Chuyển đổi dữ liệu trong Không quân Hoa Kỳ: những điểm nổi bật từ AFORS

Đi Vegas thì...

Tháng trước tôi đã đến dự Hội thảo Nghiên cứu Tác chiến của Không quân Hoa Kỳ (AFORS) tại Căn cứ Không quân Nellis ở Las Vegas. Hội thảo là dịp gặp gỡ thường niên của cộng đồng nhà phân tích trong Không quân, với hơn 200 người tham dự thảo luận về nghiên cứu tác chiến, học máy và khoa học dữ liệu.

Không quân đang đầu tư mạnh mẽ để hiện đại hóa công cụ và đào tạo phục vụ công việc với dữ liệu, và tôi có mặt để tổ chức một buổi workshop code-along về cách sử dụng DataCamp Workspace.

Năm lĩnh vực trọng tâm cho chuyển đổi dữ liệu

Tiến sĩ Angela Giddings, Giám đốc Kỹ thuật về Nghiên cứu, Phân tích và Đánh giá, đã tóm lược mục tiêu của Không quân xung quanh chương trình chuyển đổi dữ liệu. Bà cho rằng vấn đề lớn là tìm cách để các nhà phân tích nghiên cứu tác chiến trở thành lực lượng nhân rộng hiệu quả cho phần còn lại của Không quân. Truyền thống, nghiên cứu tác chiến là một nhóm mang tính học thuật cao trong Không quân, nhưng mô hình đó không còn phù hợp trong bối cảnh hiện nay.

TS. Giddings nêu ra năm lĩnh vực then chốt cho chuyển đổi.

• Đảm bảo dự án tác động đến một vấn đề thực tế
• Đảm bảo kết quả được chuyển giao khi vẫn còn phù hợp
• Sử dụng đúng dữ liệu cho đúng vấn đề
• Tạo ra insight từ toán học
• Tận dụng trực quan hóa

Thú vị là, tất cả các lĩnh vực này đều phản chiếu những thách thức mà các tổ chức trên khắp thế giới đang đối mặt, bất kể có thuộc quân đội hay không.

Bài toán tuyển dụng

Một chủ đề lặp lại từ các sĩ quan cấp cao là việc tuyển dụng và giữ chân nhân tài dữ liệu hàng đầu vô cùng thách thức. Cả ông Wayne Schatz, Giám đốc Nghiên cứu, Phân tích và Đánh giá, và Đại tá Ron Annaballi, Trưởng nhà phân tích của Không quân, đều nói về cách giải quyết thách thức này bằng cách biến phi đội thành nơi tuyệt vời để làm việc, trong đó đào tạo và công cụ là yếu tố then chốt. Không quân có quyền truy cập vào ba nền tảng giáo dục trực tuyến—DataCamp, Coursera và PluralSight—bên cạnh đào tạo nội bộ. Một ngăn xếp dữ liệu hiện đại đang được xây dựng thông qua quyền truy cập rộng rãi vào Python, DataBricks, Tableau, Plotly, Dataiku và Palantir.

Các bài thuyết trình kỹ thuật ấn tượng

Trong các bài thuyết trình kỹ thuật, tôi ấn tượng với phạm vi dự án của USAF. Tối ưu hóa đào tạo phi công là một chủ đề lặp lại, và tôi đã xem không chỉ một mà hai bài thuyết trình gắn cảm biến nhịp tim, theo dõi chuyển động mắt và các cảm biến khác lên phi công để cố gắng xác định những động tác bay nào gây thách thức nhận thức lớn nhất hoặc đáng sợ nhất.

Các bài thuyết trình khác tôi xem trải dài từ những vấn đề kinh doanh cốt lõi—Thượng sĩ Nathan Shaw nói về việc dùng phân tích cảm xúc để phân tích phản hồi khảo sát, đến những vấn đề kỳ lạ mà tôi chưa từng biết tồn tại—TS. Tyler Danley và Thiếu tá Brian Morrison nói về cách lên lịch chuyến bay huấn luyện để giảm số vụ va chạm với dơi, cho đến khoa học viễn tưởng—Học viên Victor Rae thảo luận tối ưu kích thước và vị trí các chòm vệ tinh để đạt độ phủ tốt nhất cho nhiệm vụ.

Với tôi, bài nói kỹ thuật hay nhất hội thảo là của Trung úy Benjamin McCloskey. Các phương tiện bay không người lái sử dụng học máy trên dữ liệu camera để phát hiện tòa nhà và phương tiện trong tầm nhìn. Theo Trung úy McCloskey, có một vấn đề là phần lớn dữ liệu huấn luyện mô hình được thu thập vào ban ngày và trong điều kiện thời tiết tốt. Điều đó có nghĩa là hiệu suất trong nhiệm vụ thực tế kém hơn vào ban đêm hoặc khi thời tiết xấu. 

Giải pháp của anh là sử dụng kỹ thuật học sâu gọi là "generative adversarial networks" để chỉnh sửa ảnh camera hiện có khiến chúng giống như vào ban đêm hoặc thời tiết xấu. Về cơ bản, anh đã tạo ra các "deepfake" của dữ liệu vệ tinh nhằm cải thiện độ chính xác của các mô hình phát hiện đối tượng.

Đào tạo trên DataCamp dẫn tới các sản phẩm dữ liệu mới

Cuối cùng, tôi đã xem một bài thuyết trình xuất sắc từ Đại úy Dominick Speranza về kết quả của một chương trình đào tạo dựa trên DataCamp. Mục tiêu của chương trình là phổ cập kỹ năng để tạo sản phẩm dữ liệu từ dữ liệu thiết bị đo đạc trên máy bay. Chương trình đào tạo gồm một chuỗi khóa học Python trên DataCamp được tuyển chọn, tiếp theo là đào tạo nội bộ về dữ liệu thiết bị máy bay. Dự án capstone để hoàn thành khóa học yêu cầu người tham gia tạo ra một sản phẩm dữ liệu. Ví dụ về các sản phẩm này bao gồm hệ thống phát hiện bất thường để xác định chất lượng dữ liệu từ thiết bị đo trên tiêm kích F-22 và bộ tạo báo cáo tự động nhằm giúp các buổi báo cáo sau chuyến bay của phi công trở nên dễ dàng hơn.

Tổng kết

Toàn bộ hội thảo diễn ra trơn tru nhờ công tác tổ chức xuất sắc của Thiếu tá Bryan Fagan. (Lẽ ra tôi phải đoán các nhà nghiên cứu tác chiến sẽ giỏi vận hành!) Sau khi nghe tất cả những ví dụ về dự án dữ liệu tuyệt vời này, tôi rất háo hức xem chương trình chuyển đổi dữ liệu của Không quân Hoa Kỳ sẽ tiến triển ra sao.