對于軍隊來說，要實時跟蹤軍用設備上數(shù)以百萬計機械部件的使用狀況，是非常耗時耗力的。為了完成這項數(shù)據(jù)密集型的工作，美國軍方?jīng)Q定“征用”最近幾年大火的AI助手，讓機器學習軟件來預測哪些軍車需要維護，提前標記出需要維護的機械部件。

美國軍方計劃與Uptake科技公司合作，在一些裝甲運兵車上試點部署這套預測系統(tǒng)。裝載在運兵車引擎上的傳感器能夠記錄諸如引擎溫度、轉(zhuǎn)速等信息，并將數(shù)據(jù)傳送回Uptake系統(tǒng)上。隨后AI機器學習將提煉出這部分數(shù)據(jù)的特點，與已知可能導致發(fā)動機故障的數(shù)據(jù)進行匹配甄別。

當然，實際使用的傳感器數(shù)量會很多。Uptake一位副總裁表示，他們的軟件平臺就像是人腦，從各個神經(jīng)末梢收集數(shù)據(jù)并生成反饋。無論是車輛冷凍液即將耗盡，還是通訊系統(tǒng)可能會在一兩周內(nèi)失效，只要這些情況在其他車輛上也發(fā)生過，那么Uptake的平臺就能識別出來并通知相關人員。

美國軍方并不是Uptake的首個客戶，實際上類似的系統(tǒng)在工業(yè)上早就有了運用，Uptake還同時服務于卡特彼勒、波音等工業(yè)巨頭。伯克希爾哈撒韋能源公司也用他們的軟件來檢測偏遠地區(qū)風力發(fā)電機的維護情況。

不過軍隊使用AI總是一件有爭議的事情，Uptake強調(diào)他們的AI系統(tǒng)本身不會做出任何決定，只是將可能出現(xiàn)問題的區(qū)域高亮顯示，供相關人員查看。而美國軍方也對AI的加入持謹慎樂觀，只有試點成功后，他們才會大規(guī)模裝備這套系統(tǒng)。