[論文レビュー] Challenges and Characteristics of Intelligent Autonomy for Internet of Battle Things in Highly Adversarial Environments

Alexander Kott|arXiv (Cornell University)|Mar 20, 2018

Network Security and Intrusion Detection被引用数 9

ひとこと要約

本論文は、極めて敵対的な軍事環境における戦闘のインターネット（IoBT）における知能的自律性の挑戦および必須特徴を調査する。本論文は、不確実性下でのレジリエンス、適応性、リアルタイム意思決定を重視する人間と機械のチームワークのためのフレームワークを提案し、動的で変化し続ける戦闘シナリオにおける次世代自律システムの概念的基盤を貢献する。

ABSTRACT

Numerous, artificially intelligent, networked things will populate the battlefield of the future, operating in close collaboration with human warfighters, and fighting as teams in highly adversarial environments. This paper explores the characteristics, capabilities and intelligence required of such a network of intelligent things and humans - Internet of Battle Things (IOBT). It will experience unique challenges that are not yet well addressed by the current generation of AI and machine learning.

研究の動機と目的

• 高敵対的軍事環境に知能的自律システムを展開するうえでの特異的課題を特定すること。
• 戦闘のインターネット（IoBT）における人的・機械的連携を効果的に行うために必要な知能的自律性の特性と能力を定義すること。
• 現行のAIおよび機械学習手法が、リアルタイム性、不確実性、敵対的戦場状況の要請を満たさないというギャップを解消すること。
• 複雑な軍事シナリオにおけるレジリエントで、適応的かつ協調的な運用を支援する知能的自律性の概念的フレームワークを確立すること。

提案手法

• 多数のAI対応ネットワーク化された実体が人間戦闘員と協働する将来の戦場の運用的文脈を分析する。
• 知能的自律性のコア要件を同定する。具体的には、敵対的干渉に対するレジリエンス、動的環境への適応性、不確実性下でのリアルタイム意思決定を含む。
• 人間が意思決定に参加する仕組みを統合したIoBTの概念的アーキテクチャを提案する。
• 人的信頼と協働を支援するため、説明可能で信頼性のあるAIの必要性を強調する。
• サイバー物理システムおよび適応制御の原則を、自律的行動の設計に活用する。
• 敵対的環境下での安全で低遅延の通信および分散型協調メカニズムの重要性を強調する。

実験結果

リサーチクエスチョン

• RQ1 高敵対的軍事環境で効果的に運用するために必要な知能的自律性の定義的特徴は何か？
• RQ2 IoBTにおける知能的自律システムは、継続的な敵対的脅威下で、どのようにレジリエンスと適応性を維持できるか？
• RQ3 動的で変化し続ける戦闘シナリオにおいて、人間と機械の連携はどのようにしてミッションの成功と信頼を確保するか？
• RQ4 現在のAIおよび機械学習手法は、リアルタイム性、不確実性、戦場運用の要請に対し、どのような点で不足しているか？
• RQ5 IoBTにおける安全で、適応的かつ協調的な自律性を実現するために、どのようなアーキテクチャ的および行動的原則が必要か？

主な発見

• 本論文は、現在のAIおよび機械学習システムが、極めて敵対的かつ動的変化の激しい戦場環境で運用するために必要なレジリエンスと適応性を欠いていると特定している。
• IoBTにおける知能的自律性は、リアルタイム意思決定、だましや遮断に対するレジリエンス、安全な通信を最優先にすべきである。
• 人的意思決定の参加（人間が意思決定に参加する）は、複雑な戦闘環境における信頼性、責任の所在、ミッション効果性を維持するために不可欠である。
• 提案されたフレームワークは、分散型、適応的、説明可能な自律性を強調し、システムのレジリエンスと運用効果を高めることを目的としている。
• 研究は、敵対的環境が、不確実性下での継続的学習と適応が可能な自律システムを要求することを強調している。
• 本研究は、既存のAI研究がカバーしていない分野を含む、IoBTにおける知能的自律性の基盤的概念的モデルを貢献している。