กองทัพให้ทันสมัยเพื่อวัตถุประสงค์เฉพาะของพวกเขา ตัวอย่างเช่น กองทัพเรือของพวกเขามีเรือรุ่นเก่าเหล่านี้หลายลำซึ่งมาจากช่วงต้นของสงครามเย็นด้วยซ้ำ แต่พวกเขาก็ติดขีปนาวุธใหม่ให้ เรือใหม่เหล่านี้มีเรือคอร์เวตและเรือรบขนาดเล็กกว่าเหล่านี้ซึ่งปฏิบัติการในทะเลภายใน พวกเขากำลังปฏิบัติการในทะเลดำ และมีประสิทธิภาพมากกว่าสำหรับปฏิบัติการประเภทต่างๆ ที่รัสเซียต้องทำในปัจจุบัน ซึ่งพวกเขากำลังพยายามที่จะโจมตีเพื่อนบ้านที่อยู่ต่างประเทศใกล้ๆ ของพวกเขา ไม่ใช่ไปไล่ตามสหรัฐฯ ที่อยู่ห่างออกไปในมหาสมุทร . ดังนั้นพวกเขาจึงฉลาดมากเกี่ยวกับการปรับปรุงให้ทันสมัย
Tom Temin:ฉันเดาว่าจีนชอบอุตสาหกรรมทางทหาร
เรากำลังพูดคุยกับ Billy Fabian รองประธานฝ่ายกลยุทธ์ของ Govini นอกจากนี้เขายังเป็นผู้ช่วยอาวุโสของ Center for a New American Security เราควรเพิ่มและบอกเราว่ามีวิธีใดบ้างที่คุณจะได้เรียนรู้วิทยาศาสตร์การตัดสินใจที่ดีขึ้น มีการสนับสนุนทางเทคโนโลยีที่สามารถช่วยให้ผู้คนเร่งการตัดสินใจเพื่อให้พวกเขาตัดสินใจได้อย่างถูกต้องและดีหรือไม่?
บิลลี เฟเบียน:นั่นคือกุญแจสำคัญ เป็นการตัดสินใจที่รวดเร็ว แต่ก็เป็นการตัดสินใจที่มีคุณภาพเช่นกัน ใช่ ฉันคิดว่าสำคัญที่สุดในบรรดาเทคโนโลยีประเภทต่างๆ ที่สนับสนุนวิทยาศาสตร์การตัดสินใจ อย่างที่ฉันได้กล่าวไปก่อนหน้านี้ ปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง และข้อมูลในระดับต่างๆ และจากนั้นก็มีเทคโนโลยีย่อยมากมายที่อยู่ภายใต้ทั้งสองสิ่งนี้ แต่มีชุดเทคโนโลยีที่กว้างขึ้นซึ่งสนับสนุนมัน ดังนั้นจึงมีฮาร์ดแวร์ที่จะทำงาน เช่น การประมวลผลขั้นสูงและการสื่อสาร
มีเทคโนโลยีประเภทหนึ่งที่ช่วยให้มนุษย์สามารถผสานรวมกับเครื่องจักรได้ดีขึ้น เพื่อรับประโยชน์จากสิ่ง
ที่ข้อมูลในระดับสเกลและการเรียนรู้ของเครื่องสร้างขึ้นเพื่อการตัดสินใจที่ดีขึ้น ดังนั้นสิ่งต่าง ๆ เช่นความเป็นจริงเสริมและอินเทอร์เฟซและสิ่งต่าง ๆ เช่นนั้น แล้วก็มีชุดแอปพลิเคชันที่ผู้นำของเรา โดยเฉพาะอย่างยิ่งในกระทรวงกลาโหมใช้ในการตัดสินใจที่ขับเคลื่อนโดยวิทยาศาสตร์การตัดสินใจมากขึ้น เช่น การสร้างแบบจำลองและการจำลอง ใช่ไหม ดังนั้นการจำลองความขัดแย้งในอนาคต สภาพแวดล้อมการฝึกแบบสังเคราะห์ที่อนุญาตให้บุคลากรทางทหารกลุ่มใหญ่ฝึกในระยะทางไกล เทคโนโลยีทุกประเภทเช่นนั้น ซึ่งอยู่ในกลุ่มวิทยาศาสตร์การตัดสินใจ ไม่ว่าจะเป็นการเปิดใช้งานวิทยาศาสตร์การตัดสินใจหรือเปิดใช้งานโดยมัน
ทอม เทมิน:และคุณได้ระบุผู้ขายสัญญาหลักด้านวิทยาการตัดสินใจ 15 ราย กล่าวคือพวกเขาไม่ได้ขายวิทยาการการตัดสินใจเป็นผลิตภัณฑ์ แต่ขายองค์ประกอบที่สามารถใช้สร้างวิทยาการการตัดสินใจได้
Billy Fabian:ใช่ ถูกต้อง ดังนั้น สิ่งที่เราทำในรายงานก็คือ เราดูการใช้จ่ายของรัฐบาลสหรัฐฯ ย้อนหลังตั้งแต่ปี 2016 ทั้งการใช้จ่ายตามสัญญาแบบดั้งเดิมและผ่านหน่วยงานด้านธุรกรรมอื่นๆ ซึ่งเป็นหนึ่งในเครื่องมือใหม่เหล่านี้ที่รัฐบาลต้องพยายามและเข้าถึงพันธมิตรที่ไม่ใช่แบบดั้งเดิมมากขึ้นใน ภาคการค้า และพยายามจัดระเบียบการใช้จ่ายทั้งหมดนั้น และระบุการใช้จ่ายที่เกี่ยวข้องกับเทคโนโลยีวิทยาศาสตร์เพื่อการตัดสินใจ จากนั้นจัดหมวดหมู่และเพื่อให้เห็นภาพที่ดีขึ้นว่ารัฐบาลสหรัฐฯ ลงทุนอะไรในเรื่องนี้ และใครที่พวกเขาเป็นพันธมิตรด้วย
Peter Evans:ใช่ โดยพื้นฐานแล้วสิ่งที่คุณทำคือคิดว่ามันเหมือนกับเทคโนโลยีเรดาร์ที่ส่งสัญญาณออกมาและสะท้อนคุณสมบัติบางอย่างกลับมา ปืนให้ลายเซ็นบางอย่าง ความหนาแน่นของโลหะ เช่น คุณรู้ไหมว่าใบมีดให้ลายเซ็นบางอย่าง เทียบกับโทรศัพท์มือถือและประเภทนั้น ให้คิดว่ามันเหมือนกับคุณสมบัติการสะท้อนแสงที่สะท้อนกลับมาจากสิ่งนั้น มันง่ายมากที่จะแยกแยะว่านี่คือโทรศัพท์มือถือ เพราะมันสะท้อนถึงเทคนิคและเทคโนโลยีเรดาร์อย่างไร เทียบกับนี่คือปืน จริงไหม? และแม้ว่าคุณจะคิดว่าเป็นปืนพลาสติก 3D ก็โอเค เพื่อที่จะยิงเป็นครั้งที่สอง มันต้องใช้ถังเหล็กชุบแข็ง และกระบอกเหล็กชุบแข็งนั้นให้ลายเซ็นบางอย่างเพื่อตอบสนองต่อเทคโนโลยีเรดาร์
Tom Temin:แล้ววัตถุระเบิดหรือสารอันตรายที่ไม่ใช่โลหะล่ะ?
ปีเตอร์ อีแวนส์:นั่นเป็นคำถามที่ดีมาก ทอม ฉันหมายถึง คุณสามารถใส่เศษกระสุนที่อยู่ในระเบิดได้ด้วย แต่ถ้าคุณดูเหตุการณ์ที่โชคร้าย เช่น บางอย่างในกรุงคาบูล มือระเบิดพวกนั้นฉลาดพอที่จะพูดว่า เราจะใช้เศษกระสุนพลาสติกทั้งหมด ระเบิดพลาสติกทั้งหมด และสิ่งของต่างๆ เช่นนั้น. จากนั้น สิ่งที่คุณทำคือเริ่มออกแบบระบบของคุณ ระบบ AI นั้นสามารถเริ่มทริกเกอร์ในสิ่งต่างๆ เช่น กลไกทริกเกอร์ ระเบิดทุกลูกต้องการตัวจุดระเบิด กลไกจุดชนวนบางอย่าง เช่น แบตเตอรี่และตัวจุดไฟ ดังนั้นเราจึงเริ่มกระตุ้นสิ่งนั้นและมองหาสิ่งเหล่านั้น และด้วยวิธีนี้ คุณจะคิดล่วงหน้าไปหนึ่งก้าวเสมอ ความสวยงามของระบบ AI คือเป็นระบบการเรียนรู้ ยิ่งเราผ่านคำแนะนำมากเท่าไหร่ เรายิ่งต้องผ่านสภาพแวดล้อมต่างๆ มากขึ้น ประสบการณ์และการเปิดโปงที่เรามีมากขึ้นในตลาดที่กว้างขึ้น
สมทบที่กำหนดไว้ใน TSP BRS เริ่มขึ้นในเดือนมกราคม 2018 และในขณะที่ผู้ที่อยู่ภายใต้ระบบเดิมเป็นรุ่นปู่อยู่ แต่ก็มีช่วงการเลือกเข้าร่วมที่สิ้นสุดในปี 2019
สำหรับไตรมาสแรกของปี 2022 การเข้าร่วมในการสนับสนุนการจับคู่แบบเต็มของ BRS อยู่ที่ 69% ซึ่งต่ำกว่าอัตราเป้าหมาย 80% ที่กำหนดโดย FRTIB Dennis McNulty หัวหน้าสาขาประสิทธิภาพเชิงกลยุทธ์ของคณะกรรมการกล่าวว่าสิ่งนี้ได้รับแรงผลักดันส่วนใหญ่จากผู้ลงทะเบียนอัตโนมัติที่ลงทะเบียนก่อนที่จะมีการเพิ่มอัตราการบริจาคเริ่มต้น
credit : เว็บสล็อตแท้
