O que acontece em Vegas...
No mês passado, visitei o US Air Force Operations Research Symposium (AFORS) na Base Aérea de Nellis, em Las Vegas. A conferência é um encontro anual da comunidade de analistas da Força Aérea, com mais de 200 participantes discutindo temas de pesquisa operacional, machine learning e ciência de dados.
A Força Aérea vem investindo pesado na modernização de suas ferramentas e no treinamento para trabalhar com dados, e eu estive lá para conduzir um workshop prático de código usando o DataCamp Workspace.
Cinco frentes-chave para a transformação de dados
A Dra. Angela Giddings, diretora técnica de Estudos, Análises e Avaliações, resumiu o objetivo da Força Aérea em seu programa de transformação de dados. Ela afirmou que o grande desafio é entender como os analistas de pesquisa operacional podem se tornar um multiplicador de força para o restante da Força Aérea. Tradicionalmente, a pesquisa operacional sempre foi um grupo muito acadêmico dentro da Força Aérea, mas esse modelo já não se sustenta no contexto atual.
A Dra. Giddings listou cinco áreas essenciais para a transformação.
- Garantir que os projetos impactem problemas reais
- Entregar resultados enquanto ainda são relevantes
- Usar os dados certos para o problema certo
- Gerar insights a partir da matemática
- Aproveitar o poder das visualizações
Curiosamente, todas essas frentes refletem desafios enfrentados por organizações no mundo todo, estejam elas no meio militar ou não.
O desafio de contratação
Um tema recorrente entre os oficiais seniores foi que contratar e reter talentos de ponta em dados é extremamente desafiador. Tanto o Sr. Wayne Schatz, diretor de Estudos, Análises e Avaliações, quanto o Cel. Ron Annaballi, analista-chefe da Força Aérea, falaram sobre enfrentar esse desafio tornando o esquadrão um ótimo lugar para trabalhar, e que treinamento e ferramentas são fundamentais para isso. A Força Aérea tem acesso a três plataformas de educação on-line — DataCamp, Coursera e PluralSight — além de treinamentos internos. Uma stack moderna de dados está sendo desenvolvida por meio do amplo acesso a Python, DataBricks, Tableau, Plotly, Dataiku e Palantir.
Apresentações técnicas impressionantes
Nas apresentações técnicas, me impressionou a variedade de projetos da USAF. Otimizar o treinamento de pilotos foi um tema recorrente, e vi não uma, mas duas apresentações envolvendo colocar sensores de batimento cardíaco, rastreamento ocular e outros em pilotos para tentar determinar quais manobras de voo eram as mais desafiadoras cognitivamente — ou assustadoras.
Outras apresentações que vi foram desde problemas clássicos de negócios — o Sgt. Nathan Shaw falou sobre usar análise de sentimento para avaliar feedbacks de pesquisas — até questões inusitadas que eu nem sabia que existiam — o Dr. Tyler Danley e o Maj. Brian Morrison falaram sobre como programar voos de treinamento para reduzir o número de colisões com morcegos — passando por ficção científica — o Cad. Victor Rae discutiu como otimizar o tamanho e a posição de constelações de satélites para obter a melhor cobertura para as missões.
Para mim, a melhor fala técnica da conferência foi do 2º Ten. Benjamin McCloskey. Veículos aéreos não tripulados usam machine learning nos dados de suas câmeras para detectar prédios e veículos no campo de visão. Segundo o 2º Ten. McCloskey, há um problema: a maior parte dos dados de treinamento dos modelos é capturada durante o dia e com boas condições climáticas. Isso significa que o desempenho em missões reais é pior à noite ou com mau tempo.
A solução dele foi usar uma técnica de deep learning chamada "redes generativas antagônicas" para modificar imagens existentes de câmera e fazê-las parecer noturnas ou de mau tempo. Essencialmente, ele criou "deepfakes" de dados de satélite para melhorar a precisão dos modelos de detecção de objetos.
Treinamento no DataCamp gerou novos produtos de dados
Por fim, vi uma excelente apresentação do Cap. Dominick Speranza sobre os resultados de um programa de treinamento baseado no DataCamp. O objetivo era disseminar as habilidades necessárias para criar produtos de dados a partir de dados de instrumentação de aeronaves. O programa consistiu em uma série curada de cursos de Python no DataCamp, seguida de treinamento interno sobre dados de instrumentos de aeronaves. O projeto final para concluir o treinamento exigia que os participantes criassem um produto de dados. Entre os exemplos, havia um sistema de detecção de anomalias para avaliar a qualidade dos dados de instrumentação do caça F-22 e um gerador automático de relatórios para facilitar as sessões de debriefing com os pilotos.
Fechamento
Todo o evento transcorreu sem percalços graças à excelente organização do Maj. Bryan Fagan. (Eu deveria ter imaginado que pesquisadores operacionais seriam bons em operações!) Depois de ouvir todos esses exemplos de projetos de dados de alto nível, estou animado para ver como o programa de transformação de dados da Força Aérea dos EUA vai evoluir.
