Розбір навчань на основі ШІ: перетворення даних вправ на знання

Кожне навчання генерує набагато більше даних, ніж будь-яка людська команда може переглянути. Одне конструктивне навчання на рівні батальйону може виробляти мільйони оновлень стану об'єктів, тисячі подій зброї та години радіотрафіку — і повчальні моменти десь заховані всередині цього обсягу. Традиційно їх пошук був завданням аналітиків, які вручну переглядали записи, нашвидкоруч збираючи розбір до того, як навчальна аудиторія розходилась. Розбір навчань (AAR) на основі ШІ змінює економіку цієї роботи: він автоматизує скорочення даних, щоб людський спостерігач-контролер міг витрачати свій час на інтерпретацію та коучинг, а не на пошук подій. У цій статті розглядається, як будується такий конвеєр — від отримання телеметрії через виявлення подій, реконструкцію хронології та показники до самого розбору — і де насправді знаходиться інженерна складність.

Чому розбір навчань є проблемою даних

Розбір навчань — це точка, де вправа перетворюється на навчання. Доктрина добре встановлена: перегляньте, що мало статися, що сталося насправді, чому виникла різниця і що робити по-іншому. Обмеженням ніколи не була доктрина — це були дані. Чим багатшою та реалістичнішою є вправа, тим більше даних вона виробляє, і тим складніше знайти ті кілька моментів, які насправді вплинули на результат.

Ручний перегляд не масштабується з точністю вправи. Аналітик, який може комфортно переглянути бойове зіткнення взводу в реальному часі, перевантажений бригадною вправою, що проводить десятки одночасних зіткнень на широкій площі. Результат: великі навчання розбираються поверхово — очевидні події обговорюються, тонкі — пропущений донесення, рішення, що надійшло на тридцять секунд запізно, підрозділ, що вийшов із взаємного прикриття — лишаються нерозглянутими саме тому, що їх важко знайти. AI AAR існує для того, щоб це інвертувати. Система читає все, а людина переглядає те, що важливо.

Це формулювання важливе для проектування системи. Мета полягає не в тому, щоб замінити судження спостерігача-контролера алгоритмом; мета — усунути тягар скорочення даних, що заважає спостерігачу-контролеру здійснювати судження в масштабі. Конвеєр, що виробляє відшліфований автоматизований звіт, якому ніхто не довіряє, є провалом. Конвеєр, що передає зайнятому спостерігачу ранжований короткий список перевірених подій та хронологію для їх обговорення, є успіхом.

Телеметрична основа

Усе в конвеєрі AI AAR залежить від захоплення та синхронізації телеметрії вправи. У конструктивній та віртуальній симуляції основним джерелом є потік стану об'єктів, що передається через DIS (Distributed Interactive Simulation) або HLA (High Level Architecture): позиція, швидкість, орієнтація, зовнішній вигляд та статус кожного об'єкта у вправі, що оновлюються кілька разів на секунду. Поверх цього нашаровуються дискретні події — постріли, детонації, зіткнення, випромінювання — та людський сигнал: радіомережі, чат та власні анотації спостерігача-контролера, введені під час виконання.

Реальні навчання постачають ті самі логічні потоки з різних датчиків. Інструментовані системи, такі як лазерне навчальне обладнання MILES та GPS-пристрої гравців, надають дані про позицію та залученість; шини даних транспортних засобів і комплекти бійців доповнюють події зброї та стану. Дані більш зашумлені та мають прогалини там, де інструментація відмовляє, але конвеєр, що їх обробляє, структурно той самий.

Перша складна інженерна проблема — синхронізація. Симуляційний годинник, астрономічний годинник та годинник кожного джерела інструментації рідко збігаються, і кількасот мілісекунд зсуву достатньо, щоб пов'язати постріл з неправильною ціллю або помістити подію в неправильну фазу. Конвеєр повинен привести кожен запис до єдиної авторитетної хронології перш за все інше. Друга проблема — розпізнавання об'єктів: той самий транспортний засіб може з'являтися у потоці симуляції, потоці інструментації та радіодзвінку під трьома різними ідентифікаторами, і система повинна розпізнати їх як один об'єкт у канонічному реєстрі. Якщо ці дві основи зроблено неправильно, кожна подальша аналітика успадкує помилку.

Побудова узгодженого стану світу

Коли телеметрія синхронізована та об'єкти розпізнані, конвеєр реконструює безперервний стан світу — субстрат, який запитує кожен детектор і показник. Треки об'єктів інтерполюються між оновленнями, щоб позицію будь-якого об'єкта можна було запитати в будь-який момент. Події зброї пов'язуються зі стрільцем та ціллю шляхом поєднання геометрії, часу та приналежностей об'єктів. Кожен об'єкт позначається за своєю ієрархією підрозділу, щоб аналітика могла агрегувати індивідуальні дії на рівні відділення, взводу та роти. Цей стан світу — це, по суті, запитувана реконструкція всієї вправи — та сама реконструкція, яку людський аналітик будує у своїй голові під час перегляду, зроблена явною та машиночитаною.

Автоматичне виявлення подій

Виявлення подій — це місце, де система виправдовує своє існування. Мета — вивести на поверхню моменти, гідні обговорення, та ранжувати їх за значущістю, щоб спостерігач-контролер починав із тридцяти найцінніших подій, а не з повного запису.

Виявлення найкраще працює як багаторівневий підхід. Детектори на основі правил обробляють добре визначені події з чіткими визначеннями: бойове зіткнення — це подія пострілу, за якою настає зміна статусу цілі; втрата — це оцінка знищення; перетин фазової лінії — це трек об'єкта, що перетинає заплановану міру управління; вогонь по своїх — це бойове зіткнення між двома об'єктами однієї сили. Ці детектори є прозорими та перевіряємими — спостерігач може точно побачити, чому кожна подія спрацювала, що є важливим, коли висновки AAR повинні бути обґрунтовані навчальній аудиторії.

Статистичні та навчені детектори обробляють розмиті патерни, що не піддаються чітким правилам: втрата згуртованості підрозділу через вихід об'єктів із відстані взаємного прикриття, затримка прийняття рішень як проміжок між подією-тригером і реакцією підрозділу, або втрачена можливість, де існувала сприятлива геометрія, але вона так і не була використана. Ці детектори є потужнішими та важчими для пояснення, і саме тому вони повинні пропонувати кандидатні події для перевірки людиною, а не стверджувати висновки. Та сама відокремленість прозорої логіки високого рівня від навченого розпізнавання патернів низького рівня, що визначає хороші адаптивні навчальні системи ШІ, застосовується і тут.

Оцінка та ранжування значущості

Виявлення події недостатньо; конвеєр повинен вирішити, які події варті обмеженої уваги спостерігача. Кожна кандидатна подія оцінюється за кількома факторами: вплив на результат (чи змінила вона, хто виграв зіткнення або хто вижив?), рідкість (рутинне зіткнення отримує нижчу оцінку, ніж рідкісний вогонь по своїх) та відповідність заявленим навчальним цілям (вправа, сфокусована на запиті вогневої підтримки, зважує події вогневої підтримки важче). Оцінені події ранжуються, і розбір починається з початку списку. Це ранжування є єдиним найбільш оперативно цінним виводом системи — саме воно перетворює некерований запис на скінченний, пріоритизований порядок денний розбору.

Реконструкція хронології та показники ефективності

Ранжовані події найбільш корисні, коли розміщені на структурованій хронології. Конвеєр збирає виявлені події у заплановані фази та точки прийняття рішень вправи, щоб розбір міг слідувати операції так, як вона була спроектована, і запитувати на кожній фазі, що мало статися у порівнянні з тим, що сталося. Хронологія, організована навколо плану, а не просто хронологічний журнал, — це те, що дозволяє обговоренню пов'язати тактичні події з рішеннями, що їх породили.

На цю хронологію конвеєр обчислює показники ефективності, що кількісно описують поведінку навчальної аудиторії. До корисних сімейств показників належать показники прийняття рішень (час прийняття рішення, затримка від події-тригера до дії), ефективність бойових зіткнень (відсоток влучань, час до першого пострілу, відсоток вогню по своїх), темп та рух (швидкість просування, час нерухомості під спостереженням, час на виконання завдання) та показники комунікацій (обсяг повідомлень, затримка відповіді, повнота звітності відповідно до вимог підрозділу). Кожен із них зіставляється із заходами ефективності та результативності вправи.

Практичним наслідком є те, що рівень показників має бути конфігурованим для кожної вправи, а не фіксованим. Вправа на полігоні стрільб, віртуальна вправа командного пункту та конструктивна бригадна гра вимірюють цілком різні речі, і та сама інформаційна панель для всіх трьох не служить жодній із них добре. Конвеєр повинен дозволяти розробнику вправи вибирати заходи, що зіставляються з цілями цієї вправи, визначати їхні порогові значення та прив'язувати їх до відповідних фаз — щоб показники, що з'являються у розборі, були саме тими, які вправа мала підтвердити.

Дисципліна, що відокремлює корисний рівень показників від оманливого, — це прив'язка до контексту: кожне число має бути прикріплене до сегменту хронології та об'єктів, що його виробили. Відсоток влучань, поданий без зіткнення, яке він підсумовує, запрошує класичний провал навчальної аналітики — оптимізацію показника замість поведінки. Коли підрозділ дізнається, що система винагороджує високий відсоток влучань, він навчається робити лише легкі постріли. Показники в AAR є доказом для обговорення, а не таблицею результатів, і система повинна представляти їх саме так. Та сама обережність щодо ставлення до чисел як до цілей, а не як до доказів, детально розглянута в роботі про вимірювання ефективності навчань через воєнні ігри.

Проведення розбору

Вивід конвеєра — це не документ, а інтерактивне синхронізоване відтворення. Спостерігач-контролер повинен мати можливість перейти до будь-якої ранжованої події, побачити реконструкцію карти та відповідні показники пліч-о-пліч і відтворити момент із кількох точок зору: погляду дружнього командира, погляду OpFor і всезнаючого погляду об'єктивної реальності. Точність цього відтворення визначає, чи переконає AAR. Стажери набагато охочіше приймають висновок, який вони можуть побачити на карті, ніж число на слайді.

Що важливо, рівень представлення повинен фіксувати судження спостерігача, а не лише відображати машинний вивід. Спостерігач приймає, відхиляє, анотує та переупорядковує кандидатні події, фіксує, чому кожна подія мала значення і що підрозділ має робити по-іншому. Це служить двом цілям. По-перше, анотований, перевірений набір подій є проведеним AAR — продуктом, з яким навчальна аудиторія іде геть. По-друге, рішення спостерігача про прийняття/відхилення — це розмічені навчальні дані, що покращують детектори та оцінку значущості для наступної вправи. Протягом багатьох вправ система навчається, які події цікавлять конкретного спостерігача-контролера, і ранжування стає кращим. Більш детальний розгляд того, як рецензенти та ланцюжки інструментів розподіляють цю роботу, наведено у статті про програмне забезпечення для розбору навчань.

Збереження людини у командуванні розбором

Повторюваний ризик дизайну в AI AAR — надлишкова автоматизація: побудова системи, що видає висновки замість доказів. AAR — це тренерська бесіда, і жодна кількість автоматизованого аналізу сама по собі не змінює поведінку. Відповідна роль конвеєра — читати, вести облік та виконувати арифметику, якої жодна людина не може зробити в масштабі вправи, а потім відступити. Спостерігач-контролер вирішує, що означають події, чому виникла різниця між запланованим і фактичним та що підрозділ робитиме по-іншому наступного разу. Система, спроектована навколо такого розподілу праці, підсилює спостерігача-контролера; система, що намагається його замінити, виробляє розбори, яким ніхто не довіряє і з яких ніхто не вчиться.