ΟΥΑΣΙΝΓΚΤΟΝ (AP) — Δύο μαχητικά αεροσκάφη της Πολεμικής Αεροπορίας συμμετείχαν πρόσφατα σε αερομαχία στην Καλιφόρνια. Το ένα πετάχτηκε από πιλότο. Ο άλλος δεν ήταν.
Αυτό το δεύτερο τζετ ήταν πιλοτικό από τεχνητή νοημοσύνη, με τον υψηλόβαθμο πολιτικό της Πολεμικής Αεροπορίας να οδηγεί στο μπροστινό κάθισμα. Ήταν η απόλυτη απόδειξη για το πόσο μακριά έχει προχωρήσει η Πολεμική Αεροπορία στην ανάπτυξη μιας τεχνολογίας με ρίζες στη δεκαετία του 1950. Αλλά είναι απλώς μια γεύση από την τεχνολογία που έρχεται.
Οι Ηνωμένες Πολιτείες ανταγωνίζονται για να παραμείνουν μπροστά από την Κίνα στην τεχνητή νοημοσύνη και τη χρήση της σε οπλικά συστήματα. Η εστίαση στην τεχνητή νοημοσύνη έχει εγείρει τις ανησυχίες του κοινού ότι οι μελλοντικοί πόλεμοι θα διεξάγονται από μηχανές που επιλέγουν και επιτίθενται στόχους χωρίς την ανάγκη άμεσης ανθρώπινης παρέμβασης. Οι αξιωματούχοι λένε ότι αυτό δεν θα συμβεί ποτέ, τουλάχιστον όχι από την πλευρά των ΗΠΑ. Υπάρχουν όμως ερωτήματα σχετικά με το τι θα επέτρεπε ένας πιθανός αντίπαλος και ο στρατός δεν βλέπει άλλη επιλογή από το να αναπτύξει γρήγορα τις δυνατότητες των ΗΠΑ.
«Είτε θέλετε να το ονομάσετε αγώνα είτε όχι, σίγουρα είναι», είπε ο Ναύαρχος Κρίστοφερ Γκρέιντι, αντιπρόεδρος του Κοινού Επιτελείου Επιτελείου. «Αναγνωριστήκαμε και οι δύο ότι αυτό θα είναι ένα πολύ κρίσιμο στοιχείο του μελλοντικού πεδίου μάχης. Η Κίνα εργάζεται πάνω σε αυτό το ίδιο σκληρά με εμάς».
Μια ματιά στην ιστορία της στρατιωτικής ανάπτυξης της τεχνητής νοημοσύνης, ποιες τεχνολογίες αναδύονται και πώς διατηρούνται υπό έλεγχο:
ΑΠΟ ΤΗ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ ΣΤΗΝ ΑΥΤΟΝΟΜΙΑ
Οι ρίζες της τεχνητής νοημοσύνης βρίσκονται στον στρατό και είναι στην πραγματικότητα ένας συνδυασμός μηχανικής μάθησης και αυτονομίας. Στη μηχανική μάθηση, ένας υπολογιστής αναλύει δεδομένα και σύνολα κανόνων για να βγάλει συμπεράσματα. Η αυτονομία προκύπτει όταν αυτά τα συμπεράσματα εφαρμόζονται για την ανάληψη δράσης χωρίς περαιτέρω ανθρώπινη παρέμβαση.
Αυτό πήρε πρώιμη μορφή στις δεκαετίες του 1960 και του 1970 με την ανάπτυξη του συστήματος αντιπυραυλικής άμυνας Aegis του Πολεμικού Ναυτικού. Το Aegis έχει εκπαιδευτεί μέσω μιας σειράς συνόλων κανόνων αν/τότε προγραμματισμένα από τον άνθρωπο, ώστε να είναι σε θέση να ανιχνεύει και να αναχαιτίζει εισερχόμενους πυραύλους αυτόνομα και ταχύτερα από έναν άνθρωπο. Αλλά το σύστημα Aegis δεν σχεδιάστηκε για να μαθαίνει από τις αποφάσεις του και οι αντιδράσεις του περιορίζονταν στο σύνολο κανόνων που είχε στη διάθεσή του.
«Εάν ένα σύστημα χρησιμοποιεί «αν/τότε», πιθανότατα δεν πρόκειται για μηχανική μάθηση, η οποία είναι ένας κλάδος της τεχνητής νοημοσύνης που περιλαμβάνει την κατασκευή συστημάτων που μαθαίνουν από δεδομένα», δήλωσε ο Αντισυνταγματάρχης Christopher Berardi Force της Air, που έχει ανατεθεί στο Ινστιτούτο Τεχνολογίας της Μασαχουσέτης. υποστήριξη της ανάπτυξης τεχνητής νοημοσύνης της Πολεμικής Αεροπορίας.
Η τεχνητή νοημοσύνη έκανε ένα μεγάλο βήμα προς τα εμπρός το 2012, όταν ο συνδυασμός μεγάλων δεδομένων και προηγμένης υπολογιστικής ισχύος επέτρεψε στους υπολογιστές να αρχίσουν να αναλύουν τις πληροφορίες και να γράφουν οι ίδιοι τα σύνολα κανόνων. Είναι αυτό που οι ειδικοί της τεχνητής νοημοσύνης αποκαλούν «Big Bang» της AI.
Τα νέα δεδομένα που παράγονται από έναν υπολογιστή που γράφει τους κανόνες είναι η τεχνητή νοημοσύνη. Τα συστήματα μπορούν να προγραμματιστούν ώστε να ενεργούν αυτόνομα με βάση τα συμπεράσματα που προκύπτουν από δακτυλογραφημένους κανόνες, κάτι που είναι μια μορφή αυτονομίας που τροφοδοτείται από AI.
ΔΟΚΙΜΗ ΕΝΑΛΛΑΚΤΙΚΟΥ AI ΣΕ ΠΛΟΗΓΗΣΗ GPS
Ο υπουργός Πολεμικής Αεροπορίας Frank Kendall είδε μια γεύση από αυτήν την προηγμένη πολεμική δράση αυτόν τον μήνα όταν πέταξε το Vista, το πρώτο μαχητικό αεροσκάφος F-16 που πιλοτάρει η AI, σε μια άσκηση αεροπορικής μάχης πάνω από την αεροπορική βάση Edwards της Καλιφόρνια.
Ενώ αυτό το τζετ είναι το πιο ορατό σημάδι της συνεχιζόμενης εργασίας τεχνητής νοημοσύνης, υπάρχουν εκατοντάδες συνεχιζόμενα έργα τεχνητής νοημοσύνης σε όλο το Πεντάγωνο.
Στο MIT, το προσωπικό σέρβις εργάστηκε για να διαγράψει χιλιάδες ώρες ηχογραφημένων συνομιλιών πιλότων για να δημιουργήσει ένα σύνολο δεδομένων από την πλημμύρα των μηνυμάτων που ανταλλάσσονταν μεταξύ πληρωμάτων και κέντρων πτητικής λειτουργίας κατά τη διάρκεια πτήσεων, ώστε η τεχνητή νοημοσύνη να μάθει τη διαφορά μεταξύ κρίσιμων μηνυμάτων, όπως το κλείσιμο ενός διαδρόμου και καθημερινή φλυαρία στο πιλοτήριο. Ο στόχος ήταν η τεχνητή νοημοσύνη να μάθει ποια μηνύματα έπρεπε οπωσδήποτε να παραδοθούν για να διασφαλιστεί ότι οι ελεγκτές τα έβλεπαν πιο γρήγορα.
Σε ένα άλλο σημαντικό έργο, ο στρατός εργάζεται σε μια εναλλακτική λύση τεχνητής νοημοσύνης στη δορυφορική πλοήγηση GPS.
Σε έναν μελλοντικό πόλεμο, οι δορυφόροι GPS υψηλής αξίας είναι πιθανό να χτυπηθούν ή να μπλοκαριστούν. Η απώλεια του GPS θα μπορούσε να ακρωτηριάσει τα συστήματα επικοινωνιών, πλοήγησης και τραπεζών των ΗΠΑ και να καταστήσει τον στόλο αεροσκαφών και πολεμικών πλοίων του αμερικανικού στρατού λιγότερο ικανό να συντονίσει μια απάντηση.
Έτσι πέρυσι, η Πολεμική Αεροπορία πέταξε ένα πρόγραμμα τεχνητής νοημοσύνης – φορτωμένο σε φορητό υπολογιστή δεμένο στο πάτωμα ενός στρατιωτικού αεροπλάνου φορτίου C-17 – για να εργαστεί σε μια εναλλακτική λύση χρησιμοποιώντας τα μαγνητικά πεδία της Γης.
Είναι γνωστό ότι τα αεροσκάφη μπορούσαν να πλοηγηθούν ακολουθώντας τα μαγνητικά πεδία της Γης. Αλλά μέχρι τώρα, αυτό δεν ήταν πρακτικό επειδή κάθε αεροσκάφος παράγει τόσο πολύ ηλεκτρομαγνητικό θόρυβο που δεν υπήρχε καλός τρόπος να φιλτράρουμε μόνο τις εκπομπές της Γης.
«Τα μαγνητόμετρα είναι πολύ ευαίσθητα», είπε ο συνταγματάρχης Garry Floyd, διευθυντής του προγράμματος Επιταχυντής Τεχνητής Νοημοσύνης του Τμήματος Πολεμικής Αεροπορίας-MIT. «Αν ανάψατε τα φώτα στροβοσκοπίου σε ένα C-17, θα το βλέπαμε».
Η τεχνητή νοημοσύνη έμαθε από τις πτήσεις και τις δέσμες δεδομένων ποια σήματα να αγνοήσει και ποια να ακολουθήσει, και τα αποτελέσματα «ήταν πολύ, πολύ εντυπωσιακά», είπε ο Floyd. «Μιλάμε για την ποιότητα τακτικής ρίψης αέρα».
«Πιστεύουμε ότι έχουμε προσθέσει ένα βέλος στη φαρέτρα όσον αφορά τα πράγματα που μπορούμε να κάνουμε εάν λειτουργούμε σε περιβάλλον χωρίς GPS. Τι θα κάνουμε», είπε ο Φλόιντ.
Το AI έχει μέχρι στιγμής δοκιμαστεί μόνο στο C-17. Άλλα αεροσκάφη δοκιμάζονται επίσης, και εάν λειτουργήσει, θα μπορούσε να δώσει στον στρατό έναν άλλο τρόπο λειτουργίας εάν το GPS αποτύχει.
ΡΑΓΕΣ ΑΣΦΑΛΕΙΑΣ ΚΑΙ ΠΙΛΟΤΟΣ Μιλήστε
Το Vista, το F-16 που ελέγχεται από AI, έχει σημαντικές ράγες ασφαλείας επειδή εκπαιδεύεται από την Πολεμική Αεροπορία. Υπάρχουν μηχανικά όρια που εμποδίζουν την τεχνητή νοημοσύνη που εξακολουθεί να μαθαίνει να εκτελεί ελιγμούς που θα έθεταν σε κίνδυνο το αεροσκάφος. Υπάρχει επίσης ένας πιλότος ασφαλείας που μπορεί να πάρει τον έλεγχο από το AI με το πάτημα ενός κουμπιού.
Ο αλγόριθμος δεν μπορεί να μάθει κατά τη διάρκεια μιας πτήσης, επομένως κάθε φορά που απογειώνεται, έχει μόνο τα δεδομένα και τα σύνολα κανόνων που δημιούργησε από προηγούμενες πτήσεις. Όταν ολοκληρώνεται μια νέα πτήση, ο αλγόριθμος μεταφέρεται πίσω σε έναν προσομοιωτή, όπου τροφοδοτείται με νέα δεδομένα που συλλέγονται κατά τη διάρκεια της πτήσης για να μάθει από αυτά, να δημιουργήσει νέα σύνολα κανόνων και να βελτιώσει την απόδοσή του.
Αλλά η τεχνητή νοημοσύνη μαθαίνει γρήγορα. Λόγω της τεράστιας υπολογιστικής ταχύτητας που χρησιμοποιεί η τεχνητή νοημοσύνη για να αναλύσει δεδομένα και στη συνέχεια να εκτελέσει αυτά τα νέα σύνολα κανόνων στον προσομοιωτή, ο ρυθμός του στην εύρεση της πιο αποτελεσματικής μεθόδου πτήσης και ελιγμών έχει ήδη οδηγήσει στο να νικήσει μερικούς ανθρώπους πιλότους σε ασκήσεις αερομαχίας.
Ωστόσο, η ασφάλεια εξακολουθεί να είναι μια κρίσιμη ανησυχία και οι αξιωματούχοι είπαν ότι ο πιο σημαντικός τρόπος αντιμετώπισης της ασφάλειας είναι να ελέγχεται ποια δεδομένα τροφοδοτούνται πίσω στον προσομοιωτή, ώστε το AI να μπορεί να μάθει από αυτόν. Στην περίπτωση του τζετ, πρόκειται για τη διασφάλιση ότι τα δεδομένα αντικατοπτρίζουν την ασφαλή πτήση. Τελικά, η Πολεμική Αεροπορία ελπίζει ότι μια έκδοση του AI που αναπτύσσεται τώρα μπορεί να χρησιμεύσει ως εγκέφαλος για έναν στόλο 1.000 μη επανδρωμένων αεροσκαφών μάχης που αναπτύσσονται από την General Atomics και την Anduril.
Στο πείραμα που εκπαιδεύει την τεχνητή νοημοσύνη για να μάθει τον τρόπο με τον οποίο επικοινωνούν οι πιλότοι, το στρατιωτικό προσωπικό που είχε ανατεθεί στο MIT έπλυνε τις ηχογραφήσεις για να αφαιρέσει απόρρητες πληροφορίες και τη μερικές φορές αλμυρή γλώσσα των πιλότων.
Η εκμάθηση του τρόπου επικοινωνίας των πιλότων είναι «αντανάκλαση της διοίκησης και του ελέγχου, του τρόπου με τον οποίο σκέφτονται οι πιλότοι. «Δεν χρειάζεται να μάθεις πώς να βρίζεις».