海軍（U.S. Navy）と国防イノベーション・ユニット（Defense Innovation Unit: DIU）は、海中のターゲット脅威検知の改良をわずか1年で成功させた統合能力について発表した。海軍は、無人海中車両（unmanned underwater vehicles: UUV）による海中のターゲット脅威検知を支援するため、機械学習（Mchine learning: ML）モデルに依存していたが、最近まで、モデルの大規模な実用性を維持する上で、配備後のパフォーマンスを監視し、早急に改良する方法はなかった。しかし、システムの有効性を維持するには、MLモデルのパフォーマンスを継続的に監視、改良するAIインフラが必要とされ、こうした監視及び維持能力がなければ、重要なシステム内のMLモデルは、不正確または信頼性の低い結果をもたらすリスクがある。海軍は2022年にDIUとパートナーを組み、海軍の既存システムに統合できる商業技術を活用することでこの問題の解決に取り組んだ。DIUの商業ソリューション公募（Commercial Solutions Opening）プロセスを通じて、海中のターゲット脅威検知のためのMLアルゴリズムを追跡、修正、再配備を目的としたパイプラインを集合的に提供できる機械学習事業（machine learning operations: MLOps）ベンダーが特定された。DIUは2022年秋には、「海洋事業のための機械学習事業を使った自動ターゲット認定（Automatic Target Recognition using Machine Learning Operations (MLOps) for Maritime Operations (AMMO)）」プロジェクトの一環として、5社とプロトタイプ合意を交わした。AMMOプロジェクトの下、各ベンダーは総合的能力の重要なコンポーネントに寄与し、それによって海軍のML開発事業者は、モデルの創出と改良という中核のタスクに専念することができた。「米海軍とDIUのパートナーシップにより、商業イノベーションへの道が開かれ、我々のソリューションが戦術的に妥当な速度で適用及び進化することを確実にするMLOpsツールセットが作り出された」と、海軍高官は言う。その効果が最も明白になったのは2023年秋の統合戦闘演習（Integrated Battle Problem)で、更にこの演習により、ベンダーによる新たなパイプラインでMLモデルが更新するために必要な時間は、従来の6カ月から数週間へ97％も短縮された。2024年4月現在、ベンダーは、広範なAMMO MLOpsパイプラインにおけるそれぞれの部分のプロトタイプ及び配備に成功している。
