Tekoälypohjainen jälkianalysointi: harjoitusdatasta oivalluksiksi

Jokainen harjoitus tuottaa paljon enemmän dataa kuin mikään ihmistiimi pystyy käymään läpi. Yksittäinen pataljoonatason konstruktiivinen harjoitus voi tuottaa miljoonia entiteettitilaa koskevia päivityksiä, tuhansia asejärjestelmätapahtumia ja tunteja radioliikennettä – ja opetukselliset hetket ovat haudattuna jonnekin tuon volyymin sisään. Perinteisesti niiden löytäminen oli käsin tallenteita selanneiden analyytikkojen työtä, jotka kilpailivat kellon kanssa kootakseen analyysin ennen kuin koulutusyleisö hajosi. Tekoälypohjainen jälkianalysointi (AAR) muuttaa tämän työn talouden: se automatisoi datan reduktion niin, että ihmisvalvoja voi käyttää aikansa tulkintaan ja valmennukseen sen sijaan, että etsii tapahtumia. Tässä artikkelissa tarkastellaan, kuinka tällainen putki rakennetaan – telemetrian sisäistämisestä tapahtumien tunnistuksen, aikajanan rekonstruoinnin ja mittareiden kautta itse analyysiin – ja missä tekninen monimutkaisuus todellisuudessa piilee.

Miksi jälkianalysointi on datakysymys

Jälkianalysointi on se piste, jossa harjoituksesta tulee oppiminen. Oppi on vakiintunut: käydään läpi mitä piti tapahtua, mitä oikeasti tapahtui, miksi ero syntyi ja mitä tehdä eri tavalla. Rajoittavana tekijänä ei ole koskaan ollut oppi – se on ollut data. Mitä rikkaampi ja realistisempi harjoitus, sitä enemmän dataa se tuottaa, ja sitä vaikeampaa on paikantaa ne kourallinen hetkiä, jotka todella ohjasivat lopputulosta.

Manuaalinen analyysi ei skaalaudu harjoituksen uskollisuuden mukaan. Analyytikko, joka pystyy mukavasti käymään läpi joukkuetason taistelukosketuksen reaaliajassa, on ylivoimaistettu prikaatiharjoituksessa, jossa kymmeniä samanaikaisia taistelukosketuksia käydään laajalla alueella. Tuloksena on, että suuret harjoitukset analysoidaan pinnallisesti: ilmeiset tapahtumat tulevat käsitellyiksi, hienovaraiset – puuttuva raportti, päätös joka tuli kolmekymmentä sekuntia liian myöhään, yksikkö joka ajautui pois keskinäisestä tuesta – jäävät tutkimatta juuri siksi, että niitä on vaikea löytää. Tekoäly-AAR on olemassa juuri tämän kääntämiseksi. Järjestelmä lukee kaiken, ja ihminen käy läpi sen, mikä merkitsee.

Tämä kehystys on tärkeä järjestelmäsuunnittelun kannalta. Tavoitteena ei ole korvata valvojan arviointia algoritmilla; tavoitteena on poistaa datan reduktiorasitus, joka estää valvojaa käyttämästä arviointikykyään mittakaavassa. Putki, joka tuottaa kiillotetun automaattisen raportin johon kukaan ei luota, on epäonnistunut. Putki, joka antaa kiireiselle valvojalle järjestetyn lyhytlistan validoiduista tapahtumista ja aikajanan niiden käsittelyyn, on onnistunut.

Telemetrian perusta

Kaikki tekoäly-AAR-putkessa riippuu harjoitustelemetrian tallentamisesta ja synkronoinnista. Konstruktiivisessa ja virtuaalisessa simuloinnissa ensisijainen lähde on DIS:n (Distributed Interactive Simulation) tai HLA:n (High Level Architecture) kautta kulkeva entiteettitilan virta: sijainti, nopeus, orientaatio, ulkonäkö ja tila jokaiselle harjoituksen entiteetille, päivitettynä useita kertoja sekunnissa. Tämän päälle kerrostuvat erilliset tapahtumat – asejärjestelmätuli, räjähdykset, törmäykset, emissiot – sekä inhimillinen signaali: radioverkot, chat ja valvojan omat harjoituksen aikana tekemät merkinnät.

Live-koulutus toimittaa samat loogiset virrat eri sensoreilta. Instrumentoidut järjestelmät kuten MILES-lasertaistelujärjestelmä ja GPS-pelaajalaitteet tarjoavat sijainnin ja taistelukosketustietoa; ajoneuvojen dataväylät ja jalkamiessarjat lisäävät ase- ja tilatapahtumat. Data on kohinaisempaa ja siinä on aukkoja missä instrumentointi katkeaa, mutta putki, joka kuluttaa sitä, on rakenteellisesti sama.

Ensimmäinen vaikea tekninen ongelma on synkronointi. Simulaatiokello, seinäkello ja jokaisen instrumentointilähteen kello harvoin yhtyvät, ja muutama sata millisekuntia vinoumaa riittää yhdistämään laukauksen väärään maaliin tai sijoittamaan tapahtuman väärään vaiheeseen. Putken täytyy ratkaista jokainen tietue yhdelle auktoritatiiviselle aikajanalle ennen kuin mitään muuta tapahtuu. Toinen ongelma on entiteettien resoluutio: sama ajoneuvo saattaa esiintyä simulaatiovirrassa, instrumentointivirrassa ja radiopuhelussa kolmella eri tunnisteella, ja järjestelmän täytyy tunnistaa ne yhdeksi entiteetiksi kanonisessa rekisterissä. Jos nämä kaksi perustaa ovat väärin, jokainen jatkoanalytiikka perii virheen.

Yhtenäisen maailmantilan rakentaminen

Kun telemetria on synkronoitu ja entiteetit ratkaistu, putki rekonstruoi jatkuvan maailmantilan – alustan, jota jokainen ilmaisin ja mittari kyselee. Entiteettiradat interpoloidaan päivitysten välillä niin, että minkä tahansa entiteetin sijainti voidaan kysellä millä tahansa hetkellä. Asejärjestelmätapahtumat yhdistetään ampujaan ja maaliin yhdistämällä geometria, ajoitus ja entiteettien voimaaffiliaaatiot. Jokainen entiteetti merkitään yksikköhierarkiallaan niin, että analytiikka voi koota yksittäiset toimet joukkue-, ryhmä- ja komppaniatasolle. Tämä maailmantila on pohjimmiltaan kyselykelpoinen rekonstruktio koko harjoituksesta – sama rekonstruktio, jonka ihmisanalyytikko rakentaa päässään selatessaan, tehtynä eksplisiittiseksi ja koneluettavaksi.

Automaattinen tapahtumien tunnistus

Tapahtumien tunnistus on se kohta, jossa järjestelmä ansaitsee paikkansa. Tavoitteena on nostaa esiin käsittelyarvoisia hetkiä ja järjestää ne merkityksellisyyden mukaan, niin että valvoja aloittaa arvokkaimmat kolmekymmentä tapahtumaa eikä koko tallenteen.

Tunnistus toimii parhaiten kerrostettuna lähestymistapana. Sääntöpohjaiset ilmaisimet käsittelevät hyvin määriteltyjä tapahtumia selkeillä määritelmillä: taistelukosketus on asejärjestelmätulen jälkeen tapahtuva tilanmuutos maalissa; tappio on tappioarvio; vaiheen rajalinja on entiteettirata, joka leikkaa suunnitellun kontrollitoimen; taistelijoiden välinen tuli on taistelukosketus saman voimaaffiliaaation kahden entiteetin välillä. Nämä ilmaisimet ovat läpinäkyviä ja tarkistettavissa – valvoja näkee tarkalleen miksi kukin tapahtuma laukesi, mikä on olennaista kun AAR:n johtopäätökset täytyy puolustaa koulutusyleisölle.

Tilastolliset ja opitut ilmaisimet käsittelevät hajaantuvia malleja, jotka vastustavat selkeitä sääntöjä: yksikön yhteenkuuluvuuden menetys kun entiteetit ajautuvat pois keskinäisen tuen etäisyydeltä, päätösviive käynnistävän tapahtuman ja yksikön vasteen välisenä kuiluna, tai menetetty mahdollisuus jossa edullinen geometria oli olemassa mutta sitä ei koskaan hyödynnetty. Nämä ilmaisimet ovat tehokkaampia ja vaikeampia selittää, minkä vuoksi niiden tulisi ehdottaa ehdokastapahtumat ihmisen validoitavaksi sen sijaan, että väittää johtopäätöksiä. Sama erottelu läpinäkyvästä korkean tason logiikasta opitun matalan tason mallintunnistukseen, joka ohjaa hyviä tekoälyadaptiivisia sotilaskoulutusjärjestelmiä, pätee tässä.

Merkityksellisyyden pisteytys ja järjestäminen

Tapahtuman havaitseminen ei riitä; putken täytyy päättää, mitkä tapahtumat ovat valvojan rajallisen huomion arvoisia. Jokainen ehdokastapahtuma pisteytetään useilla tekijöillä: lopputulosvaikutus (muuttiko se kuka voitti taistelukosketuksen tai kuka selvisi hengissä?), harvinaisuus (tavallinen taistelukosketus saa matalamman pistytyksen kuin harvinainen taistelijoiden välinen tuli) ja relevanssi todettuihin koulutustavoitteisiin (tulivoiman tukeen keskittyvä harjoitus painottaa tulenjohtotapahtumia enemmän). Pisteytetyt tapahtumat järjestetään, ja analyysi alkaa listan kärjestä. Tämä järjestäminen on järjestelmän ainoa arvokkaimmista operatiivisista tuotoksista – se muuntaa hallitsemattoman tallenteen äärelliseksi, priorisoiduksi analyysiohjelmaksi.

Aikajanan rekonstruointi ja suorituskykymittarit

Järjestetyt tapahtumat ovat hyödyllisimpiä sijoitettuna strukturoidulle aikajanalle. Putki kokoaa havaitut tapahtumat harjoituksen suunniteltuihin vaiheisiin ja päätöspisteisiin, jotta analyysi voi seurata operaatiota kuten se oli suunniteltu ja kysyä jokaisessa vaiheessa, mitä piti tapahtua versus mitä tapahtui. Suunnitelman ympärille järjestetty aikajana – ei pelkästään tasainen kronologinen loki – on se, mikä antaa keskustelulle mahdollisuuden yhdistää taktiset tapahtumat niitä tuottaneisiin päätöksiin.

Tälle aikajanalle putki laskee suorituskykymittarit, jotka kvantifioivat koulutusyleisön käyttäytymistä. Hyödyllisiä mittariperheitä ovat päätösmittarit (päätösnopeus, päätösviive käynnistävästä tapahtumasta toimintaan), taistelukosketuksen tehokkuus (osumisprosentti, aika ensimmäiseen laukaukseen, taistelijoiden välinen tulitusaste), tempo ja liike (etenemistahti, aika paikallaan vihollisen havainnoinnissa, aika puhdistaa tavoite) sekä viestintämittarit (viestimäärä, vasteaika, raportointikattavuus yksikön raportointivaatimuksiin nähden). Kaikki nämä kartoittuvat harjoituksen suorituskyky- ja vaikuttavuusmittoihin.

Käytännöllinen seuraus on, että mittarikerros tulisi olla konfiguroitavissa harjoituskohtaisesti eikä kiinteänä. Live-ampumarata-harjoitus, virtuaalinen komentopaikkaharjoitus ja konstruktiivinen prikaatin sotapeli mittaavat täysin eri asioita, ja sama kojelauta kaikille kolmelle ei palvele yhtäkään hyvin. Putken tulisi antaa harjoitussuunnittelijan valita mittarit, jotka kartoittuvat tämän harjoituksen tavoitteisiin, määritellä niiden kynnysarvot ja sitoa ne relevantteihin vaiheisiin – niin että analyysissä näkyvät mittarit ovat täsmälleen ne, joita harjoitus oli suunniteltu osoittamaan.

Kuri, joka erottaa hyödyllisen mittarikerroksen harhaanjohtavasta, on kontekstisidonta: jokainen luku täytyy kiinnittää aikajanaosaan ja entiteetteihin, jotka sen tuottivat. Osumisprosentti esitettynä ilman taistelukosketusta, jonka se tiivistää, kutsuu klassisen koulutusanalytiikan epäonnistumisen – mittarin optimoinnin käyttäytymisen sijaan. Kun yksikkö oppii, että järjestelmä palkitsee korkean osumisprosentin, se oppii ottamaan vain helppoja laukauksia. Mittarit AAR:ssa ovat näyttöä keskustelulle, eivät tulostaulu, ja järjestelmän tulisi esittää ne sillä tavoin. Sama varovaisuus lukujen pitämisestä välineinä eikä tavoitteina tutkitaan laajasti työssä, joka käsittelee sotapelien koulutustehokkuuden mittaamista.

Analyysin esittäminen

Putken tuotos ei ole dokumentti – se on interaktiivinen, synkronoitu toisto. Valvoja tarvitsee mahdollisuuden hypätä mihin tahansa järjestettyyn tapahtumaan, nähdä kartan rekonstruktio ja relevantit mittarit rinnakkain ja toistaa hetki useista näkökulmista: ystävällisen komentajan näkymä, vastaavan voiman näkymä ja kaikkitietävä totuuden mukainen näkymä. Tämän toiston tarkkuus määrittää vakuuttaako AAR. Koulutettavat hyväksyvät johtopäätöksen, jonka he voivat nähdä kehittyvän kartalla, paljon herkemmin kuin luvun dialla.

Ratkaisevaa on, että esityskerroksen täytyy tallentaa valvojan arvio, ei pelkästään näyttää koneen tuotosta. Valvoja hyväksyy, hylkää, merkitsee ja järjestää uudelleen ehdokastapahtumat, ja tallentaa miksi kukin tapahtuma merkitsi ja mitä yksikön tulisi tehdä eri tavalla. Tämä palvelee kahta tarkoitusta. Ensiksi, merkitty, validoitu tapahtumajoukko on toimitettu AAR – tuote, jonka koulutusyleisö vie mukanaan. Toiseksi, valvojan hyväksy/hylkää -päätökset ovat merkittyä koulutusdata, joka parantaa ilmaisimia ja merkityksellisyyden pisteytystä seuraavaa harjoitusta varten. Useiden harjoitusten yli järjestelmä oppii, mitä tapahtumat tietty valvoja arvostaa, ja järjestäminen paranee. Syvemmälle analyysiin siitä, miten valvojat ja työkaluketjut jakavat tämän työn, katso artikkeli sotilaskoulutuksen jälkianalysointiohjelmistosta.

Ihmisen pitäminen analyysin hallinnassa

Tekoäly-AAR:n toistuva suunnitteluriski on automaation ylittyminen – järjestelmä, joka toimittaa johtopäätöksiä näytön sijaan. AAR on valmennuskeskustelu, eikä mikään automaattisen analyysin määrä muuta käyttäytymistä yksinään. Putken asianmukainen rooli on tehdä lukeminen, kirjanpito ja aritmetiikka, jota mikään ihminen ei pysty tekemään harjoituksen mittakaavassa, ja sitten astua taaksepäin. Valvoja päättää mitä tapahtumat merkitsevät, miksi ero aiotun ja todellisen välillä syntyi, ja mitä yksikkö tekee eri tavalla ensi kerralla. Tähän työnjakoon rakennettu järjestelmä vahvistaa valvojaa; järjestelmä, joka yrittää korvata heidät, tuottaa analyysejä, joihin kukaan ei luota ja joista kukaan ei opi.