该军事一直走在先进技术的前沿。有些是最重要的我们每天使用的应用程序例如互联网，是由军事用途开发的。也就是说，军方正在采取行动预测分析这个速度似乎比工业要慢，尽管他们可能会选择不公开这项技术的应用。
剥夺它的魅力，预测分析是人们和企业做的每一天。例如，如果一个店主决定订购超过一定的产品，因为它已经在过去两周已经起飞的货架通常的量更大，这是预测性分析的练习。
根据定义,预测分析是基于过去所发生的事情的预测未来的事件。它不一定需要人工智能或机器学习。
在最简单的形式下，它只需要一点常识。如果乌云遮住了天空，刮起了凛冽的风，大多数人都能根据征兆的强度预测出雨，甚至是暴风雨。
然而，事情有越来越复杂的一种方式，它并不总是容易识别的关键信息和模式，将在作出准确的预测帮助，因此决定。当它成为必要采用更先进和全面的技术和统计模型来逗这些出可用数据的机器学习算法是有用的。这一直是真正为企业一段时间，在过去的十年左右的军事。
问题是原始数据的数量。根据《纽约时报》的一篇文章，美国军方目前面临的最大问题是信息过载。以一种有效的方式浏览它，并且不丢失重要的数据，这对人类操作员来说比听起来要困难得多，不管他们多么专注和熟练。
商业领域在开发用于预测分析的机器学习算法方面也没有疏忽。在最高行业充分利用这方面的人工智能包括重工业、交通、消费品、金融和医疗。军方不必从零开始，但在大多数情况下，他们只需根据自己的需要调整现有的模式。
但是，应该指出，军事利用人工智能，尤其是预测分析，得到了舆论的阻碍。一个试图人工智能在军事整合，项目的Maven，遇到了一些意想不到的阻力。该项目使用了来自谷歌的商用AI软件，这让一些人兴奋不已广泛的争议。约3000名谷歌员工抗议使用其专有平台进行可能具有破坏性的军事用途。
其结果是，军方不得不在其使用的谨慎行事大数据，尤其是涉及到部署。尽管这样，五角大楼正在开发人工智能软件，以帮助收集情报和数据分析。然而，军方需要私人人工智能专家的帮助，因为他们处理大数据的方式远远落后于商业部门。
本文将重点介绍其中预测分析可能在不久的将来发挥重要作用军用领域，特别是涉及战备这些：
- 预测车辆何时需要维修和更换零部件，也称为预测维修
- 士兵将预测如何有效的实战方案基于其在虚拟环境中的性能
- 预测士兵在特定战斗场景中所需的训练和医疗护理
我们首先预测分析汽车维修，特别是对我们的报告布拉德利M2A3坦克：
军用车辆的预测维护
军方使用大范围的车辆它的活动，无论是在战斗中还是没有，和操作在很大程度上取决于运行和运行这些车辆如预期。这并不容易，因为它听起来，作为定期维护可能没有足够的有效操作期间使其保持良好的状态。军车经过一些大量使用，使部分可以意外失败。
预测分析可以帮助军方将车辆故障和故障最小化。这被称为预测性维护。数据收集可能因车辆的不同而有所不同，从定制的传感器到车辆发出的通常不被注意的信号。
后者为的情况下试验来自Uptake的预测分析软件，用于布拉德利M2A3战斗车辆。布拉德利M2是由BAE系统公司制造的一种重型装甲运输车辆。其目标是通过监测和分析现有传感器和遥测系统(即GPS)在运行期间收集的数据，预测车辆和/或其部件的故障。从理论上讲，不需要安装新的传感器来检测和收集数据。
吸收证明通过参考做制造及工业设备同样的事情它过去的成功这种做法。在它的成功是伯克希尔·哈撒韦公司能源，卡特彼勒和波音公司。
下面是吸收如何使用传感器数据在风力涡轮机来预测设备故障3分钟的视频：
对于布拉德利运行试验是14个月，在此之后，陆军将评估该软件的有效性。如果试验成功，将吸收最有可能获得使用其软件的多辆一份更大的合同。
成功还将对军事车辆维修的费用和程序以及对武装部队所有部门的装备供应和战备情况产生重大影响。
类似的情况也被在海上发生的事情了。美国海军军事海运司令部签约AI软件公司Abeyon以帮助利用现有资源保持他们的船只在最佳状态。
该MSC负责补货吗海军船舶和特殊任务运送军用物资和货物。它目前拥有125艘舰艇的平民把守。
MSC砍下30多年价值的文本文档数据。为了使凝聚的数据，Abeyon建立了一个自定义的文本分析工具，注意阐明。基于机器学习的工具的最初目标是在数据集中找到模式。最终，这将有助于做出更好的维护决策。
Clarifi仍处于学习的早期阶段，但它有潜力利用这些数据做更多的事情。它可能最终能够为MSC人员提供一种工具，能够准确预测部件或系统何时需要修理或更换，以免出现问题。
简易控制预测效力
严阵以待的另一个关键因素是，当然是战士。对于一个战士要做好战斗准备，强化训练是必需的，军队是善于提供。
然而，虽然基本训练同1980年代以来的情况大致相同，但高级训练已不再如此。
美国陆军从2012年开始使用虚拟现实技术。这一次，陆军希望使用预测分析和机器学习算法进行评估这些士兵的反应在接近现实的虚拟环境，如在朝鲜的城市，例如。
人工智能和机器学习算法的作用是多方面的。近战杀伤力专责小组使用增广兵训练虚拟现实在合成训练环境。
这可以帮助士兵在具有挑战性的条件下训练使用不同类型的武器，以及对抗各种敌人。士兵们可以单独训练，也可以分组训练，还可以在不同的战场上训练。
与此同时，这增强环境允许培训师在使用生物传感器来收集有关数据的士兵，因为他们通过培训。这包括在压力下的认知和情绪反应，以及其他的物理信号。预测分析可以使用这些数据来提供教师和学员对培训的成功和士兵的战备水平的即时反馈。
创少校。玛丽亚·热尔韦“能够从你的训练中获取数据进行趋势分析和预测分析将会改变游戏规则。“她是综合训练环境(STE)团队，与人工智能行业合作伙伴密切合作，开发这些系统的能力。
下面是显示STE和增强培训能力3.5分钟的视频：
目前，该系统正处于测试阶段，但陆军希望它们能做更多的工作，而不仅仅是训练合格或不合格的士兵。最终，这些系统将有足够的数据来发现趋势，评估培训活动，并提出建议来提高这些培训项目的效率。
预测战场上的医疗护理
总体身体和心理健康是武装部队必须解决的一个重要因素。预测分析可以通过在信号初的健康问题的军事病历检测趋势和异常帮助。
然而，军队作为一个整体有两个大问题:访问一个有凝聚力的医疗记录数据库和评估和预测心理障碍的结果的困难。
人工智能技术的数据管理问题并不是军队独有的。根据我们采访了腾讯医疗大数据实验室主任，陈志刚，解决这个问题需要收集数据:
一切都需要数字化，当这个过程被数字化时，你就有了新的数据。你有更多的数据进来，然后你可以试着优化它，试着从你的数据中挖掘出新的价值。
目前，由于武装部队各部门缺乏协调和凝聚力，无法对军事人员实行全面的保健管理制度。尽管如此，一些使用预测分析的努力正在进行中，以解决战场内外的一些健康问题。
其中一项工作是开发一个基于ai的工具改善战场上的医疗。北卡罗来纳大学获得补助金药Eshelman学院的研究团队拿出的算法，可以“预测的技能，培训和病人护理的指导方针，军事医疗保健工作者将需要不同的方案。”
据该项目负责人杰瑞Heneghan：
我们正在建设将分析的大型电子医疗创伤数据库的工具...识别一般的差距还是在医生的知识缺陷......该系统可以基于识别模式，显示什么照顾有最好的统计结果成为定点照护决策工具。
另一个正在进行的项目是海军作战数码OFFIC即，这是在看预测分析发现趋势和模式的破坏性行为，如自杀，性侵犯，以及酗酒和吸毒。对数据的分析或许能够确定统计学预测的破坏性行为的因素。为了帮助避免这种类型的行为，主任玛格丽特Palmieri问：“[C]的我们举一个指挥官是最在作怪，他指挥的因素的想法？”
在军队卫生管理相结合的预测分析这些举措可能是在正确的方向迈出的一步。然而，他们仍然处于发展的早期阶段，还没有准备好积极部署。
该退伍军人的创伤后成长计划已经看到了一些真正的进展。这项计划包括使用IBM的预测分析沃森个性见解和音仪API来分析和检测文本中的情感和沟通风格，从而预测，将工作最适合每一个人的做法。
下面是沃森个性见解如何运作的视频：
该项目为患有创伤后应激障碍(PTSD)的退伍军人提供治疗。根据国家中心PTSD，这种疾病在美国退伍军人的11-30％之间的影响，这取决于服务区。越战退伍军人受到的打击最大。PTSD是可治疗的疾病，但历史上，退伍军人的小于10％完成传统心理治疗程序。
与启用AI程序，但是，完成率跃升至73％。该计划所需的PTSD病友提交三份书面叙述，它启用了AI-API的分析，以提供治疗者与见解病人。这使治疗师和患者之间更好的连接。
标题图片来源：现实技术
