简 介

.      本版手册之目的在于协助美国政府试验团队规划并执行人工智能组件、应用及系统的研制试验鉴定活动，同时为决策者及利益相关方在人工智能赋能系统开发与部署过程中提供具有价值的见解。鉴于人工智能技术的快速发展，本手册反映了试验鉴定团队目前所达成的共识，并且随着技术与方法的演进，未来很可能需要进行进一步的更新。

.      本书原文发布于2025年2月21日，本书译文发布于2025年6月19日。

.      中文全文共计104千字。

.      定价：1220元。

目 录

第1章 导言

1.1 “研制试验鉴定连续体”概念

第2章 人工智能赋能系统研制试验鉴定概述

2.1 人工智能赋能系统

2.1.1 程序化人工智能

2.1.2 机器学习

2.1.3 生成式人工智能

2.1.4 人工智能试验鉴定面临的主要重复挑战

2.1.5 关于“人工智能”与“自主”的说明

2.2 研制试验鉴定活动和结果

2.2.1 性能特征描述

2.2.1.1 人工智能系统的能力特征描述

2.2.1.2 人工智能系统的局限特征描述

2.2.1.3 缺陷和不足的特征描述

2.2.1.4 确定性能包线

2.2.2 风险特征描述

2.2.2.1 负责任人工智能风险

2.2.2.2 机器学习赋能系统鲁棒性

2.2.2.3 人工智能赋能系统技术风险特征描述

2.2.3 为系统工程提供信息

2.2.3.1 装备解决方案的技术可行性

2.2.3.2 根据系统要求推导人工智能模型规范

2.2.3.3 机器学习训练/验证/测试数据与模型的校核、验证与确认

2.2.3.4 人机编队

2.2.4 为采办管理提供信息

2.2.4.1 备选方案分析

2.2.4.2 决策里程碑

2.2.4.3 作战试验准备状态评审

2.2.4.4 合同结构和数据权

2.2.4.5 进度估算

2.3 首席数字和人工智能办公室试验鉴定战略框架

2.3.1 模型试验鉴定

2.3.2 人-系统集成试验鉴定

2.3.3 系统集成试验鉴定

2.3.4 作战试验鉴定

2.4 人工智能对全寿命周期研制试验鉴定的影响

2.4.1 机器学习开发流程及其对试验鉴定的影响

2.4.2 机器学习相关风险的试验鉴定考虑因素

2.4.3 试验鉴定的机器学习资源规划

2.4.4 试验策略和规划

2.4.4.1 人工智能赋能系统/机器学习赋能系统试验规划的主要方面

2.4.5 试验准备和执行

2.4.6 试验分析和鉴定

2.5 本章小结

第3章 人工智能驱动的试验鉴定实践变革

3.1 本章概述

3.2 机器学习模型开发和评估

3.2.1 模型规范

3.2.2 数据准备

3.2.2.1 数据分区

3.2.2.2 合成数据

3.2.2.3 数据集的校核、验证与确认

3.2.3 模型训练

3.2.4 模型评估

3.2.4.1 机器学习模型评估

3.2.4.2 不同机器学习类别的试验和指标

3.2.4.3 机器学习回归指标

3.2.4.4 分类指标

3.2.4.5 无监督学习——聚类指标

3.2.4.6 强化学习指标

3.2.5 机器学习模型的校核、验证与确认

3.2.6 模型和数据漂移

3.3 机器学习研制试验鉴定的建模与仿真

3.4 在人工智能中使用形式化方法

3.4.1 形式化方法概述

3.4.2 形式化方法与人工智能系统开发生命周期

3.4.3 用于人工智能系统组件的形式化方法

3.4.4 形式化方法和实数运算

3.4.5 数据准备中的形式化方法

3.4.6 检测数据集偏差的形式化方法

3.5 机器学习模型的可见性

3.5.1 什么是可见性

3.5.2 可见性为何重要

3.5.3 诊断

3.5.3.1 基于输入的可解释人工智能策略

3.5.3.2 局部可解释性模型诊断解释

3.5.3.3 适用于机器学习的软件测试方法

3.5.3.4 机器学习运行时监控

3.5.3.5 故障预防和诊断

3.5.4 可追溯性

3.6 早期参与

3.6.1 使用概念

3.6.2 平均行为与异常行为的特征描述

3.6.3 奖励破解

3.7 本章小结

第4章 扩大试验鉴定团体的互动范围

4.1 本章概述

4.2 合同签订

4.2.1 获取承包商数据以改进试验鉴定

4.2.2 训练数据的校核、验证与确认

4.2.3 扩展诊断仪器和数据

4.2.4 深入了解开发过程有助于实现保证

4.2.5 保护承包商知识产权

4.2.6 试验鉴定团队的具体贡献

4.3 需求开发

4.3.1 强制要求

4.3.1.1 部队防护关键性能参数

4.3.1.2 系统生存力关键性能参数

4.3.1.3 保障关键性能参数

4.3.1.4 能源关键性能参数

4.3.1.5 互操作性属性

4.3.1.6 可出口属性

4.3.2 能力解决方案至关重要的关键性能参数、关键系统属性和附加性能属性

4.4 使用概念

4.4.1 概述

4.4.2 人-系统集成试验鉴定

4.4.3 信任校准

4.4.4 突发行为

4.4.5 人机交互

4.4.6 《国防部人工智能伦理原则》

4.5 设计权衡

4.5.1 人工智能类型和结构选择

4.5.1.1 人工智能类型

4.5.1.2 系统架构

4.5.2 非试验证据对系统行为的适用性

4.6 支持确认和认证

4.6.1 训练/验证/测试数据的质量

4.6.2 人机交互

4.6.3 模型脆性

4.6.4 模型鲁棒性

4.6.5 易受敌对行动影响的漏洞

4.6.6 开发流程

4.6.7 认证——机器学习对照表

4.7 本章小结

术语表

缩略词

参考文献

部分内容预览

定价：1220元

联系我们

购置资料                  谷老师：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）