美国国防部《数据、分析和人工智能发展战略》
美国国防部
数据、分析和人工智能发展战略
加速决策优势
前言
美国国防部（DoD）已负责任地投资并部署数据和人工智能（AI）系统超过60年。如今，随着技术的不断进步，数据、分析和AI技术已广泛应用于国防部的各个部门，为我们的军事人员提供重要支持。
随着工业界的不断进步，国防部在数据基础和分析能力方面已经取得了稳步而迅速的提升。通过研究和开发，我们实验并整合AI技术到业务和战斗功能中，为大规模使用这些技术奠定了基础。随着我们的投资、实验和创新持续加速，我们的任务是推动这些技术在整个国防部组织中部署。
尽管我们的战略竞争对手在人工智能方面制定了雄心勃勃的目标，但美国及其军事力量在人才、作战经验、技术可用性和系统整合方面具备强大的结构优势，更不用提我们所坚守的价值观，它们指引着我们的一切行动。为了使我们的人员能够更快地做出更明智的决策，我们将提高国防部业务运营的效率，使我们的战斗能力和指挥它们的人更加有效，并创造利用新兴运营理念的机会。
负责并迅速实现数据、分析和人工智能的全部潜力，并不仅仅是一个组织或计划的唯一任务，这是我们所有人的责任。例如，将国防部的数据提供为一个国防部机构资源需要更多的共享和协作，而不是更少。我们寻求一种灵活的战略方法，引导国防部范围内的分散行动，激发学习活动，并利用我们所有的人员、流程和支持技术。
随着我们整合了分析和人工智能应用程序，我们已经观察到它们的好处并吸取了关于它们局限性的关键教训。从指挥室到战场，还有更多工作要做，例如提高数据质量和网络基础设施。这项战略将指导我们如何加强国防部在部署数据、分析和人工智能能力方面的组织环境，以实现持久的决策优势。
成功捍卫国家依赖于我们的人民。正如我们一直所做的，国防部将继续信任、支持、赋权和投资于我们的人员。我们不会通过模仿来超越我们的对手，我们将通过发挥我们的优势来取得成功：我们的民主价值观，我们多元化和开放的社会，我们的创新文化，我们无可比拟的创新基础，以及我们遍布全球的盟友和合作伙伴网络。共同，我们将利用数据、分析和人工智能，为美国人民和世界的国防、安全和繁荣而努力。
战略环境
如2022年国防战略（NDS）所明确指出的，美国拥有无法被竞争对手比拟的优势，其中包括我们多元化和开放的社会、创新文化、创新基地，以及遍布全球的盟友和伙伴网络。国防部通过分散授权，赋予我们全体志愿军的领导者创新的权力，让他们在前线发挥创新能力，运用自己的判断力将新旧能力结合成卓越的作战理念。数据、分析和人工智能（AI）技术的最新进展使领导者能够更快地做出更明智的决策，从指挥室到战场。因此，加速导入这些技术提供了一个前所未有的机会，装备国防部各级领导者所需的数据，并发挥我们人员的决策潜力。
国防战略还描述了美国需要维持和加强对中国和其他战略竞争对手的威慑，这些竞争对手已广泛传达了他们意图利用AI获取军事优势。加速导入数据、分析和AI技术将实现持久的决策优势，使国防部领导者能够优先考虑投资以加强威慑力量，将跨领域的行动成果与我们竞争对手的强制措施相抵消，并不断推动技术能力的进展，以创造性地应对这个决定性十年内的复杂国家安全挑战。
战略环境的紧迫性和国防部必须运作的规模是巨大的。国防部处于卓越的位置，因为它已经建立了一套战略指导的基础，这些指导得出自过去几年的实际倡议中所学到的经验教训。国防部的首个AI战略于2018年发布，2020年修订的数据战略则是其中的两项基础工作。2018年的AI战略强调了建立AI开发的集中基础设施的必要性，以建立来自国防部研究和工程社区的AI技术发展，并在军事伦理和AI安全方面行使国际领导权。2020年的数据战略将国防部定位为一个以数据为中心的组织，能够利用数据支持先进能力以获取作战优势和提高效率，并将国防部机构数据管理活动定位于VAULTIS目标框架。
自相关战略发布以来，工业界已研发出更多应用于联邦环境的工具、平台和服务，使得去中心化的数据管理、分析和人工智能开发更为高效。引入这些商业工具使得国防部各组织能够专注于进行内部转型工作，并为军事用途部署政府拥有的工具、服务和平台。国防部已增强与学术界、工业界以及盟友和伙伴之间的协作，推广数据管理、负责任的人工智能和人工智能准备工作的最佳实践。
通过实验和实践应用，我们更深刻地认识到在规模上开发和部署先进的分析和人工智能能力所需的数据质量和可用性程度。
本《国防部数据、分析和人工智能发展战略》在2018年《AI战略》和2020年《数据战略》的基础上制定，旨在继续推进国防部的数字化转型。国防部将持续把握技术进步带来的机遇，以与时俱进的速率和适应全球使命的规模来实现转型。为此，国防部需要在数据、分析和人工智能活动中采取统一的方法；需要具备教育背景、技能过硬、能够整合商业团队和工具的员工；需要持续的高级研究和快速实验；以及与盟友和伙伴的有效整合。国防部无法独自成功。我们对数据、分析和人工智能技术的整合嵌套在更广泛的美国政府政策、促进创新的私营部门和学术合作伙伴网络中。我们需要一个系统化、灵活的数据、分析和人工智能导入方法，以便国防部各组成部分能够重复使用。本战略概述了改进组织环境的方法，使我们的人员能够运用数据、分析和人工智能能力，以实现持久的决策优势。
主要成果
通过实施本战略，国防部领导者与作战人员将能够迅速、明智地做出决策，充分利用高质量数据、先进分析以及人工智能，形成一个持续、以结果为导向、以用户为中心的开发、部署及反馈循环。
国防部在数据、分析和人工智能方面的投资将解决2022年国防战略中明确的关键运营问题，弥补已证实的不足，以增强联军作战能力，并加强维持持久优势所需的国防部组织基础。从指挥室到战场连续部署数据、分析和人工智能能力意味着，作战决策优势由远离前线的人员和项目办公室所做出的数百甚至数千个决策共同支撑。增强国防部作战和业务运营的决策优势对于维护具备弹性的未来力量至关重要，这一力量需能够应对更广泛的运营问题，灵活地进行战役和威慑，并在必要时取得胜利。
提高战场感知和理解能力 优化力量规划和应用策略 构建快速、精确和具备高度适应性的杀伤链
确保弹性维持支持的可靠性和稳定性
提升机构业务运营的效率和效果
实现这些成果的关键在于灵活、以用户为中心、以产品为中心的开发模式。人类与机器需共同协作，以负责任、高效的方式利用数据、分析和AI能力。
采纳敏捷开发的基本原则和方法 构建直观界面，缩短新技术上手时间 由跨职能团队主导开发，以满足客户需求为核心 提供共享数字基础的产品组合
在运营环境中进行最小可行产品的实验，以确定新的使用概念、提升能力并有效管理新兴风险
现在需要进一步推广这些实践，并在更大范围内付诸实施。国防部将采取跨学科方法，推广这些最佳实践，以强化其技术、人力资源、流程和文化。此举的影响将有如从重型装甲力量转向更具机动性的力量。国防部将通过强大且持续的能力交付管道来增强其竞争优势，以便灵活应对不断变化的环境和技术。
国防部所采用的敏捷方法（详见附图1）通过不断的迭代、创新和解决方案的改进，确保了技术研发人员与用户之间紧密的反馈循环，从而实现决策优势。实践敏捷方法和通过实际操作来学习将加速部署速度，以小时或天来计算，而非以月或年为单位。在开发人员、用户、专业领域专家和测试与评估（T&E）专家之间建立有效的迭代反馈循环将确保所开发出的能力更加稳定、安全、合乎道德且值得信赖。
敏捷方法强调交付速度和持续改进，将结果置于流程之上。重视速度需要组织具备灵活性，并借助早期和持续的实际反馈来不断学习。国防部将朝着实现更大程度的组织间整合、提高透明度以及促进知识共享的方向发展。更广泛地应用数据、分析和人工智能技术将带来新的挑战，需要采取严格的保护措施。这些风险无法通过完美的预测来完全避免，而应当借助持续的学习活动来逐步应对。以这种方式开发能力能够确保我们不仅要保证国防部系统的持续质量、稳定性和安全性，同时也能为工程师们提供更多手段来减少意外偏见并增强用户信心。
战略目标
国防部将重点关注支持国防部AI需求层次结构（图2）的几个相互依存的战略目标。AI需求层次结构是一个金字塔结构，以高质量数据作为其基础，因为所有的分析和人工智能能力都需要受信任的高质量数据来支持决策者。需求结构的下一层是洞察性分析和指标，这是国防部领导者理解其领域和影响这些领域结果的关键变量所需的基础模型和可视化。金字塔的顶部是负责任的人工智能，这是国防部根据国防部人工智能伦理原则，以更好、更快的见解和改进的任务结果为目标，动态地设计、开发、部署和使用人工智能能力。层次结构的各层由强大的流程支持。通过有效的机构数据治理，可以实现数据质量和有洞察力的分析。负责任的人工智能需要测试、评估、验证和验证的可靠保证流程。在金字塔周围有一些促进需求结构的支持因素，如数字人才管理。
需求层次结构作为评估国防部AI准备性的框架，对于指导国防部的目标、加速数据、分析和人工智能技术的导入以建立持久的决策优势具有重要意义。这些相互依存的目标以及它们的支持活动和投资跨越了技术、人力资源、流程和文化领域，将在接下来的几页中详细描述。
提高基础数据管理：加强国防部数据的质量与可用性，以支持先进的数据分析以及人工智能技术的运用。
根据国防部副部长发布的关于创建数据优势的备忘录，国防部需将数据视为一种产品，确保以负责任的方式收集、存储及管理相关数据，以满足国防部机构需求。所有国防部数据均属于机构资源，需遵循现有的国防部网络安全政策以及行业最佳实践，关注数据伦理、数据保护以及不断发展的技术设计。此外，国防部应继续提高其数据的可见性、可访问性、可理解性、可关联性、可信赖性、可互操作性以及安全性（VAULTIS）。各组成部分应运用2020年国防部数据战略初步概述的数据质量维度以及VAULTIS框架来评估其数据在全生命周期的质量。
国防部的数据管理重点将首先放在提升数据质量上，同时将数据视为一种产品以支持国防部长的重要工作领域。为改善整个国防部的数据质量，国防部将构建并实施由数据提供者及用户构成的分布式网络。该网络将包含流程与技术组件，分布于各数据领域之间，并将数据视为一种产品。与设立一个负责管理全国防部机构所有数据的中央数据团队不同，将由各数据领域的所有者及数据产品团队负责管理他们所拥有及生成的数据产品。
数据产品应根据用户需求和要求进行设计、构建及维护，与传统的产品开发过程类似。通过将数据视为一种产品，国防部各组成部分可以促进数据的共享与重复使用，打破数据壁垒，推动跨职能协作。这种以产品为导向的数据管理方法确保了数据的适当管理与治理，明确了责任、质量及界面标准，并控制了数据访问权限。虽然这种方法不会减少国防部的组织复杂性，但随着时间的推移，将有助于提高操作与分析数据的质量，减少数据积压，降低数据存储成本，减少数据冗余。这些改进将使国防部组织能够更充分地利用其数据产品，并作出更高效、更具数据驱动性的决策。
提升机构业务与联合作战能力：借助数据、分析和人工智能技术来强化与/或创新业务分析以及作战能力，从而优化决策优势的结果。
我们需要采取一种集成化、灵活的方法，特别强调数据质量，以确保国防部能够部署负责任的解决方案，以最有效地满足组织的需求。我们迫切需要加强数字化支持，解决从直接支持作战指挥的操作到战略层面的联合能力缺口。要建立推动转型的动力，就需要展示出切实的、近期的成果。例如，如果用户请求一个具有重复性能力的高级决策支持模型，我们可以先部署一个更简单的分析仪表板，以更好地了解当前状态并提出更复杂的问题。国防部将继续推进业务分析，通过不断提升数据质量，提供更全面的图像，使国防部人员能够做出更好、更积极的决策。
国防部将与利益相关者、业务和作战人员并行设计和测试分析和人工智能能力解决方案，并通过有力的学习活动展示这些能力，以适应不同的操作环境。一些用户可能可以访问大量数据和高速处理，而其他用户可能在战术边缘面临带宽有限的问题。设计团队需要在开发过程的早期确定这些限制。国防部将进行持续的实验，并与高影响力的联合力量使用案例一起进行综合多边演习，这将有助于吸引更多的投资，以获得可互操作的机构级作战能力。各组成部分需要积极投资于数据、分析和人工智能，以创造这些能力。经过严格测试后被认为成功的的能力将获得明确的路径以维持和广泛采用。
加强治理并消除政策障碍：在加速导入国防部内的数据、分析和人工智能技术的同时，确保负责任的行为、流程和结果。
国防部对于综合数据、分析和人工智能治理的方法将充分考虑到组织的规模、分散的权力结构以及各组成部分之间在数据成熟度上的高度差异。此外，国防部的信息机构具有广泛且全球化的特点，不同的IT系统、支持团队、项目和活动之间存在强烈的相互依赖关系。例如，2022年国防部零信任战略的一个关键支柱依赖于建立有效的机构数据治理，并部署分析和人工智能来保护我们的网络、应用程序资产和服务。同样，记录管理的流程和程序也是另一个依赖项。2023年国防部记录战略明确指出记录是数据，将被策划、自动化和管理。以这种方式处理记录将增加对数据和分析产品的信任。
这些相互依赖的例子突显了国防部政策环境的复杂性和建立共识的必要性。国防部数据、分析和人工智能领导团队将在支持任务所有者和其他治理机构的同时，就负责任的开发实践建立共识，同时作为支持能力的要求严格的客户。数据、分析和人工智能治理将根据风险进行调整和简化，以数据为导向，重点是协作学习。形成共识和协作对于减轻已知和新兴的政策障碍，以及调整技术界面以加速负责任应用至关重要。
为了支持机构治理的协作方法，国防部各组成部分将确定与数据相关的转型的明确负责人，加强国防部的问责制。机构级治理倡议将优先考虑关键领域，包括数据管理、网络安全、需求、联合互操作性、记录管理和负责任的人工智能。这些领域的成功需要各组成部分继续遵循负责任的安全程序，审查当前的数据汇总和分类政策和流程，根据需要修订规定，并遵守更新的指南。国防部将以速度和负责任的方式进行改革：针对已确定的政策修订，以改进敏捷性、能力部署速度和可扩展性为目标；同时坚守法律和道德行为的坚定承诺；并保护隐私和公民自由。各组成部分实施这一战略的努力将得到治理政策、流程和结构的支持，这些政策、流程和结构以任务为导向，响应需求，最少限制，基于最佳实践。国防部将消除机构障碍，包括那些不必要地抑制了集体研究和开发、规划、互操作性、情报和信息共享的障碍。国防部将在美国政府范围内发挥领导作用，以制定技术和信息发布流程，扩大发布授权，并重新定义信息传播控制，以促进信息交流，实现共同利益。
投资于可互操作的联邦基础设施：优化国防部的联邦基础设施，以支持数据、分析和人工智能的广泛应用和提高互操作性。
国防部将投资于丰富、灵活、安全且联合可互操作的基础设施，以满足用户的需求。数据、分析和人工智能能力的发展需要巨大的计算能力，随着应用规模的扩大，需求将呈指数级增长。在适当的情况下，这种基础设施将是自动化的，包括实施国防部技术政策（例如，持续授权运营）的措施，状态报告以及用户对人工智能平台的访问权限。尽管由政府主导和设计，但国防部的基础设施将应用开放标准体系结构，以便与行业和可信合作伙伴进行协作和持续实验。正如国防部软件现代化战略所述，国防部是一个“机构的机构”。因此，支持数据、分析和人工智能技术的国防部基础设施将保持联邦性质。国防部将继续集中一些决策和服务，同时将其他服务分散，以满足独特的任务需求。为了在平台和服务之间取得最佳平衡，国防部将根据共同的结果和实施复杂性来评估基础设施（如图3所示）。
尽管追求机构扩展的经济效益很重要，但领导者还必须了解其组件的数据、分析和人工智能需求在多大程度上是真正专业化的。有共同数字服务需求和联合使用情况的组织，特别是在迁移相对简单的情况下，将迅速应用共享服务来满足他们的需求。如果组织有高度专业化的需求，或者领导者确定合并到一个共享平台或一套服务中的成本超过了收益，那么组织的基础设施必须保持分散。这一逻辑的一个显著例外是与人工智能相关的基础设施。定制安全可靠的人工智能系统所需的专业知识稀缺仍然是一个限制因素。因此，国防部各组成部分将寻求集中某些人工智能开发平台，以进行持续实验和部署，然后最大程度地应用负责任的共享人工智能服务。
推进数据、分析和人工智能生态系统：加强政府间、学术界、工业界和国际合作伙伴关系，以促进数据、分析和人工智能技术的广泛应用。
国防部将着力发展国内和国际生态系统，以促进政府间、学术界、工业界和国际合作伙伴在数据、分析和人工智能技术方面的深度合作。国防部深知，单打独斗难以取得成功。通过与国内和国际各方的互动，国防部将携手解决共同面临的挑战，进一步推动共同利益，弘扬民主规范和价值观，并增加与合作伙伴之间的互操作性。国防部将与盟友和合作伙伴开展合作，充分利用各自的比较优势，实现数据、分析和人工智能相关战术、机构和战略的互操作性。在适当的情况下，国防部将继续出口关键技术并分享数据，以确保我们的盟友和合作伙伴同样具备灵活性，并能迅速应用先进的分析和人工智能创新。
为了与工业界合作获取并整合经过验证的解决方案，国防部将遵循一个与国防部软件现代化战略和管理和预算办公室（OMB）A-130号通告《将信息作为战略资源进行管理》相一致的“采用-购买-创建”框架。
国防部领导人将首先寻求采纳联合或各部门支持的解决方案，然后再探索开放市场上可用的能力。当国防部拥有的共享服务不可用时，国防部将要求供应商解决特定的商业和任务问题，同时设计采购策略以避免供应商锁定。拥有干净、高质量数据的国防部客户可以寻求商业可用的分析和人工智能能力，同时保留适当的数据权利。商业解决方案的政府合同将确保国防部的能力管道满足不断发展的要求，同时平衡保护行业知识产权。商业解决方案可能不满足所有任务要求，但它们可以为许多双重用途应用提供最佳的能力。国防部通常会采购这些商业解决方案的软件和支持，以解放国防部工程师用于解决固有的政府挑战。部署基于网络、云或应用程序编程接口（API）的应用程序将为更快的机构扩展、连续集成和交付以及增加规模经济提供更多机会。API还允许更多开放的数据源交换，无论来源如何，使国防部领导人和作战人员能够更及时和准确地获取所需的信息。
只有在这些应用程序有助于国防部特定任务且无法轻松应用商业或现有解决方案时，国防部才会考虑自行开发解决方案。这些国防特定的应用程序通常涉及实时、关键任务和嵌入式软件，并与定制的国防硬件配合使用。
创建一个促进竞争和协作的生态系统对于开发和部署人工智能系统至关重要，特别是对于联合作战等下一代能力。在支持开放标准架构的情况下，国防部的数据、分析和人工智能生态系统将促进基于模型性能的商业竞争，并与受信任的国际和政府间合作伙伴进行协作。通过这一过程验证、验证、认可和部署的商业模型然后可以定制为国防部使用。
项目经理将考虑采取措施，利用国际合作伙伴关系和可支持性规划，以提高规模经济、加强国防产业基地，并增强盟友和合作伙伴的能力。此外，国防部将支持创建数据、分析和人工智能技术合同问题陈述和协议所需的标准语言的倡议。在适用的情况下，国防部将利用联邦数据和模型目录以及支持人工智能的机构工具等资源，以加速采购过程。
国防部将完善和拓展采购政策，增加政府对数据的所有权、标签、维护和分类的可见性。国防部在采购创新方面已经取得了进展，将继续鼓励人员敢于冒险，通过实践学习。采购过程必须同样灵活，能够适应不断变化的市场环境。国防部将继续采纳来自非传统合作伙伴的最佳实践，以确保创新解决方案能够以负责任的速度得以交付。
加强数字人才管理：加大力度招聘、培训和留用最关键的数据、分析和人工智能相关工作岗位。
国防部能否有效运用和管理数据、分析和人工智能能力，在很大程度上取决于其员工队伍的技术水平和持续学习能力。因此，国防部将致力于招聘和培养具备这些关键技能的人才，特别是创新型和技术型的人才。随后，国防部将集中资源和力量，采取一系列措施和策略，以吸引、招募、培训和留住这些创新型和技术型人才。
同时，国防部也将关注并培养非技术人员，推动形成一种鼓励数据、分析和人工智能能力的负责任使用和采纳的创新文化。这种文化的形成，不仅需要技术人员的技术素养，也需要非技术人员的领导和管理能力。
尽管国防部已经采取了一系列措施来增强其技术基础，但目前基础设施和数字生态系统仍然存在一些问题，这些问题成为了招聘私营部门优秀人才的障碍。因此，国防部现在需要将人才管理和资源投入的重点放在提高或重新培训现有人才上，特别是针对那些对部门需求至关重要的工作岗位。例如，拥有领域知识和基本数字技能的服务成员和文职人员将接受有针对性的培训和实践机会，以担任数据架构师、数据管理专员和用户体验设计师等重要职位。
为了更好地管理和使用人才，各个部门将挑选出需要提升技能和重新培训的员工，为他们提供全面的支持和资源。对于积极和预备役的服务成员，他们通常具备高需求的数字技能，但这些技能并不直接与他们的专业相关。为了留住这些人才，国防部将创建更加灵活的服务结构，为员工的特长提供持续的发展机会和奖励，避免因选择非传统的职业道路而对员工进行惩罚。
随着国防部的数字人才队伍通过提升技能和重新培训而不断增长和壮大，国防部还将改变现有的吸引、招聘和雇佣数字人才的渠道和思维。各个部门将利用现有的招聘权力和留用工具，并在适当的情况下进行改革，以最大程度地灵活招揽数字人才。此外，国防部将执行一系列试点项目，以发掘内部人才，验证所提出的障碍和问题，并组建来自整个国防部的服务成员和文职人员队伍，以构建和应用数字解决方案，用于最困难的任务。
实施
首席数字和人工智能办公室（CDAO）将负责领导和监督本战略的执行。为确保实施的有效性，CDAO将通过CDAO委员会与各部门密切合作。该委员会是负责管理和协调国防部集成数据、分析和人工智能机构的高级领导机构。在实施过程中，对于某些问题，CDAO委员会将向副部长管理行动组、副部长创新指导组和副部长人力资源委员会提出建议。为确保战略的顺利实施，CDAO将定期审查实施进展，并通过CDAO委员会报告结果。此外，CDAO委员会和相关论坛将致力于确保在全国各地收集的挑战、经验和最佳实践的交流，并监督数字人才发展、领导力和文化等重要因素的推动项目。
实施规划指南
考虑到各部门不同的任务、管理法律和组织结构，国防部各部门对数据、分析和人工智能的监督和实施方式可能会有所不同。各部门在数据成熟度方面的情况各异。因此，各部门应根据自我评估的数据成熟度水平、任务参数和相关法律来制定和调整实施计划。本战略并未规定各部门必须按照首席数字和人工智能官（CDAO）的方式进行重组。然而，在本战略发布后的60天内，各部门应指定负责执行该战略的主要团队或办公室，并明确其相关责任。在分析本战略的目标后，各部门领导者可能会确定多个团队共同负责实施。
根据以往实施国防部人工智能和数据战略的经验，将与CDAO委员会协调制定、完善和监控基于结果的绩效指标。这些指标将成为国防部机构绩效分析框架的一部分。为进一步协助各部门层面的决策和执行，CDAO将发布扩展的实施指南以及本战略的附录。扩展的实施指南将概述CDAO和CDAO委员会与各部门合作制定与本战略主要结果和战略目标相关的战略性绩效度量标准的过程。这一协作过程将确保度量标准得到权威数据源的支持，并最大程度地利用自动化数据收集方法以实现高效的绩效监控。若缺乏权威数据源，CDAO将协助建立并完善这些数据源，直至其满足高级领导者的决策需求。
风险管理
数据、分析和人工智能技术的运用，已对我们的工作方式、生活方式以及相互间的互动方式产生了深远的影响。这些技术的培训和用户友好的界面，促使它们在国防部各类系统和活动中整合度不断加深，几乎达到无处不在的地步。国防部及其竞争对手预期的广泛应用程度以及这些技术的非线性演变，给战略决策者带来了独特的挑战，尤其是在资源规划方面。因此，各部门应确定并应用提供最大灵活性的资源分配方案、流程和评估工具，以便领导者能合规地以快速的方式交付迭代开发的能力。每个迭代或发布周期都应逐渐降低风险，同时通过快速反馈循环确保各部门能更一致地满足用户需求。通过保持适应性，国防部可以更深入理解最终用户的具体需求，并更快地应对安全环境的变化。
这一战略基于学习的敏捷采纳方法，并强调数据质量，也有助于降低实施风险。尽管战略成功取决于高度分散的执行，但CDAO委员会和各部门领导者可以互相学习，并协调管理该战略的目标与其他国防部战略中的并行目标之间的重要依赖关系。随着分析和人工智能技术的战斗用例不断扩展，我们可以预期我们的战略竞争对手会利用这些技术来增强其能力。我们的对手还将继续针对美国技术进行窃取和利用。因此，国防部应采取能让我们迅速行动、保护我们的优势，并遵守我们的法律、政策和价值观的开发方法。
国防部认识到数据、分析和人工智能能力带来的隐私和公民自由挑战，并将建立透明的治理和合规流程，以解决这些潜在风险的全部范围。通过专注于分析和人工智能开发的数据治理和数据质量，国防部可以降低某些风险，包括在整个机构中复制意外偏见的可能性。
各部门领导者和技术专家坚定致力于国防部负责人工智能战略与实施路径的目标，以开发负责、公平、可追踪、可靠和可治理的人工智能能力。
结论
国防部在规模和作战任务上具有独特性，但各领域的组织已成功应对了类似挑战，并充分利用了数字化转型的优势。国防部领导者应获取高质量数据、先进分析和人工智能能力，以便及时、明智地做出决策，捍卫国土、威慑侵略，并在冲突中取得胜利。我们的军事竞争对手正整合这些技术以增强自身实力。我们不能等待，也不能独自成功。本战略的方法强调了速度、敏捷性、学习和责任的重要性。采取这种敏捷方法，集中精力实现本战略概述的目标，将使国防部能够以所需的速度和规模采纳和利用数据、分析和人工智能能力，从而建立持久的决策优势。如果我们全面应对挑战，不满足于现状，我们将加速数据、分析和人工智能的应用，并不断部署创新的解决方案，捍卫美国人民的国防、安全与繁荣。
---【本文完】---
近期受欢迎的文章：
我们正处于数十年未见之大机遇中
新技术爆发式发展，催生新产品
然而，颠覆式创新并非简单的技术堆叠
而是异常复杂的系统工程
需要深度洞察
欢迎一起分享思考和见解