美国国土安全部科学与技术理事会发布了《人工智能与机器学习战略计划》（S&T Artificial Intelligence and Machine Learning Strategic Plan）白皮书。该计划分为三个目标，概述了国土安全部“将如何建立和应用尖端专业知识，以帮助部门利用人工智能/机器学习技术的机会，同时降低相关风险。”
翻译 | 吴宇昂/赛博研究院实习研究员
来源 | Department of Homeland Security
一、执行摘要
美国国土安全部科学与技术部(S&T)提出相关目标。S&T将开展人工智能和机器学习的研究、开发、测试与评估活动，以支持国土安全部的使命需要，并就人工智能/机器学习的发展、机遇、风险向利益相关方提供建议。
《人工智能/机器学习战略计划》定义了S&T如何有效应对人工智能/机器学习给国土安全部门、广大国家安全企业及其服务带来的机遇和挑战。《人工智能/机器学习战略计划》提出了三个长远目标：
长远目标一：推动下一代人工智能/机器学习技术，提升多领域的国家安全能力
S&T将对满足国土安全部关键需求的人工智能/机器学习研发活动进行战略投资。S&T已经确定了三个研发目标：先进可靠的人工智能，不断更新的人机合作，以及利用人工智能/机器学习的安全网络基础设施。推进值得信赖的人工智能是一项跨学科努力，旨在研究并为可解释的人工智能、隐私保护、消除偏见和对抗敌对机器学习等问题提供可行的解决方案。S&T也将研究人机合作，优化人机交互，并努力减少其劣势。在安全网络基础设施领域，S&T将研究跨系统数据共享和处理的能力，有效管理人工智能/机器学习模型，并使人工智能/机器学习能够执行威胁检测与响应。
长远目标二：推动在国土安全相关工作中使用经过验证的人工智能/机器学习能力
S&T将确定技术落地的可能性，并将其与需求相匹配，以推动国土安全部各部门和利益相关方对现有人工智能/机器学习解决方案的理解和采用。S&T还将提高非专业人员用于管理和处理大型数据集的能力，同时就人工智能/机器学习所需的技术、政策和基础设施向能源部提供建议。
长远目标三：建立跨学科人工智能/机器学习培训的工作团队
S&T将招聘专家，并培训现有人员，以提高整个S&T工作人员的人工智能/机器学习能力，以便更有效地开展S&T相关工作。此外，S&T将为更广泛的国土安全部和国家安全企业群提供专家建议和培训机会。
S&T对人工智能/机器学习的方法是由国家指南和国土安全部人工智能战略指导的。
S&T致力于确保人工智能/机器学习研究、开发、测试、评估和部门级应用符合法定规范和其他法律要求，并维护个人隐私保护、公民权利和公民自由。后续的S&T人工智能/机器学习实施计划将详细说明S&T人工智能/机器学习战略计划将如何实施。
二、目的
人工智能和机器学习战略计划确立了人工智能/机器学习的愿景、工作和目标。战略计划确定了人工智能/机器学习的重点领域，S&T将作为研发部门和科学技术顾问，为国土安全部各部门和国家安全企业执行相关工作。
三、介绍
A. 国土安全部使命背景下的人工智能/机器学习
国土安全部的使命包括诸如管理关键基础设施的网络和物理风险，在合法贸易和旅行同时保护美国边境，调查并阻止犯罪活动，以及应对天灾与人祸。人工智能/机器学习为更高效、更有效地完成国土安全部各部门和广大国家安全企业的工作提供了机会。人工智能/机器学习在这些使命中的可能用途示例包括在边境过境点处理大量传感器数据、扫描网络活动以发现异常情况，以及模拟自然灾害对关键基础设施的影响。人工智能/机器学习还引入了新的风险，国土安全部必须准备识别、评估和减轻这些风险。国土安全部也要以保护隐私、公民权利和公民自由、防止偏见的方式开发这项新技术，以确保有效性和维护公众信任。当问题发生时，国土安全部还必须做好有效应对的准备。
B. S&T使命背景下的人工智能/机器学习
S&T的使命是通过科技创新来应对现在与未来的威胁，从而保卫国家。由2002年《国土安全法案》落地，国土安全部S&T和国家安全企业被任命执行相关的基础和应用研究、开发、演示、测试和评估活动。《人工智能/机器学习战略计划》与《2021年S&T战略计划》中明确提出的目标相吻合，并得到后者支持。S&T作为国土安全部的研发部门，以及国土安全部和国家安全企业利益相关方值得信赖的科技顾问，将开展相关研究，来了解与快速变化的人工智能/机器学习技术相关的机会和风险，以及对国土安全部相关工作的影响。
S&T将使国土安全部和广大国家安全企业有效地使用人工智能/机器学习来执行他们保护美国人民和国土的使命，同时符合道德标准和美国人民的价值观。S&T领导致力于确保人工智能/机器学习研究、开发、测试、评估和部门应用符合法律和其他法律要求，保护隐私，并维护公民权利和公民自由。
四、价值观和原则
S&T人工智能/机器学习战略计划与国土安全部人工智能战略(2020年12月3日)以及国土安全部指导原则一致，具体说明了S&T将如何支持和应对新兴人工智能/机器学习技术给国土安全部带来的研发挑战和机遇。科学技术遵循行政命令13859“保持美国在人工智能方面的领导地位”(2019年2月11日)和行政命令13960“促进联邦政府使用值得信赖的人工智能”(2020年12月3日)中提出的原则，美国国家科学技术研究所的报告《美国在人工智能方面的领导地位：联邦参与开发技术标准和相关工具的计划》(2019年8月9日)。此外，S&T行动符合经合组织成员国提出并被二十国集团采纳的人工智能原则。
这些原则将为后续的《人工智能/机器学习实施计划》的制定提供依据。该计划描述了实现本《人工智能/机器学习战略计划》中概述的目标和成果所需实施的路线图和治理方法。
五、长远目标
国土安全部人工智能战略(2020年12月3日)提出了5个长远目标，以指导国土安全部以负责和值得信赖的方式将人工智能纳入国土安全部的任务，并成功地在国家安全企业范围内降低与人工智能相关的风险。国土安全部的人工智能长远目标是：
人工智能在国土安全领域的潜力；
应用于国土安全方面的人工智能投资；
减少人工智能给各部门和国土安全带来的风险；
建立应用于国土安全的人工智能工作组；
提高公众信任度与参与度。
除了配合国土安全部和国家安全企业的工作，S&T还将继续与产学研和国际伙伴合作，为国家安全企业的业务提供有迹可循的指导，并支持其挑战方向。S&T制定了三个长远目标，以推进该组织在国土安全部人工智能/机器学习中的作用：
推动下一代人工智能/机器学习技术，实现国土安全的跨领域能力；
促进在国土安全任务中使用已验证人工智能/机器学习能力；
建立跨学科人工智能/机器学习培训的人员队伍。
长远目标1：推动下一代人工智能/机器学习技术，实现国土安全的跨领域能力
S&T与各方合作，进行研究与投资，实现人工智能/机器学习上的跃进，从而满足国土安全需求。S&T战略目标1与国土安全部人工智能战略目标2相一致：投资国土安全部人工智能能力。S&T对人工智能/机器学习的优先投资领域是推进可靠的人工智能、人机合作和安全网络基础设施。这些优先领域是由S&T人工智能/机器学习工作组根据现有和预计的科技水平和国土安全部各部门的需求制定的。
短期目标1A：推进值得信赖的人工智能
推进可信人工智能是研究如何确保人工智能/机器学习系统可信度的一个广泛研究领域。这一研究领域对于国土安全部和国家安全企业来说至关重要，原因有很多：
使国土安全部领导层和管理层能够根据技术和任务指标，以及适用的法律和政策要求，有效地评估人工智能/机器学习系统的性能；
为工作人员做出关键决策时提供对所有人工智能/机器学习系统的适当信任；
促进公众对国土安全部部署的人工智能/机器学习系统的信任。
这一领域需要解决的问题不仅是技术，也有其他多方面内容。它需要为社会科学、政策、法律、隐私、公民权利、公民自由和道德研究开发治理方法，在国土安全部、国家安全企业和广泛社会领域建立信任。《推进值得信赖的人工智能》中包含的关键领域有多方面与此相同。
1A.1 先进的可解释人工智能： 为促进研究，S&T将通过投资、合作和知识共享，支持可解释人工智能的研究，使人工智能在国土安全部和国家安全企业中的负责和可信实施成为可能，并促进相关个人推行相关法律和行政程序。人工智能/机器学习的有效使用需要解释系统如何工作，并使国土安全部利益相关者(包括监督者)能够理解这些工作。这也需要对如何有效地审计人工智能/机器学习系统进行技术研究，以了解它是如何达到其产量的。研究人类也有必要理解这些内容。
这包括确保技术审计纳入社会行为和道德考量，以及法律、政策、国土安全部和国家安全企业相关操作的隐私要求，并确保这些解释对国土安全部和国家安全企业人员有所裨益。
1.A.ii 在人工智能能力内建立隐私保护机制： 许多人工智能/机器学习模型都经过训练，并处理大量数据。隐私保护新方法的研究可以使国土安全部受益，确保数据的收集、使用、维护和传播遵循隐私法律、法规和国土安全部政策，公众也能对其增添信任。科技研究将包括政策、业务规则和创新隐私对人工智能/机器学习功能的隐私方面的增强。S&T还将研究创新的隐私增强和保护措施，以及如何训练人工智能/机器学习模型以保护个人隐私的方式处理数据。这项研究将由S&T向各部门提供指导。
1A.iii 提高人工智能/机器学习能力中检测和抑制偏差的能力： 人工智能/机器学习模型在带有数据偏差形式的数据集上进行训练，这些偏差形式可以被机器过程复制或放大。这可能包括以不符合宪法和法律保障平等的方式对待个人，或在某些情况下放大或加剧系统性的社会偏见，造成各种影响。这可能会给这些群体带来不利的后果。以上问题与国土安全部和国家安全企业的核心价值观和使命——保护美国人民和维护他们的价值观——完全相悖。
因此，理解这些偏差是如何发生的，并在将其纳入人工智能/机器学习解决方案之前对其进行检测，是S&T将开展的跨学科研究的重要方面。
1A.iv 确保对人工智能/机器学习能力的信任： 这一领域符合国土安全部人工智能战略目标5：提高公众信任和参与。对于那些与人工智能/机器学习系统交互或受其影响的人来说，拥有适当程度的信任是很重要的。如果公众对国土安全部和国家安全企业使用的人工智能/机器学习缺乏信心，那么它的使用可能会破坏公众的信任，成为国土安全部及其各部门执行任务的阻碍。S&T将继续进行跨学科研究，以评估公众如何看待国土安全应用中的人工智能/机器学习，以及什么样的方法能更好地建立公众信任。S&T认为，这样的研究有助于确保国土安全部和国家安全企业以符合社区价值观和利益的方式开发和使用人工智能/机器学习。此外，S&T将利用最佳实践(包括行业实践)案例，以确保人工智能/机器学习的实施符合技术和伦理标准。如果随着行业和竞争对手的发展，国土安全部没有将技术和道德方面的合理技术纳入其相关工作，国土安全部各部门和国家安全企业的效率可能会下降，这会对公众的看法产生负面影响。
1A.v 防范机器学习的使用： 虽然人工智能/机器学习可以带来巨大的好处，但它也创造了独特的攻击载体。人工智能/机器学习模型的广阔天地植根于它的训练数据。如果这些数据被泄露，人工智能/机器学习系统可能会产生负面影响。另一方面，对手可以识别训练数据中的局限，并利用这些局限。此外，人工智能/机器学习模型也可以被攻击、窃取、欺骗或修改。了解、预防和对抗敌对机器学习的研究对于为国土安全部和国家安全企业开发可靠的人工智能至关重要。
短期目标 1B：推进人机合作
这一目标是研究人类和人工智能/机器学习如何最有效地合作，以执行国土安全部和国家安全企业的任务。人工智能/机器学习有非常明确的优势和劣势——就像人类一样。
了解人工智能/机器学习如何最有效地增强人类决策能力，对于最大限度地提高人工智能/机器学习对国土安全部和国家安全企业的潜在效益至关重要。这一研究领域是跨学科的，需要将技术研究与社会科学相结合。
1B.i 优化循环中的人类架构： 考虑到国土安全部各部门和国家安全企业操作的敏感性以及人工智能/机器学习的脆弱性，构建相应的计算处理系统，以充分发挥人的能力来获得最佳人类认知，是至关重要的。S&T将在这一领域广泛研究的基础上，开发出满足国土安全部任务需求的解决方案。
1B.ii实现用户和异构架构之间的协作： 随着传感器、处理器和数据在整个社会的爆炸式增长，特别是随着物联网和边缘计算的出现，为国土安全部各部门和国家安全企业在一系列危机和普通情况下使用数据创造了新的机会。然而，这些数据在不同的体系结构中共同存在。S&T将开展研究，开发能够在不同架构上实时操作的人工智能/机器学习系统，以利用这些数据。
短期目标1C：利用人工智能/机器学习实现安全网络基础设施
“网络基础设施”由计算系统、数据存储系统、先进设备、数据存储库、可视化环境和人员组成，所有这些都通过软件和高性能网络连接在一起，以提高研究生产力，实现其他情况下不可能实现的突破。网络基础设施巩固了关键的基础设施部门。确保基础设施安全是国土安全部的一项任务。使网络基础设施成为可能的技术革命也支撑着人工智能/机器学习的发展。考虑到网络基础设施的速度、规模和计算密集型需求，人工智能/机器学习在其安全方面将不可或缺。
1C.i 描述有效模型寿命： S&T将研究人工智能/机器学习模型的有效性，包括如何保持它们处于最新版本，并告知利益攸关方如何在整个生命周期中有效管理人工智能/机器学习。
1C.ii 实现快速威胁检测和响应： 考虑到网络威胁的出现、传播和进化的速度，人类不足以实时处理它们。S&T将研究、开发、测试和评估能够实时识别和跟踪新出现的网络威胁的人工智能/机器学习能力。
1C.iii 启用实时和安全的共享计算： 许多数据和系统对分析网络威胁和保护网络基础设施具有敏感性，如安全分类、个人可标识信息或专有信息。S&T将研究允许跨系统共享和处理数据的技术能力，同时确保访问和使用经过授权，不会暴露敏感信息。
长远目标1的成果
一些表明在满足国土安全部需求方面取得进展的具体成果包括：
有效的模型性能： 有效的模型性能依赖于良好的数据集。在大多数情况下，S&T将努力使用真实的操作数据来训练人工智能/机器学习模型，并验证模型性能。然而，对于特定的国土安全使命，上述方式不再可行。在有限的情况下，要实现这几个目标，就需要开发综合数据训练的准确、可靠模型。开发、测试和评估这一精心搭建的数据模型将推动下一代人工智能/机器学习技术的发展。
减轻逆向工程的安全机制： 理解、预防和对抗敌对机器学习需要研究人工智能/机器学习系统中的威胁和漏洞特征。运用安全机制降低风险将是对抗敌对机器学习的关键指标。这一结果符合国土安全部人工智能战略目标3：降低国土安全部的人工智能风险。
由人类聚焦转向认知参与： 人工智能/机器学习的未来是将人类从机械任务中解放出来，使他们能够专注于依赖人类判断的复杂任务。人工智能/机器学习如果得到适当的实施，将有可能在各种环境中增强人类的智能。在这些环境中，有明确特征的机械化任务目前是由人类分析师和操作员执行的。开发人机合作(特别是国土安全部应用)的性能指标将有助于有效的开发、测试和评估。
了解自动化系统风险的有效度量： 无论是确定人工智能/机器学习系统的隐私风险还是其在检测威胁时可能出现的错误，都需要对这些风险进行系统性度量，以确定系统是否满足其需求。
长远目标2：促进在国土安全任务中使用已验证人工智能/机器学习能力
这一长远目标将支持国土安全部人工智能战略目标1：评估人工智能对国土安全企业的潜在影响，以及国土安全部人工智能战略目标2：投资国土安全部人工智能能力。S&T使国土安全部各部门和国家安全企业合作伙伴能够在短期内评估并选择是否采用人工智能/机器学习。S&T将与各部门一起工作，了解各部门的需求，然后根据这些需求定制人工智能/机器学习研究。S&T的作用包括确定支持国家安全企业任务的现有技术，推进各部门建立发展人工智能/机器学习的能力，制定测试和安全标准，并就恶意或破坏性使用人工智能/机器学习的影响向国家安全企业提供建议。
短期目标2A：识别、评估和过渡现有人工智能/机器学习能力，用于国土安全部各部门和国家安全企业任务
2A.i开发或采用已证实的人工智能/机器学习能力以满足各部门需求： S&T将与各部门协调，以了解各部门需求和能力，以及人工智能/机器学习系统运行的政策和任务背景，以调整S&T研发来满足能力需求。
2A.ii识别、评估和移植能力，并通知利益相关者： 如果存在成熟的人工智能/机器学习能力，国土安全部必须能够评估其技术性能和潜在任务影响。考虑到各部门或合作伙伴及其作业者的分析成熟度，这一过程包括将正确的技术与适当的任务匹配。这个过程不仅仅是技术上的。使国土安全部各部门和国家安全企业采用人工智能/机器学习将需要充分利用科技领域的能力，包括社会科学、系统工程、测试和评估、人为因素和组织分析。即使一个能力在技术上是成熟的，确定它是否适合使用环境、终端用户需求和其他战略和战术考虑需要不同主题专家参与和判断。
2A.iii进行试点研究： S&T将对有前景的技术进行试点研究，以快速试验人工智能/机器学习系统可能为国土安全局各部门提供的价值。此类试点研究将使S&T能够向利益攸关方通报现有资源，并为将可行的产品转型提供可能性，以满足国土安全部各部门的任务需求。
短期目标2B：在国土安全部各部门和国家安全企业中启用人工智能/机器学习
S&T旨在通过对工具和能力的识别、评估和建议，使各部门和合作伙伴更好地理解人工智能/机器学习解决方案如何应对任务挑战，在国家安全企业的各个层面实现创新。这个目标需要一系列的技术投资，同时对各部门的组织学习提供支持。
2B.i可访问人工智能/机器学习工具指南各部门： 随着人工智能/机器学习的发展，使非数据科学领域的专家能够使用的工具正变得商业化。这些工具有助于在国土安全部和国家安全企业中实施人工智能/机器学习解决方案。S&T将为各部门提供关于这些功能的指导，包括自助服务、数据清理和准备功能，以及可访问的人工智能/机器学习工具。科技还将向利益攸关方通报与可获得的人工智能/机器学习工具相关的潜在治理问题。
2B.ii就人工智能架构的技术投资向各部门提供建议： S&T将作为各部门投资架构的顾问，使人工智能能够确保满足各部门的需求，并使各部门级别的架构不会妨碍企业级别的数据共享。
2B.iii服务于国土安全部人工智能治理机构： 使组织成功采用技术需要有效的治理。国土安全部人工智能战略要求在国土安全部成立一个治理机构。S&T将在这个治理机构中发挥代表作用，并将通过提供科学和技术指导发挥关键作用。在这种情况下，治理可以通过以下领域提供信息：政策、道德标准、数据管理、资源分配、保护隐私、公民权利、公民自由、记录管理和法规获取，并为部门和高级领导提供所需的工具，以管理采用人工智能的企业级风险和收益。S&T还将提供人工智能/机器学习方面的技术建议，以支持合作伙伴和各部门发展自己的治理结构，以便在国土安全部各部门和国家安全企业中适当地实施人工智能/机器学习。
2B.iv自动数据治理指南各部门： 访问和使用数据集往往需要一个广泛的批准过程。商业上可用的自动化数据治理工具和功能可以在确保策略和记录管理需求得到满足的同时加速这一过程。S&T将对自动化数据治理能力和机会进行试验并提供指导。自动化数据治理工具可以加快信息访问、共享和处理的速度；同时，更好地保护隐私、公民权利和公民自由以及其他法律和法规的标准和政策要求。
2B.v建议并确定恶意使用人工智能的对策： S&T将就人工智能/机器学习的影响向利益攸关方提供建议。人工智能/机器学习的恶意使用以及人工智能/机器学习在整个社会的存在将对国土安全部各部门和国家安全企业任务产生影响。人工智能/机器学习方面的科技专业知识可以帮助各部门和合作伙伴制定适当的主动措施和应对措施。
长远目标2的成果
为关键的国土安全任务加快最先进的人工智能/机器学习能力建设速度意味着促进国土安全部各部门和利益相关方采用经过验证的人工智能/机器学习解决方案。与这一目标有关的产出有以下几种：
针对关键任务和业务的技术评估： S&T将提供专家投入，定期分析和评估现有技术的效用，以满足关键任务需求。
对国土安全部业务流程的影响： S&T将为在现有科技工作流程和业务流程中引入人工智能/机器学习系统，并为这一新工作流程和业务流程的潜在影响提供指导。S&T将为国土安全部更广泛地评估人工智能/机器学习对企业业务流程的潜在影响贡献技术专长。
与各部门的联合试验： S&T与各部门之间密切合作，进行试验并确定解决方案，这将确保在引入创新时考虑到适当的技术、组织和其他因素。
国土安全部对人工智能/机器学习的投资： S&T将生成知识产品，向各部门提供最新的人工智能/机器学习工具、技能和技术。知识产品将使元器件对人工智能/机器学习进行明智的投资。这一结果也将支持国土安全部人工智能战略目标1.1：发展人工智能技术应用知识，和国土安全部与S&T的人工智能/机器学习战略短期目标3B：扩大国土安全部人工智能/机器学习能力。
各部门S&T收购指南： S&T将在整个收购过程中为项目办公室提供支持，包括需求开发、分析流程、标准使用、系统工程和技术准备，以及关于最能满足各部门需求的人工智能/机器学习系统的具体、可操作的建议。
通过实践社区与合作伙伴合作： 为了让整个国土安全部采用人工智能/机器学习，S&T将需要嵌入人工智能/机器学习专家和用户组成的全部门网络，并定期交流分享最佳实践和见解。S&T还将代表总务管理局政府管理其范围内的人工智能实践社区。
外联和沟通指南： 建立公众对人工智能/机器学习的信任，建立适当的使用，以及与利益相关方进行其他有效沟通，是在国土安全领域使用该技术的必要条件。科技与总部其他部门一起，将发挥中心作用，就这些外联和通讯问题向该部提供指导。
长远目标3：建立跨学科人工智能/机器学习培训的人员队伍
采用人工智能/机器学习需要熟悉并熟悉该技术的员工。为了开展人工智能/机器学习研究，并就人工智能/机器学习向国土安全部和国家安全企业提供建议，S&T将率先建立一个具有一系列学科背景和观点的人工智能/机器学习专家团队，包括系统架构师、数据科学家、工程师、计算机科学家、社会科学家、隐私专家、伦理学家和政策分析师。S&T还将努力支持国土安全部和国家安全企业建立自己的人工智能/机器学习工作人员队伍。这一目标符合国土安全部人工智能战略目标4：发展国土安全部人工智能人员，以及《2021年科技战略计划》目标，即在保障当下人工智能/机器学习的同时，促进S&T人员为未来做好准备。S&T将提供和交流人工智能/机器学习方面的培训机会，并将在培训更多国土安全部工作人员方面发挥作用，以促进更好地理解在国土安全部任务中使用人工智能/机器学习的机遇和挑战。
短期目标3A：建立人工智能/机器学习 S&T队伍
S&T将培训和发展跨学科人员，通过承包商、联邦资助的研究和发展中心、国家实验室、卓越中心、实习生和研究员来增强联邦人员的专业知识。这需要更多的人工智能/机器学习人才的战略性招聘，努力留住和发展人才，以建立制度性知识。
3A.i招聘人才： 考虑到人工智能/机器学习人才市场竞争激烈，S&T将努力建立并稳定人工智能/机器学习人才渠道，以满足S&T和国土安全部的需求。建立这一渠道的机制之一是扩大国土安全部奖学金项目，通过让教师、博士后、研究生和本科生直接接触独特的国土安全挑战，促进人工智能/机器学习人才的发展。使用STEM(科学、技术、工程和数学)招聘权威人士是另一个重要的招聘渠道。将人工智能/机器学习能力纳入人事管理厅确定的已建立和核准的工作系列，将有助于招聘和雇用。
3A.ii留住人才： 科技将改善其沟通和传递政府服务价值主张的方式。S&T将探索招聘选择，包括提供有竞争力的薪酬和机会，并应用现有国土安全部专门的留用激励计划，以招聘人工智能/机器学习人才。为了留住有才华的人工智能/机器学习人员，S&T必须确保技术能力和政策框架到位，以允许有才华的专家为人工智能/机器学习研发活动做出贡献。
3A.iii发展人才： S&T会创造机会开发专业技术员工，包括职业发展道路提供了S&T专家在人工智能/机器学习方面寻求新挑战的可能，与其他机构进行细节探讨，并参与校外实习，使科技员工跟上人工智能/机器学习的行业界，学术界、和非盈利部门的步伐。
3A.iv提高整个S&T员工的人工智能/机器学习能力： 科技将为其员工提供培训机会，以快速传授人工智能/机器学习的一些技术技能。
短期目标3B：扩大国土安全部 人工智能/机器学习能力
为了让人工智能/机器学习技术在国家安全企业中得到广泛应用，工作人员必须具备与该技术交互的技能和知识，并与内部和外部利益相关方进行讨论。S&T将发挥核心作用，使广大国土安全部工作人员能够理解和利用人工智能/机器学习来完成他们的使命，同时遵守道德标准和行政命令13960的原则。S&T将与国土安全部首席人力资源办公室和人事管理办公室合作，确定并开展培训活动，制定评估技术专长的标准。
3B.i 培训国土安全部的工作人员： 国土安全部的工作人员需要熟悉人工智能/机器学习。有了基本的知识水平，那些希望创新的人将能够看到利用人工智能/机器学习完成任务的新机会。S&T在转变自身文化的同时，将开展培训，并确定人工智能/机器学习培训，使国土安全部的工作人员能够胜任这些工作。
3B.ii 支持国土安全部各部门评估招聘的技术专长： 正如S&T需要扩大人工智能/机器学习专业人员队伍一样，各部门也需要自己的专业人员队伍。确定一名潜在雇员是否具有适合某个职位的技术技能，对于确保关键职位的人员配备是至关重要的。
S&T利用其在产业界和学术界的联系，可以支持各部门评估候选人的技术专长。可以开发新的程序，以评估、调整和改进该部的技术健康状况。S&T将与国土安全部、首席人力资源办公室和人事管理办公室合作，支持制定评估技术专门知识的标准。
长远目标3的成果
S&T在建立跨学科人工智能/机器学习培训队伍的努力的一个关键成果是吸引、发展和留住有才华的人工智能/机器学习专业人员。以下是一些与建立人工智能/机器学习人员相关的其他一些结果，包括与人力资源、培训和S&T信赖的科学技术顾问履行有关的结果：
提供全部门的S&T专业知识： 向国土安全部部门提供人工智能/机器学习方面的专家建议将表明S&T正在履行其在部门中的职责，并在提供技术和科学建议方面保持强有力的积极声誉。一个重要的结果将是S&T将持续响应各部门对人工智能/机器学习问题的支持请求。
聘请专家： 聘请专家将确保S&T能够继续履行其为相关部门提供咨询的重要使命。
执行外派： 要跟上快速变化的人工智能/机器学习领域的发展，S&T专家需要经常花时间在学术界和工业界。人工智能/机器学习外派项目将使科技部门能够促进这些交流。
实习生： S&T将继续邀请有工程、计算机科学、数据科学、人工智能和机器学习背景的实习生。实习项目是将人工智能/机器学习人才带到S&T各领域的渠道。
提供实习后的机会： 为实习生提供继续从事国土安全领域工作的机会，将鼓励人工智能/机器学习专业人员继续为公共服务做出贡献，从而扩大人才渠道。
提供S&T人工智能/机器学习培训和丰富机会： S&T将继续为所有知识和经验层次的人提供关于人工智能/机器学习应用和问题(包括技术、政策、伦理和社会层面)的研讨会和培训。
六、结论
S&T人工智能/机器学习战略计划提出了愿景、目标和成果，构成了应对人工智能/机器学习新兴机遇和风险的科技方法。对于复杂和快速发展的技术，如人工智能/机器学习，建立一个强大的研发活动组合和跨学科的人工智能/机器学习培训人员队伍，以支持国土安全部的任务是至关重要的。后续的《人工智能/机器学习实施计划》将详细说明S&T人工智能/机器学习战略计划将如何实施。
*来源：Department of Homeland Security
声明：本文来自赛博研究院，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
