是的，我认为这对我们来说很重要。数据民主化是非常真实的，这就是为什么我们在讨论彼此之间共享数据。我们没有讨论的是，需要与商业界共享数据，以及商业界与我们共享数据的需求。”

Garcia强调，美国陆军正在衡量现有解决方案的成本、价值和价值实现时间，并根据公共访问管理和传输能力等因素来确定投资优先级。

“因此，对于每个组件，我们都在衡量。我们说，嘿，我们拥有的ICAM解决方案比应用程序还多?这已经失控了，对吧?那么我们如何缩减到指定的企业服务呢?所以现在我们有一个4个组件的堆栈，可以与我们的不同云代理合作，这使我们能够进行细节或断开连接，这取决于我们的选择，除非你能证明有其他出路。”

“因此，我们的集成工作集中在那里。但我们首先对每个组件都说，嘿，有多少个?10个、20个?不，有200个。好吧，那么每个的成本与价值是什么?每个的价值实现时间是多少?你可以对它们进行排序。所以我们正在确定优先级。我们根据公共访问管理(PAM)确定优先级，我们还根据无处不在的运输愿景来确定优先级。嘿，太空与陆地哪个更好?哪个更有效?”

“因此，当我们缩小范围时，我们正在接近可扩展的投资视野，所以我们指定了5项企业服务，我们希望有赢家，这样Mike就可以在300个基地和更多指挥部迅速推广。”

Garcia承认各军种的成熟度不同，但强调培养数据素养人才对于实现数据驱动决策至关重要。

“那么也许我们可以讨论你提到的API相关内容，从哪里开始，我们想讨论哪一部分?我认为Justin说得很好，对吧?我们现在都处于不同的成熟度水平，这真的很有趣，看着这张图表，我有点想笑，因为我想，哦天哪，这里有一些赢家，对吧?”

他强调，挑战不在于技术，而在于治理、需求收集以及确保跨不同领域的数据功能集成。

“我们确实面临着一个问题，只是想把它从技术层面抽离出来思考一下。我们越来越发现，横跨整个领域，我们绝对没有技术问题。我们现在拥有的技术比我们知道如何使用的还要多。”

“我认为我们现在真正面临的是艰难的工作，这也是我们在美国陆军花费大量时间的地方。数据的良好治理。这真的推动了构建正确需求来解决正确问题的想法，我们现在非常关注这一点，我继续在所有场合重申这一点。这是我们所做一切的基础。”

Garcia强调了确保功能集成和属性管理的重要性，特别是在跨服务、联邦、州和地方层面以及与外国合作伙伴共享数据时。

“从技术上讲，我们肯定可以提供这种能力，但是谁来负责运营?我们如何将属性集成到这项技术中?如果我们想要跨服务、与外国合作伙伴以及从联邦到州和地方层面共享数据，这是我们绝不能出错的地方，这也是我们花费大量时间和精力的领域，我认为正如Justin所说，我们正在改变思路。对吧?是的，百花齐放，我们在陆军方面有很好的控制。下一步是最重要的一步，那就是如何让参与者积极参与到这一过程中，以确保那些与州和地方层面集成的人员能够获得属性并进行识别。我们不能从CIO一方来做这件事，功能性的人员必须参与进来。这就是我们花费大量时间和精力的地方。”

Garcia强调了将战时数据解密并与公众和决策者共享的挑战，由于技术限制，目前这一过程仍然依赖人工手动操作。

“我认为，作为公众，你们真的应该关心这一点。我们讨论了在使用云时面临的挑战，我知道我们将讨论通用人工智能和一些LM相关内容。但是现在想想这个问题。目前有大约90PB的战时数据需要根据信息自由法进行公开和解密，听起来很简单。但我们现在没有任何技术来解决这个问题。这完全依赖人工，有一大批人在查阅纸质文件、缩微胶片(是的，这种东西仍然存在)、光盘和PDF文件，以确定哪些文件需要解密，从而使这些文件可以与美国公众分享，并为那些需要帮助重塑国家政策的人提供参考。”

接下来，讨论转向了API在实现数据共享和现代云原生架构中的作用，Nolan邀请Darrell Roberts分享DLA的观点。

“所以我们之前讨论过，这些产品必须共享，对吧?我认为现代云原生架构…”

“真正体现了它的价值，就是围绕API的使用，也许Darryl，你可以谈一谈你们在数据共享方面所做的工作，以及你们是如何对事物进行分类和产品化，以便为整个部门提供服务。”

Roberts提供了DLA作为国防部数据集成“交通管制员”的历史背景，每年使用遗留技术促成数十亿笔交易。

“是的，在我谈及下一代解决方案之前，先让我讲一个小小的历史课。国防后勤局的主要业务是后勤，从CIO技术角度来看，我们也被国防部长级别的国防部级项目所青睐，在整个国防部发挥作用。其中一个领域，我们已经管理了大约60年了。基本上，我们称之为交通管制员。DaZ全球交换允许整个部门进行集成，包括财务、人力资源、采购和后勤。”

“因此，在过去的60年里，我们一直负责整个部门的技术集成，每年约90亿笔交易，但使用的是很多旧技术，比如AI交易等。所以我们现在的使命是，当每个军种和组织都在现代化时，我们如何维持这种集成?对吧?你有新的数据标准出现，正在过渡到API网关，以便形成一个API库。这样，每个人都不必从头开始，对吧?如果我为LMP构建了一个API，那么海军就不必重新构建它。陆军可以制定一个标准，每个人都将遵循这个标准进行设计，所以这是我们新使命的一部分，即建立API网关。这不仅仅是技术交换，还包括创建API库，但我们也参与管理整个部门的数据标准。”

Roberts强调，在国防部内建立通用数据标准的重要性，使行业合作伙伴能够开发解决方案，而无需进行大量定制。

“所以我认为这是另一个真正限制了我们跨主要解决方案共享数据的能力的问题，因为在某一点上，对错与不同。我们在国防部内部定制了很多东西。现在我们正试图更像行业一样使用商业产品，而你们并不像我们在部门里那样称呼一个苹果25次，对吗?因此，我们正在与OSD合作，说:”嘿，让我们创建一个行业可以帮助我们的数据标准吧?你不必为海军、陆军、空军等构建不同的解决方案，我们也不必定制你的解决方案，但让我们创建一个数据标准，该解决方案将针对该标准进行架构设计，因此这就是我们在过去2-3年中所做的工作，即创建API网关，以在当前DaS、我们在那里使用EDI和API之间进行过渡，但同时也创建了数据标准，以便你与一个国防部合作，而不是6或7个不同的合作伙伴。"

Nolan随后邀请Justin Finelli分享他关于在武装部队分散决策结构中平衡标准化和特定任务灵活性的挑战的观点。

“是的，Mike真的很快，因为你仍然穿着制服，当你想到我们正在讨论的这个巨大的东西时，比如Leo，我们拥有世界上所有的技术。我们需要的一件事是，当我听到我们的军队以这种方式运作的原因时，我真的很喜欢，那就是我们有独立的人去做出决定来完成他们的任务的能力。但是，你最终会得到很多任务在做很多事情，然后我们不得不以某种方式将它们统一起来。所以你能不能从指挥官的角度来谈谈，我需要在哪里标准化，但在哪里我需要灵活以完成我的任务，因为我认为这对于我们必须做的那种解决方案类型会非常有启发性，就像Aderell所说的那样。你必须有那些标准。一个苹果就是一个苹果，一双袜子就是一双袜子，但你知道空军、陆军和海军在使用时会有一些差异。所以你能不能谈一谈那种独立性与标准化需求之间的关系?我们不想减缓空军的创新发生。”

Majese承认空军的分散性质，将其比作一系列拥有自己的IT预算和活动的小企业，需要在标准化和灵活性之间保持微妙的平衡。

“我会将其视为一系列拥有自己的IT预算和IT活动的小企业，我们必须努力整合、集中和去重复，以实现协同效应，使用了很多流行语，对吧?但我们确实必须集中精力。我们的资源只有这么多，当这些资源并不真正集中时，它们就拥有很大的自主权，我们可以利用一些杠杆来做到这一点。”

他强调利用运营权限作为一种杠杆，获得对各种计划和倡议的可见性，从而能够识别可标准化的基础组件，同时允许存在独特的任务特定需求。

“在我的办公室，其中一个就是运营权限，所以他们都必须通过至少对于情报来说，这就是我正在做的，我想获得运营权限。这不是秘密，也不是隐藏的，然后我们可以开始连接点。我们如何看待什么是基础的，而什么是我们真正应该关注的独特部分，因此在技术方面确实存在一种传统，每个人都喜欢从整个堆栈的底部开始构建，消除对他人的依赖，控制一切，如果你有能力的话，重建它。”

Majese提倡接受共享责任模式和云端和SaaS(软件即服务)模式所提供的可扩展性，而不是为每个程序重建整个堆栈。

“我宁愿这样做，也不愿依赖于某个外部来源，云计算真的将其颠覆了。我认为必须接受共享责任模式，以及这样一种理念:只因为我增加了更多用户，并不意味着我在用较少的资源做更多的事情，但实际上你可以在SaaS服务模式下，通过技术和客户资金的弹性伸缩。”

他描述了空军提供身份管理、DNS和漏洞扫描等基础服务的做法，允许各个计划专注于自己的独特需求。

“因此，我们通常会考虑，这些基础性的东西是什么?每个人都需要身份管理吗?好的，让我们提供这个。每个人都需要DNS吗?让我们提供。政府已经说每个人都需要进行漏洞扫描和病毒扫描。让我们提供这些，这些只是我们可以一次为多人提供的基础性事物，让他们专注于自己的独特部分，因此当我们抽象出这一点时，你就可以上升到堆栈，并说，你知道吗，我不希望你构建另一个顶级机密的Kubernetes堆栈。我已经有一个了，只需使用这个即可，如果我们在该堆栈中没有你需要的东西，让我们不要抛弃90%的解决方案来重建它。让我们只获取你所说的我们缺少的10%，然后添加它，然后让你使用整个90%。这就是我们处理这个问题的方式。”

Majese接着阐述了区分企业数据和短暂的、关键任务数据的重要性，以及在不同指挥层级采用不同的数据治理和决策方法的需求。

“让我特别谈谈数据，因为这是一个非常好的问题，关于我们如何看待数据及其含义，这真的很重要。有企业数据，它往往不会过期，往往是一个真理的来源，不要随意修改它，比如某个区域的弹药存放位置。指挥官们可能不会随意修改它，他们希望它非常准确。现在在最本地层面上，在战斗中机动。非常短暂的数据，只有在收集和传递的那一秒才是有效的。这种思维转变的理念就是，你真正需要思考一下，你在那里从哪个系统获得了什么数据是企业类型的数据，我非常宽泛地使用这个术语，或者更多的是那种可能不会改变并且需要作为操作的真理来源的数据，然后在那里还有什么数据，你必须考虑这一点?”

他强调了解数据产品、最小化不必要的数据以及为指挥官提供有效执行任务所需的特定信息的持续努力。

“所有军种面临的挑战是，我将使用国防部的术语，即横跨企业的梯级或位置。数据的那种短暂性和灵活性会有一些不同，这就是我们现在所做的艰苦工作，当我们谈论治理时，它不像”嘿，我们开会讨论标准“那样简单，而更像是”嘿，我们开会真正理解我们需要的数据产品，需要最小化什么。即我不需要每一条数据，我只需要这一小部分数据来完成我的任务，这就是我们现在花费大量时间的地方。"

Majese强调云技术使数据民主化，允许全企业范围内对以前被孤立的准备情况数据进行可见性和决策。

“我认为云技术让我们做到的一件非常重要的事情就是真正使数据在整个企业范围内民主化。5年前，甚至5年前，我们无法在企业层面看到一个单位的准备情况数据。我们无法看到它，现在我们可以了，现在可以根据这些数据在更大范围内做出决策，那些可以帮助做出这些决策的人现在也可以访问这些数据。这就是企业数据，当我们谈论诸如JADC2之类的东西时，现在我们正在讨论，我有一个坏人。这就是坏人的位置，这只是在收集的那一秒才有效。我需要朝那个坏人射击，对吗?这是非常短暂的，我们希望指挥官在处理这些数据时拥有最大的灵活性。”

他承认围绕数据分类的持续挑战和讨论，强调军队的数据治理需求与其他行业有所不同。

“所以我认为这真的很重要，这是我们一直在努力的事情，在各军种之间也是如此。在不同的梯级上也是如此。因此，这真的是我们持续存在的一种摩擦和对话，我们真正需要什么数据?这些产品是什么，我们实际执行任务所需的只是一个小小的部分。我认为这是每个人都需要理解的事情。我们在医疗、保险和执法等领域都看到了一些并行的情况，但这往往是一个非常独特的军事问题集，我认为我们现在仍在努力解决。”

Nolan随后将讨论引向了跨联合部队和与商业合作伙伴共享数据的战略重要性，并邀请Darrell Roberts分享DLA的观点。

“是的，我认为数据分层是一个非常有趣的概念，对吧?我是说，作为一名后勤人员，Aderell，你认为这种分类方式在联合部队中是否必要?因为就像我们供应弹药、食品和燃料一样，数据也是我们必须为整个企业提供的非易腐物资，以便每个人都能做出决策，尤其是当你看到太平洋战区时。这是自第二次世界大战以来我们从未经历过的一种情况，想象一下从东海岸传输信息到关岛的光速是非常有趣的。这需要很长时间，对吧?所以你希望将它传输到那里并使其可用，以防你无法快速完成。”

Roberts承认数据民主化的必要性以及与商业合作伙伴安全共享数据的挑战，并将其与决策优势的概念联系起来。

“是的，我认为对于我们来说，数据民主化是非常真实的，这就是为什么我们在讨论彼此之间共享数据。我们没有讨论的是与商业界共享数据的需求，以及商业界与我们共享数据的需求。”

“那你如何实现数据民主化?你如何围绕它设置安全控制?我们谈论零信任等概念，所以这直接与决策优势有关，对吧?”

他将传统的分析过去表现的方法与实现决策优势所需的预测和规范分析进行了对比。

“我认为传统上是我们如何做?我们做了什么?我们学到了什么?我认为世界事件告诉我们，这不是前进的方式。这不是获得决策优势的方式。决策优势是我应该做什么?我什么时候应该做?什么条件会影响它，诸如此类的事情。”

Roberts强调需要采用多方面的方法，在各个层级利用不同的分析模型来支持决策。

“因此，我认为你不会选择其中任何一种模型。在战术层面，你将需要描述性分析。在各个阶层，你都需要一些诊断性、预测性和规范性分析，但最终你获得优势的是规范性分析。”

他强调了与商业合作伙伴共享数据时确保数据安全和完整性的挑战，并将网络安全成熟度模型认证(CMMC)称为建立零信任模型的“必要之恶”。

“因此，对我来说，我们面临的挑战是，我想每个人都知道，我在台上说了一个四个字母的词CMMC，对吧?在这里的每个供应商都喜欢这个词。这是一个必要的邪恶。这是我们针对商业合作伙伴的零信任模型，如果你想与国防部做生意，我们需要确保你拥有正确的安全控制，但我们的挑战是如何确保它得到维护，对吧?你如何获得反馈，以便了解数据何时被泄露?”

Roberts强调了数据对DLA物流运营的至关重要性，并以COVID-19大流行为例，说明了预测分析在缓解供应链中断方面的必要性。

“因此，这对我们物流界来说是一个真正的重点，因为如果没有这些信息，DLA就无法取得成功。我们今天无法应用任何东西，对吧?我们处于一个全球经济中。美国目前每天都在竞争，对吧?现在物流界正在为供应而发生冲突，对吧?”

“COVID对DLA来说是一个巨大的教训，对吧?每个人都认为你无法获得卫生纸，我们也无法获得卫生纸，我们有国防法案等一切支持，但我们还是在与其他国家争夺卫生纸。因此，从数据角度来看，如果我们在分析和数据使用方面更具规范性，我们可能会比现在做得更好，对吧?”

Roberts重申了利用数据进行预测和规范分析的重要性，以实现主动决策和课程纠正。

“因此，我认为这最终是我们所有人努力的目标。不是被动地为服务做出反应，而是为指挥官、为战士提供信息，这样，你就知道在某件事发生前6个月，它可能会发生，所以现在你可以采取行动方案，而不是”我唯一的选择就是这样做“。”

Justin Finelli强调了一线人员产生的数据的战略价值，以及在保持数据安全的同时实现数据可访问性的需求。

“你在工作中产生的数据是一个信号。绝对保持安全性不仅仅是为了确保供应，而且实际上是为了不透露你的底牌，对吧?我的意思是Leo提到了这一点。数据素养在最低层面至关重要。”

他将亚马逊仓库工人热衷于采用技术来提高效率的兴奋与战士需要理解他们产生的数据的战略重要性之间进行了类比。

“我们经常被比作亚马逊，但我注意到的一件事是，在我去过的每个亚马逊配送中心，码头上搬运箱子、包装、存放和运输的人，比你的首席信息官对技术更感兴趣，因为他们明白这将有助于提高工作效率和效果。”

“如果你看看多年来的战士，对吧?他们是如何进入战斗的，每个人都有1:1的通信，你只能祈祷上帝它能工作。现在每个人都在实时通信，通过背上的小型计算机获取信息，做出生死抉择，对吧?这就是战略数据资产。”

Nolan随后邀请Finelli分享海军在现代化数据共享和治理方面的观点，并以Flank Speed计划为例。

“所以Justin，抱歉，你有什么要补充的吗?那么我们就继续讨论数据治理和安全性。我认为你提到了零信任和一些其他内容，我认为海军在这方面做了一些非常有趣的事情，比如Flank Speed等等。”

“那么，当你考虑数据网格时，对吧?你考虑与这些我们发布、编目的信息产品进行交互的能力。人们知道去哪里，他们知道谁拥有产品，产品所有者知道谁可以访问它以及他们将从中获得什么，以便他们仍然可以保护自己的资产。在海军，你是如何看待现代化这一过程的?如何快速推进，对吧?我认为Flank Speed就是一个很好的例子，但你还有其他例子可以分享吗?”

Finelli承认，与五年前相比，现在数据共享的紧迫性更高，并且需要通过数据级别的安全控制来打破数据共享和安全性之间的“先有鸡还是先有蛋”的循环。

“是的，当然。总的来说，我想这个房间里的每个人都意识到，与五年前相比，数据共享现在的重要性和紧迫性至少提高了10倍，但我们的企业中并不是每个人都意识到这一点。因此，这种传播或尾部影响就是个人的成本收益分析。”

“所以，这回到了上一个话题，但就像如果我们在数据共享和安全性之间陷入了先有鸡还是先有蛋的困境，那么数据级别的安全性就可以打破这种僵局，如果你能证明它的话，你就可以实现双赢。那么，这实际上是什么样的呢?”

他举了一个政策转变的例子，即将国家安全数据与非国家安全数据整合在一起，这是由于认识到它们在维护竞争优势方面是相互关联的。

“几年前，有一项实际政策规定，国家安全数据必须与非国家安全数据分开、隔离开来，因为最初的想法是这样的，但后来发现它们实际上都与保持竞争优势有关，但是要让分散在全国各地的十万个办公桌上的人意识到这一点需要很长时间，对吧?”

Finelli提倡利用数据和工作流程来加快数据共享和整合分散的网络，而不是仅仅依赖治理讨论。

“因此，你可以进行一百次治理讨论，我们已经做过了，或者你可以利用数据，这将加快第一，我们利用他人资源的程度，第二，它在整个系统中的传播方式。因此，就像台上的人一样，我认为自从戈尔德沃特-尼克尔斯法案以来，各军种之间的关系从未如此密切，对吧?”

他强调了各军种之间日益增长的相互依赖关系，并举例说明了利用彼此的能力和平台。

“就像当空军说我们要将联合火力网络纳入我们的一个计划时，每个人都依赖于它，好吧。当陆军接受某些东西时，好吧。因此，我们将相互依赖，我们必须这样做。所以，显然，共同的是共同的，独特的是独特的?我完全同意Mike的观点。”

Finelli描述了海军将分散的数据环境整合到Flank Speed等平台的做法，在这里，数据和工作流程可以实现网络合理化和淘汰遗留系统。

“Mike所说的是，在组件执行层面，我们正在处理多个不同的数据环境。Flank Speed是一个很好的场所，如果我们能够很好地管理数据，就可以将其他180个网络中的一些整合到那里，因为数据和工作流程可以实现合理化、网络整合和关闭这些系统。”

他还提到海军采用了Advana和Jupiter等企业服务进行数据管理，强调了在整个组织内标准化最佳实践的重要性。

“然后，如果我们看看如何在Advana和Jupiter中使用这种指定的企业服务，我们希望有更多这样的服务。因此，如果我们说，从S3到Azure blob这个过程需要多长时间，有17个不同的人以不同的方式完成了这个过程，让我们采用最佳方式，不要再浪费时间，执行这个最佳实践。”

Finelli概述了海军的数据清理方法，采用“青铜、白银和黄金”分类系统，以确保在跨信息域共享之前的数据质量。

“那么，这实际上是什么样子呢?从数据清理的角度来看，我们有青铜、白银和黄金，当某些东西达到黄金级别时，也就是说，当某些东西实际上被清理干净时，我们就可以跨越信息域了，在此之前它是不值得的，对吗?在此之前，你可以为自己的目的使用它，因为你会在翻译过程中发现它，在那里我们可以做更少的手工操作，更多的自动化，那么我们就可以成为一个更好的企业提供者，为整个国防部共享这种类型的数据。这对于任务环境来说是更好的。对于跨域案例也是更好的，如果我们要真正利用人工智能，我相信Leo和其他一些人想谈论这个问题，我们需要比现在更顺畅地跨越二极管或跨越域。”

然后，讨论转向了人工智能(AI)及其在武装部队中的应用。Nolan邀请Leo Garcia分享他的见解和陆军运营AI能力的方法。

“是的，也许我可以先向你提一个关于与外国合作伙伴共享信息的快速问题，Mike，然后我们可以进入人工智能的讨论。所以当你思考联合数据共享问题时，你们已经听到了一些关于陆军、海军、空军以及DLA代表的4个州都在努力共享的情况，但是你知道，我们生活在一个全球社区中。我们在一个全球社区中工作。美国在世界各地都有盟友，当我们做这些事情时，我们必须与他们分享信息，但有时候，我们与人们互动的程度不尽相同，我们对他们的义务也不尽相同，有时候这些信息并不是我们可以分享的。”

“你可以谈谈，由于空军是MP的执行代理机构，我们在做任务合作伙伴环境、多国共享时，会有一些想法，今天我们讨论的许多内容将如何影响这一点。”

Majese承认动态联盟环境的挑战，以及需要可扩展的信息共享解决方案，而不仅仅是传统的跨域解决方案。

“当然。任务合作伙伴环境、联盟型信息共享，这也是一个基于时间的问题，所以如果你现在需要它，我们现在有什么，然后是我们想要做什么。因此，当我们思考当前情况时，我必须以一种离心的方式思考，那就是找出在这个特定任务中将要互动的一组人或国家。然后我将重新部署我的应用程序到另一个网络中。我将在该网络上为那些位置放置端点，然后我可能会有一些跨域解决方案，将一部分数据推送到该环境中，以便他们可以与我们和彼此进行通信，并一次又一次地这样做，这种方式实际上是不可扩展的。在动态联盟的情况下，这个国家现在可能会退出该联盟，现在你必须撤销他们的访问权限并重新配置，而且这些事情可能会在飞行中很快启动，你不希望不纳入那些想在日本跑道上停放F-35s的联盟。你必须拥有所有国家共同合作的能力。”

他设想了一个未来状态，在这种状态下，逻辑分离(由零信任和身份管理等技术实现)将允许基于属性的动态访问，使联盟伙伴能够跨越传统上隔离的网络和应用程序。

“因此，我们想要走的路线非常重要，那就是信息域级别，能够进行逻辑分离，而不是通过网络。这是整个零信任的核心，也是为什么在运营层面上如此重要，不仅仅是出于安全考虑…”

“这是安全和运营第一次真正走到一起。通常情况下，安全性越高，可用性就越低，但现在我实际上是说，我将拥有更多的共享能力，更多的数据可用性，即使它更加安全，这是第一次实现了一致。”

“因此，如果不是采用这种网络中心视图，不需要15次登录就可以做任何事情，我实际上可以在同一安全级别下只登录一次。现在我可以开始移除一些跨域解决方案了。我可以通过逻辑进行分离，并保持这些东西，通过身份管理和我们正在寻找的那些属性，他们可以提供这些权限。”

“我应该能够拥有不同的用户体验，联盟可以实际登录一个传统上不允许外国人访问的网络，访问一个传统上不允许外国人访问的应用程序，并且只能访问他们被允许访问的数据，并且可以动态地改变它。这就是我们想要走的路线，这也是我所说的时间视野。你现在需要它吗?那么，我必须像我们现在这样给你。如果我们可以实施一些关键技术，那么我们就可以以一种完全不同的方式做到这一点，这就是我们想要的。”

Nolan赞赏了逻辑分离的愿景，作为联盟数据共享的可扩展解决方案，并将其与物理基础设施和手动流程的局限性进行了对比。

“是的，我认为逻辑分段是我们一直在推动的云计算的一个概念，对吗?因为多租户的理念，Justin，我曾在APE、林肯上看到过那里为联盟准备的3个机架，对吧?所以我支付了3套基础设施的费用，然后我有1/4的一个进来，然后我不得不去放置装有设备的箱子，并将它们系在甲板上，你知道，这只是为了应对灾难，甚至不是动态冲突。这只是让我们去做南太平洋的台风救援，我们与5个国家合作，因为这是军事行动，所以是秘密的。那么，我们如何在使用逻辑分离的情况下共享信息呢?这是唯一可以扩展的方式。然后你想想北约32个国家?你知道，你不可能有32个网络来做这件事，对吧?因为会有一些人像老式电话接线员一样到处移动电缆。这是无法扩展的。”

在讨论了数据共享和治理框架之后，Nolan将对话转向了人工智能(AI)在武装部队中的应用，邀请Leo Garcia分享陆军的方法和项目。

“是的，你可以这样做。是的，让我们继续讨论，数据在这个对话中显然非常重要，但最终我们要用这些信息做什么呢?因此，我认为在过去7或8年里，人工智能在部门内的出现，比如像机器学习、计算机视觉等许多不同的项目一直在进行，但现在生成式人工智能的革命真的开始了，并将其引入部门，所以也许我可以从你开始，Leo。我们可以谈谈你觉得令人兴奋的一些项目，但我也想请你在谈论这些时，谈谈一些你仍然需要发展的领域，比如政策、技术障碍、劳动力等，在Leo之后，我会将这个问题扩展到你们所有人，我们在如何以更高的速度更有效地使用这些工具方面看到的利弊。”

Garcia分享了陆军主动运营人工智能能力的方法，而不是完全依赖研究和开发工作。

“这是我最热衷的领域。所以我首先会告诉你陆军最初的方法，我认为大多数人也是如此。”

这里是关于陆军运营人工智能能力方法的详细叙述:

Garcia分享了陆军主动运营人工智能能力的方法，而不是完全依赖研究和开发工作。

“这是我最热衷的领域。首先我会告诉你军队最初的做法，我认为大多数部门和国防部的做法都是这样:嘿，我们把这个扔给所有的研发人员，最终他们会想出办法，给我们一些东西。是的，我说，这不是一个选择。要正确地做，所以我们真的推动了这一点，从CIO的角度来看，好吧，看，我们拥有网络，我们拥有安全态势。我们知道数据在哪里。我们只是这样做。我们将使其可用于士兵和部分指挥部，针对有意义的问题集，并真正运营化这一能力，真正理解我们正在走向何方。”

他强调了实践经验的重要性，而不是将人工智能视为纯粹的研究工作。

“我认为这真的很重要，因为现在很多东西仍然是这样的，嘿，我们将进行这种研究工作，这很棒。那是很多技术没有发现挑战的地方，这真的很有趣。”

加西亚强调了陆军探索的一些初步使用案例，特别是在法律、合同和任务规划等领域，利用大型语言模型(LLM)来简化流程并识别潜在的摩擦点。

“我们一直在研究很多使用案例，目前最容易处理的可能是一些业务领域，对吧?所以很明显，我们的法律人员做得很好，我们的合同人员，特别是对于LLM。一些任务人员只需从操作上考虑给定的命令，能够查看所有陆军法规，并使其可用于人们理解可能存在的一些摩擦以及我们需要帮助的地方。我们现在在这个领域看到了很多工作。”

他描述了一个名为Athena的项目，该项目不仅关注技术，还关注理解各种使用案例的业务模型和运营方面，以实现大型语言模型。

“我们有一个名为Atheno的项目，它非常专注于不仅仅是技术，这真的很有趣。我们做出了一个基本决定，即以几种不同的方式为客户启用大型语言模型，对吧?一种是我所说的手把手版本，所以我们有一个商业产品，我们已经使其可用于人们，我们在云中进行了一些原始的提示。他们有一定的支付方式，这很有趣。我们有另一个是纯云原生的OpenAI，已经为我们的一些数据在CUI级别上可用，所以不是完全分类，但肯定也不能与公众分享。然后我们还有一些其他努力，我们正在使用一些系统集成商来为我们提供一些定制功能，我们采取这种方法并将这些不同模型的能力运营化的原因是真正开始理解这里的商业模式是什么?我们将如何购买这个，这真的很重要?”

加西亚承认不同云提供商的不同定价模式带来的挑战，以及在政府内部建立一致的采购人工智能服务方法的需求。

“所以如果你遍及所有云提供商，他们对于我们如何做这件事都收取不同的费用，这真的很有趣。政府在同一件事情上使用不同的收费模式方面做得很糟糕，对吧?所以我们如何弄清楚这是什么样子?”

他还强调了治理框架的重要性，以实现对劳动力的人工智能能力进行负责任和受控访问。

“下一步是好吧，现在我们有了一个模型，就像一个商业模型，我们将如何为此付费。我们如何以一种有意义的受控方式使人们能够进入这里，这真的很重要。对于我们这些做这件事的书呆子来说，这听起来很容易。但当你把最无知的人放在这些平台上，让他们去做时，这就真的很难了。我认为我们现在花费大部分时间的另一个方面是，仅仅是更好地理解有时我们的数据是多么糟糕。”

加西亚强调了谨慎选择和策划数据以构建符合陆军特定任务需求的人工智能模型的必要性，而不是依赖通用训练数据。

“如果有的话，我们正在努力构建这些模型，我们真的意识到，嘿，你在reddit上训练了某些有趣的模型，但对我们任何任务都没有价值，没有帮助，对吧?那意味着什么?现在我们真的专注于缩小范围，更加谨慎地利用这项技术，构建更多针对我们问题的有范围的模型，我们在那里看到了很多成功。”

他分享了一个关于多个陆军指挥部最初提议摄取和处理所有历史合同数据的轶事，突出了更加集中和经济高效的方法的需求。

“我认为这方面的最后一点是从数据角度来理解，那是什么样子?我认为我们的第一个大型努力之一，我认为这很有趣，是我们有5个不同的陆军指挥部说，嘿，我们将摄取陆军编写的所有合同数据。这是疯狂的，但好吧，我们将带来所有这些PB。我们将使用所有这些模型，我们将获得所有这些答案。这将是伟大的。我说我们负担不起作为一支陆军这样做。这不是一件事，对吧?如果我们有要求，那就让我们集中数据，让我们使其可用和干净，让我们考虑对我们有意义的模型是什么，我们可以利用它，如果我们想针对一堆不同的技术对其进行测试，那就去做吧。让我们正确地做。让我们把它烤好。看看它意味着什么。”

加西亚重申了运营化人工智能能力的重要性，而不是将其视为科学实验，并理解在整个陆军内负责任地采用所需的战术、技术和程序。

“最重要的是现在要运营化它。不要等待，不要花费所有这些时间和精力把它变成一个科学项目。我认为我们现在不需要这样做，我认为我们真正需要的是理解，我非常松散地使用这个术语。我们将采用什么战术、技术和程序来在整个范围内运营化这一点，这是他们重点关注的地方。”

他承认需要行业支持来建立适当的商业模式和服务级别协议，特别是当人工智能系统与未成年人互动或处理敏感信息时。

“我认为在行业方面我们需要帮助是真正思考这里的商业模式，对吧?我只是非常普通地谈到我们将在我们的云中部署，对吧?我们将利用一些SaaS东西。真正开始摩擦的是，我将向你提供这个平台作为SaaS。它集成了一个集成的大型语言模型，我会给你一个我一直觉得很可怕的例子。我们想在招聘中使用这个。我们想有一个代理与一个未成年的美国公民交谈，他或她提出一个令人不安的问题并得到一个导致影响的答复。谁对这种影响负责?这意味着什么?这种关系是什么样的，这将是我们真正要探索的下一件事，就是开始思考我们与私人公司的这些服务级别协议是什么样的?这是什么样子?谁对采取的行动和发生的对话负责?我还有一个最后一点，因为我认为这是真正有趣的一点，让我有点想笑，也是我们正在学习的地方，对于那些不在这个领域并且没有看到你的客户提出的提示的人。”

加西亚分享了他对用户向人工智能系统提交一些非常规提示的一些有趣体会，同时承认现有的防护措施在缓解潜在问题方面的有效性。

“它们真的很棒。我是说，我看到了各种各样的疯狂提示，我不会大声说出来，但它们真的很有趣，对吧?而且相信或不相信，大多数地方的防护措施都有效。防护措施确实有效，但我们发现这正在重新定义，嘿，这项技术最适合哪里?”

他强调了对人工智能应用进行分类以确定最合适的使用案例的重要性，而不是将人工智能视为一种通用解决方案。

“这就是我一直告诉人们要关注的地方，并非每个问题都是人工智能问题或机器学习问题或大型语言模型问题，对吧?所以在这方面做了很多分类工作，并专注于我们可以带来最大提升的地方。”

加西亚强调了利用人工智能来增强和赋能人类能力的目标，而不是以效率为代价追求效率。

“还有一点就是，它绝对是为了给人类带来提升，对吧?在哪里运营化这种能力，我们可以获得最大的结果?这真正意味着什么，再次，每个人在国防部和部门，好吧，只是在整个政府，我们总是用效率这个词来表达，我认为这是一个相当有趣的词，因为效率加上糟糕的效力是无用的，对吧?这不是一个好的纳税人资金使用。”

“我们真的专注于一个非常重要的部分，这如何使我们在所从事的工作中更有效?我认为这是关键所在，这也是我们一直在大力推动的地方。”

Michael Majese随后分享了空军在各种应用和平台上广泛集成人工智能(AI)能力的观点。

“目前，人工智能就像一场野火。所有的应用程序似乎都在某种程度上集成了人工智能。因此，无论我们是自己引入还是只是对已拥有的某些应用程序进行了更新，人工智能都在渗透进来，我们必须意识到这已经成为我们所有人生活的标准方式，无处不在。”

他描述了空军的“红色力量”卓越中心，这是政府和行业合作伙伴之间的一项合作努力，专注于负责任和安全的人工智能采用，覆盖各种使用案例。

“我们有一个类似人工智能卓越中心的团队，以星球大战为主题命名为’红色力量’，但它确实拥有出色的政府领导层，同时也得到了承包商的支持，一些非常出色的主体专家，我们能够使用亚马逊SageMaker并将其嵌入到我们的UNCLASS SECRET NTS的所有3个级别以及我们的DevOps平台之上，因此他们拥有机器学习运维能力。”

Majese解释了分类流程，利益相关者提出人工智能使用案例，然后根据现有解决方案和数据评估其可行性和潜在集成路径。

“这个团队进行分类，基本上是有人说’我需要在这个东西上撒点人工智能’。就像我说的，自动化确实可以带来很大的好处，但如果人工智能真的可以成为解决方案，那么我们在这个中央小组中就有一个市场，汇总了我们已经构建的所有内容和已经购买的所有内容，您可以尝试针对您的使用案例运行，带来自己的数据，看看它的表现如何，如果表现良好，我们就不需要再构建新的东西，只需查看如何将其集成到您的工作流程中。”

他强调了将人工智能能力无缝集成到现有工作流程中的目标，而不是将其视为孤立的解决方案。

“因此，这不是一个你必须单独处理的东西，而是你工作流程的一部分，所以他们帮助简化了这些活动。”

当需要新的人工智能解决方案时，Majese强调了负责任和安全采用的重要性，以及明确定义适当使用案例的必要性。

“当我们确实需要引入新的东西时，我们可以研究如何以负责任和安全的方式做到这一点，以及这适用于空军的使用案例有哪些限制?”

他分享了空军在计算机视觉应用方面的重点，利用与国家地理空间情报局(NGA)等组织的合作伙伴关系，建立标准化的置信度指标和元数据共享实践。

“我们非常关注计算机视觉，因为这是我们大多数传感器所在的领域，比如航空成像、全动态视频。我们在这些活动中与NGA密切合作，我是NGA地理和数据人工智能分委员会的联合负责人之一，我们正在做的事情包括如何以每个人都认可的标准方式来衡量置信度?这个指标意味着什么，当我传递元数据时，我会得到一个椭圆而不仅仅是一个点，误差是多少，这样我就可以重叠椭圆并获得更高的置信度和理解标准。”

“因此，我们现在将这些特定的元数据字段作为这些活动的标准进行共享。所以整个生态系统中都在进行共享，我们也希望将我们的市场与其他现有的市场联合起来，这样我们就可以扩展我们已经拥有的东西，这是我们的主要重点之一。”

关于生成式人工智能和大型语言模型(LLM)的使用案例，Majese承认在情报领域需要谨慎行事，以避免产生虚假信息。

“对于生成式LLM类型的使用案例，我想再次强调，当涉及情报时，你不希望产生虚假信息，所以这非常依赖于具体的使用案例。”

他分享了一个使用LLM为即将到任的领导人创建“连续性手册”的例子，综合和总结之前的简报和备忘录中的信息。

“我可以举一个很好的使用案例，我们的一位高级领导人曾说:’我想把我任职期间收到的所有简报、备忘录和其他材料总结出来，为我的继任者准备一份他们可以概括和推断的工作手册，让他们能够理解，这样我就可以拥有一本包含我自己资料的工作手册，然后我可以将其作为一本可交互的连续性手册转交给他们。’我认为这是一个很好的使用案例，所以我们可以这样做。”

国防后勤局(DLA)的Darrell Roberts分享了他们机构在需求规划、预测和供应链风险管理方面应用人工智能的重点。

“是的，对于我们来说，当我们谈论生成式人工智能时，我们的主要使用案例确实是需求规划、预测，以及查看供应链中断。但就人工智能而言，我认为对于我们来说，我们将我们的4种方式视为一个相当标准化的数据集采购。”

他强调DLA利用人工智能模型来预测“无投标”情况等场景，这可能会影响采购时间，并标记出供应链中潜在的不良行为者。

“因此，从这个角度来看，我们做了很多工作，在DLA，我们每天大约有10，000个自动订单，为了支持这一点，我们创建了一些人工智能模型，以便在我们发布招标时，能够预测我们是否会收到无投标，从而增加采购时间和交货时间。我们也利用人工智能模型标记了一些潜在的不良行为者，从供应链的角度来看。”

Roberts强调了问题-解决方案契合度的重要性，而不是盲目采用人工智能，这与Garcia之前提到的对使用案例进行分类的观点不谋而合。

“展望未来，我认为关键在于Leo所指出的，并非每个案例都需要人工智能，也并非每个案例都需要人工智能，对吧?很多情况下，人们只是想要自动化，但他们会说，有人告诉我我需要人工智能，所以给我人工智能，对吧?因此，我们真正围绕着你要解决什么问题?你想要什么答案来进行建模，然后我们再来确定你想如何利用数据，也许是人工智能，也许是生成式人工智能，也许是其他东西。”

Roberts提倡在国防部建立一个集中的卓越中心，作为人工智能使用案例的focal点，同时承认从文化上让组织接受人工智能作为力量倍增器而非就业替代威胁的挑战。

“从部门的角度来看，拥有一个卓越中心可以作为人工智能使用案例的focal点是很有用的，但我认为对于我们来说，也就是从DLA的角度来说，困难在于从文化上让组织接受人工智能，因为如果你不是技术人员，人们一听到人工智能，第一反应就是你打算裁员多少人，对吧?你采用人工智能的目的就是为了裁员，而我们真正将其视为国防部的一种力量倍增器。我们不会裁员。我想在这个舞台上没有人在寻找工作，对吧?观众中也没有人因为你引入了人工智能就要失业。你现在将开始着手解决过去5到10年来一直无法解决的、对使命至关重要的问题，这就是我们在DLA采取的方法，即你要解决什么问题?这真的是一个人工智能问题吗?如果是的话，你想应用什么类型的人工智能?”

Justin Finelli就人工智能项目的资金和扩展问题发表了看法，强调需要证明运营影响和商业案例，以获得持续投资。

“是的，如果我们的任何人工智能项目都没有针对具体的结果，那么资金就会很快枯竭，即使你说’哦，我们成功了，我们获得了资金’，但那只是一年的小额运营和维护资金。要获得持续的资金，就必须证明商业案例。我们大多数情况下会提前3年锁定预算，所以你要么放弃某些东西，要么改变资金流向，要么在生成式人工智能流行之前就已经申请了。”

他分享了一些成功的机器学习项目的例子，这些项目展现了切实的运营效益，通过减少许可证或其他效率来节省成本。

"到目前为止，我们取得成功的案例大多是机器学习。我们有Harbinger正在做…这里是关于在美国军队内部资助和扩展成功人工智能项目的详细叙述:

Justin Finelli就人工智能项目的资金和扩展问题发表了看法，强调需要证明运营影响和商业案例，以获得持续投资。

“是的，如果我们的任何人工智能项目都没有针对具体的结果，那么资金就会很快枯竭，即使你说’哦，我们成功了，我们获得了资金’，但那只是一年的小额运营和维护资金。要获得持续的资金，就必须证明商业案例。我们大多数情况下会提前3年锁定预算，所以你要么放弃某些东西，要么改变资金流向，要么在生成式人工智能流行之前就已经申请了。”

他分享了一些成功的机器学习项目的例子，这些项目展现了切实的运营效益，通过减少许可证或其他效率来节省成本。

“到目前为止，我们所拥有的成功案例主要是 ML 的地平线一案例。我们有 Harbinger，它正在处理声学问题，这是在多种车辆上进行的，它节省了人力，增加了弹性，节省了时间。它产生了巨大的影响，并改变了我们在网络安全领域的工作方式。我们现在每天有8位数的网络事件，我们可以用一位数的值班人员来处理，这些职位我们可能无论如何也无法招聘到合适的人选，但我们解决了这个问题，然后我们可以减少许可证，这就是我们所做的投资回收。”

Finelli 强调了像 Project Maven 这样的计算机视觉项目，作为推动实际变革的有影响力的人工智能部署的另一个例子。

“从 ML 和计算机视觉的角度来看，有很多这样的案例，比如 Maven。每次我去中央司令部或其他司令部时，我都会从地平线2的角度来看，让我们弄清楚我们能做什么以及这可能会走向何方。”

然而，他对那些仅仅追求增量改进或缺乏明确业务理由的项目表示怀疑。

“我们确实有一些 RAG 用例，但除非他们能够展示出业务案例，或者说’嘿，这让我的报告快了一点’?好吧，如果你能多休息一会儿，我们可能不会扩大这种做法。”

Finelli 强调需要展现实质性的运营影响和有形回报，以确保人工智能倡议能够获得持续的资金支持，尤其是那些属于地平线2(近期)和地平线3(长期、探索性)类别的倡议。

“这在执行过程中实际上是什么样子，你在节省真正的时间和执行?因此，随着地平线2，甚至地平线3的公共合作伙伴关系变得更加成熟，我们将根据成果和资金来源对所有这些进行评估。这就是解锁创新采用工具包的方式，我们如何让它们扩大规模?”

他更新了海军的人工智能项目组合，目前有251个正在进行的活跃倡议，根据它们展现的影响力进行持续评估和优先排序。

“所以我们现在有251个人工智能项目。能够跨越死亡谷的项目将根据影响力进行优先排序，然后从人力资源的角度来看，剩下30秒的时间，这里的想法是，将我们培养成数据驱动的决策者比培养我们成为数据专家更容易。”

Finelli 主张让员工成为数据驱动的决策者，而不是试图在数十万人中培养专门的数据专业知识。

“因此，如果你们是与政府合作的企业，欢迎随时给我们免费的课程。但如果你在考虑数十万人的情况，如果你能让我们做出更好的数据驱动决策，那么我们就能做出更好的决策，不要让它变得复杂。”

随着小组讨论临近尾声，Nolan 感谢与会者和小组成员的精彩发言，强调了这个话题对国防部和更广泛的公共部门的重要性。

“好吧，我的时间就只剩一秒了，所以我想感谢大家今天的到场。我认为这是一个非常重要的话题，我真诚地感谢。我想是 Leo 说过，如果你们在这个房间里与部门合作，你们需要关注这个问题。很明显，我们在这里是为了支持使命，对于出于好奇心而来的人，这确实是一个非常重要的话题。所以你们可以做的是，即使在空闲时间，也要为开源项目做贡献，无论在哪个层级的政府，不仅仅是联邦和国防部门，我们都可以在这方面做出贡献，对吗?因为这是我们国家变得更加高效、更加有效、提供更好公民服务的方式。”

他鼓励与会者探索公共部门展馆中的人工智能和数据演示，这些演示灵感来自于小组讨论。

“我真诚感谢我们的发言人。他们中的一些人在这之后还有其他安排，但如果可以的话，请在移动应用程序中完成调查，然后在公共部门展馆，我们今年有一些基于团队讨论的人工智能和数据演示。所以请务必去看看，但再次感谢大家的到来。希望你们能够度过美好的一周。”

总的来说，小组讨论涵盖了与数据、云技术、人工智能/机器学习采用以及美国军队数字化转型相关的广泛主题。重点包括:

• 数据的战略重要性，以及在所有层级实现数据治理、建立数据素养、利用数据获取决策优势的需求。
• 采用云技术和基础设施标准，在满足独特的安全性和认证要求的同时，实现数据和人工智能/机器学习能力的快速、可扩展部署。
• 采用人工智能/机器学习的务实、以用例为驱动的方法，专注于运营影响、负责任的发展和培养员工成为数据驱动的决策者。
• 通过逻辑分离、零信任架构和通用数据标准，实现现代化的数据共享框架，以促进军种、机构和联盟伙伴之间的协作。
• 展现有形的业务价值和运营成果，以确保对产生持久影响、推动持久变革的人工智能/机器学习倡议获得持续投资。

小组成员共同强调了军队利用新兴技术(如云计算和人工智能/机器学习)作为力量倍增器的决心，同时强调了健全的数据战略、安全控制和培养数据素养员工队伍的重要性。这次 re:Invent 讨论展示了国防部数字化转型之旅中的挑战和机遇。

下面是一些演讲现场的精彩瞬间：

一位军事指挥官分享了在实现任务目标的同时促进创新所需平衡标准化和灵活性的见解。

演讲者强调拥抱共同责任模式的重要性，并利用云技术进行高效和经济的扩展，而不是从头重建一切。

将军讨论了云技术如何使数据访问民主化，从而实现针对敌对目标的军事行动的实时决策。

亚马逊云科技讨论了他们的Atheno项目，该项目旨在通过各种方式为客户启用大型语言模型，包括商业产品、云原生OpenAI集成以及与系统集成商的定制功能，以了解业务模式和定价策略。

一场引人深思的讨论，探讨了部署AI语言模型的法律和道德影响，提出了关于责任和负责任使用的问题，尤其是在与未成年人互动时。

演讲者强调为开源项目做出贡献和志愿服务的重要性，以推动各级政府的效率、效力和更好的公民服务。

总结

这场小组讨论围绕着数据的战略重要性及其在为武装部队赋予决策优势方面的作用展开。来自陆军、空军、海军和国防后勤局的高级领导人员组成的小组成员分享了他们关于如何利用数据跨越各个领域提高作战效率和恢复力的观点。

一个关键主题是需要在各军种和任务伙伴之间实现数据民主化和共享。小组成员强调了诸如联合全域指挥与控制(JADC2)理念等举措，旨在通过无缝数据集成实现指挥与控制的统一。他们还讨论了数据治理、安全性以及在各级员工中培养数据素养的文化转变的必要性。

讨论还深入探讨了人工智能(AI)和生成式AI技术的变革潜力。小组成员分享了从需求规划和预测到计算机视觉和自然语言处理等正在进行的项目和用例的见解。他们强调了负责任地采用AI的重要性，关注可衡量的成果和业务案例，而不是为了技术而追求技术。此外，他们强调了培养能够利用数据驱动的决策来实现任务成功的技术熟练员工队伍的必要性。

最后，小组成员重申了紧迫地拥抱数据和AI作为战略资产、促进跨领域合作以及赋予员工必要的技能和思维方式的重要性。他们的集体愿景强调了数据和新兴技术在维护决策优势并确保武装部队在日益复杂和动态的全球环境中的准备状态方面的关键作用。

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务，服务全球245个国家和地区的数百万客户。做为全球生成式AI前行者，亚马逊云科技正在携手广泛的客户和合作伙伴，缔造可见的商业价值 – 汇集全球40余款大模型，亚马逊云科技为10万家全球企业提供AI及机器学习服务，守护3/4中国企业出海。