编译：顾小小 / 审校：郭施
. 美国防务一号网站2024年9月1日消息，美国陆军利用数据统计发现，可以打破常规，以比想象中更少的射击次数来训练一支更熟练的炮兵队伍。
. 传统观念认为，实弹射击阶段的表现是预测士兵射击资格的最佳指标。然而，第四步兵师机动副指挥官尤金·费里斯准将及其团队对此提出质疑。陆军中校乔纳森·贝特领导的团队通过统计分析，提出了“点球成金方法”，该方法借鉴了棒球主体电影中的理念，利用统计数据确定哪些技能和指标最能预测士兵的射击资格。
. 一是数据发现激光射击训练与首次获得射击资格的相关性最高。美国陆军炮兵组必须通过六种测试才能获得射击资格，具体包括笔试、模拟、激光和空包弹射击训练、两次实弹射击训练和最后的资格考试。贝特团队利用统计模型发现，激光射击训练最能反映炮兵组人员的熟练程度，这一发现颠覆了传统认知。在开发统计模型之前，外界普遍认为士兵在实弹射击阶段的表现是预测最终表现的最佳指标。
. 二是建议士兵在激光射击训练中表现不佳时，应重新进行训练以节省时间和弹药。基于数据统计模型结果，贝特团队建议，如果有更多数据证明激光射击训练是决定是否具备资格的可靠预测指标，那么那些得分低于该表格中的800或850分（满分1000）的炮兵组人员不用继续参加后续的实弹射击，而是直接被送回去接受更多培训，此举可以节省时间和金钱。
. 三是强调数据驱动训练的重要性。基于这些发现，贝特团队希望运用机器学习技术创建自动化工具来评估士兵的表现，并提前识别需要额外训练的人员。他还强调了结合定量数据与定性常识的重要性，以及未来进一步扩展数据集，包括考虑士兵的个人情况等因素，以完善预测模型。
联系我们
购置资料 杨老师：13165589228（微信同）
检索/翻译 梁老师：13011583019（微信同）
定制报告 蔡老师：13068796075（微信同）
北京分公司联系人 刘老师：18610862096（微信同）
