هوش مصنوعی و فناوری نظامی هوش مصنوعی و فناوری نظامی

[alrkhs 4,524]

 

 

 

Palantir : نرم افزاری که هم محافظت می کند و هم می کشد

 

 

این نرم‌افزار که برای مبارزه با تروریسم و نظارت طراحی شده، به صورت تجاری در دسترس است. Palantir نحوه حل چالش‌ های داده ‌های حیاتی توسط موسسات پیشرو را در حالی که افکار عمومی را تقسیم می ‌کند، تغییر می‌ دهد. هم اکنون از فناوری های پالانتیر در نزدیکی خط نبرد در اکراین استفاده می شود. جایی که این نرم‌افزار ها زنجیره انهدام (مفهومی با مدل های مختلف که ساختار حمله را به 4 بخش شناسایی هدف، اعزام نیرو به هدف، شروع حمله و انهدام هدف تقسیم می کند) را در جنگ روسیه – اکراین کوتاه می کنند. براساس گزارشی از The Times در دسامبر سال 2022 هوش مصنوعی پالانتیر این امکان را به اکراین داده است تا دقت، سرعت و کشندگی حملات توپخانه ای خود را افزایش دهد.

 

یک شرکت مخفی؟

Palantir زیرساخت دیجیتالی را برای عملیات داده محور و تصمیم گیری ایجاد می کند. محصولات آنها به عنوان حدفاصل ارتباطی بین داده ‌های مشتری هایشان، قابلیت ‌های تحلیلی و اجرای عملیاتی آن‌ ها عمل می‌ کنند. پلتفرم‌ های Palantir این جنبه‌ ها را با کنار هم گذاشتن داده‌ های مناسب و افراد مناسب به هم پیوند می ‌دهند و به آن‌ ها اجازه می‌ دهند تا تصمیمات مبتنی بر داده ‌ها را اتخاذ کنند، تجزیه و تحلیل‌ های پیچیده انجام دهند و از طریق بازخورد ها عملیات را اصلاح کنند. Palantir در حال حاضر سه پلتفرم نرم ‌افزاری ارائه می کند که خود شرکت به چشم سیستم عامل به آن ها نگاه می کند:

 

 

Foundry به عنوان یکی از دو محصول شاخص شرکت، تجزیه و تحلیل های گسترده ای را انجام می دهد تا پایه و اساس استقرار موفقیت آمیز برنامه های هوش مصنوعی و ML (یادگیری ماشین) در بخش تجاری را ایجاد کند. با این حال، تجارت اصلی Palantir مدت‌ هاست با مؤسساتی بوده است که به محرمانه بودن استثنایی نیاز دارند مانند وزارت دفاع و اطلاعات. بنابراین، گاتهام به عنوان یک سیستم عامل متمرکز برای داده های حساس دولتی و به عنوان یک مورد استفاده هیجان انگیز برای هوش مصنوعی عمل می کند. Apollo سومین محصول اصلی Palantir، یک زیرساخت و پلت فرم تحویل مداوم است. این سامانه اجازه می دهد تا Foundry و Gotham در محیط هایی مانند زیردریایی ها یا سامانه های دولتی طبقه بندی شده، اجرا و به روز شوند که اینترنت عمومی به آنها دسترسی ندارد.

 

GOTHAM - شهر بتمن را فراموش کنید

Gotham یک راه حل داده با قابلیت هوش مصنوعی است که برای دفاع جهانی، اطلاعات بین المللی و سازمان های مجری قانون طراحی شده است. این پلتفرم داده ‌های تقریبا در لحظه را ادغام، مدیریت، تامین و تجزیه و تحلیل می ‌کند تا آگاهی موقعیتی را بهبود بخشد، نتایج احتمالی را پیش ‌بینی کند، و روش‌ هایی را برای پیشی گرفتن از دشمن در میدان نبرد پیشنهاد کند.

هم اکنون از این نرم افزار در جامعه اطلاعاتی و وزارت دفاع ایالات متحده برای آنالیز های ضد تروریسم، و در هیئت پاسخگویی و شفافیت بازیابی برای بازرسان کلاهبرداری استفاده می شود. از دیگر مشتریان پالانتیر می توان به DHS (وزارت امنیت داخلی ایالات متحده)، NSA (آژانس امنیت ملی ایالات متحده)، FBI (دفتر تحقیقات فدرال ایالات متحده)، سپاه تفنگداران دریایی، نیروی هوایی، فرماندهی عملیات ویژه، West Point (آکادمی نظامی ایالات متحده)، سازمان مشترک ضد تهدیدات بداهه و کشور های هم پیمان اشاره کرد.

https://www.aparat.com/v/dtd9t4e

 

تسریع برنامه ریزی ماموریت

گاتهام به تحلیلگران و اپراتور ها اجازه می دهد تا از تصاویر عملیاتی زنده که داده های تاریخی تمام حوزه ها و همچنین داده های آمده از حسگر ها را ادغام می کنند، بهره ببرند. همانطور که ماموریت ها برنامه ریزی و اجرا می شوند، گاتهام برنامه ها را با حسگر های زنده و بینش های هوش مصنوعی غنی می کند تا توصیه ها و گزینه های پیچیده ای را برای بهینه سازی تصمیم گیری ارائه دهد. تمام اقدامات عملیات ضبط شده و به مدل هوش مصنوعی بازگردانده می شوند تا به طور مداوم بر اساس رفتار مشتری اصلاح شوند.

 

گاتهام تشخیص‌ های هوش مصنوعی و اطلاعات موجود را روی ویدیو ها لایه‌بندی می‌ کند تا کاربران بتوانند به سرعت موقعیت‌ های در حال تحول را درک کنند.

 

گاتهام بر اساس دستور های مشتق شده از AI یا ورودی های دستی امکان تعیین فعالیت خودکار برای حسگر های مختلف، از پهپاد تا ماهواره ها، را فراهم می کند. با ادغام با منظومه ماهواره‌ ای موجود و بهینه ‌سازی صد ها حسگر مداری برای پاسخگویی به سؤالات در زمان محدود، امکان تعیین تکلیف ماهواره ‌ها در هر نقطه از جهان فراهم می شود. گاتهام هماهنگی دقیق و پویای مدل ها را امکان پذیر می کند تا اطمینان حاصل کند که مدل های درست داده های حسگر درست را در زمان و مکان مناسب پردازش می کنند. مدل ‌ها روی ماهواره ‌ها، پهپاد ها و سایر دستگاه‌ های لبه ‌ای (رابط هایی بین مرکز داده و دنیای واقعی) اجرا می ‌شوند تا تشخیص ‌ها و بینش ‌ها را به اپراتور ارسال کنند. گاتهام با فرمت‌ های اتصال داده استاندارد صنعتی و APl ها سازگار است.

 

https://www.aparat.com/v/yqe9j0g

 

قابلیت واقعیت ترکیبی Palantir به اپراتور ها و فرماندهان این امکان را می دهد تا در یک مرکز عملیات مجازی در محیط های لبه ای (محیطی جدا که پردازش ها را مستقل از مرکز انجام می دهد) با هم همکاری داشته باشند. قابلیت‌ های لبه گاتهام اپراتور ها را قادر می‌ سازد تا بینش ‌های مهمی را حتی در نامطلوب ‌ترین، دور افتاده ترین و توزیع‌ شده (محیطی که چندین سامانه فعالیت های مختلفی را در یک شبکه انجام می دهند) ‌ترین محیط‌ ها به دست آورند.

 

 https://www.aparat.com/v/wabcr3g

https://www.aparat.com/v/ynqethd             

 

شبیه سازی و دوره عمل توصیه شده

با ورود اطلاعات میدانی جدید به مراکز کنترل، فرماندهان به سرعت به برنامه های سناریویی نیاز دارند تا بتوانند به طور ایده آل پاسخ دهند. مدل ‌سازی تصمیم ‌گیری مبتنی بر هوش مصنوعی در گاتهام سناریو هایی را تولید می‌ کند و به کاربران کمک می ‌کند تا ارزیابی کنند که کدام مسیر، بر اساس داده ‌های زنده همه حوزه ‌ها، موثرتر است. به عنوان مثال، اگر نیرو های دشمن شناسایی شوند، گاتهام شبیه سازی می کند که چقدر طول می کشد تا نیروهای خودی از منطقه خطر خارج شوند و بهترین مسیر استخراج با توجه به ویژگی های زمین، گزینه های سوخت گیری یا پوشش هوایی چیست.

 

سناریو های تخلیه مدل سازی شده در گاتهام.

 

سوزن در انبار کاه

گاتهام هوش مصنوعی و یادگیری ماشین را با استفاده نرم افزار خود از پایگاه داده قابل اعتماد مشتریان خود عملیاتی می کند. این موضوع به نرم ‌افزار اجازه می‌ دهد تا داده ‌های جدا شده از منابع متفاوت و از قبل موجود را برای یافتن، ردیابی و شناسایی الگو های سازمان ‌های دشمن استخراج کند. برای مثال، می ‌تواند صورت‌ های درآمد شرکت ‌ها را با شماره تلفن افراد مشکوک ترکیب و پیوند دهد تا به ارتباطات پنهانی دست یابد که انسان‌ ها هفته ‌ها و ماه‌ ها برای جستجوی آن ‌ها وقت صرف می ‌کنند.

 

شبکه سازمان دشمن

 

تحلیل و یادگیری مستمر اثرات استراتژیک

گاتهام با گرفتن هر تصمیم و پاسخ های مربوط به آن از طرف دوست و دشمن، به فرماندهان کمک می کند تا اثرات ترکیبی بر دشمنان را در طول عملیات درک کنند. به عنوان مثال، با انجام تجزیه و تحلیل مبتنی بر هوش مصنوعی در مورد سرعت عملیات، زمان تأیید، تکمیل و نتایج، سازمان ‌ها می‌ توانند اصطکاک احتمالی یا الگو های جدید دشمن را برای تقویت بیشتر بینش سازمان و خود گاتهام شناسایی کنند.

 

معیارهای Palantir به فرماندهان این امکان را می دهد که تأثیرات دشمن را ارزیابی کنند و یادگیری را در سراسر سازمان هدایت کنند.

 

مدل کسب و کار 

از آنجایی که پالانتیر روابط طولانی مدت زیادی با لایه های مختلف دولت دارد، یافتن یک مدل کسب و کار واحد دشوار است. علاوه بر این، توجه به این نکته مهم است که تقریباً تمام راه ‌حل ‌های گاتهام به‌ صورت سفارشی برای مشتریان خود انجام می ‌شوند که معمولاً منجر به قرارداد های بزرگی مانند قرارداد اخیراً بسته شده با وزارت دفاع ایالات متحده به ارزش ۲۲۹ میلیون دلار برای یک سال می ‌شود. جذابیت از دیدگاه Palantir این است که تجارت آن ها بسیار چسبنده است. به این معنی که هنگامی که گاتهام در عملیات یک سازمان ادغام می شود، جایگزین کردن خدمات برای رقبای آینده به طور فزاینده ای دشوار می شود.

 

چالش ها و فرصت ها

از آنجایی که پالانتیر یک شرکت B2G (معامله با دولت) (گاتهام) و همچنین یک شرکت B2B (Foundry) است، بازار های هدف آن بسیار قابل توجه است و فرصت ‌های زیادی برای رشد به آنها می ‌دهد. از طرف دیگر، درآمد زیاد قرارداد های دولتی به این معنی است که پالانتیر بسیار متمرکز و وابسته است. آنها در گذشته با اجرای Foundry که به آنها اجازه می داد ظاهر عمومی تری داشته باشند، این مشکل را حل کرده اند که منجر به پذیرش گسترده تر می شود. با این حال، نویسنده توصیه می کند که این محصول را بیشتر توسعه دهند تا پایگاه مشتریان تجاری خود را گسترش دهند و ساختار درآمدی گسترده تری ایجاد کنند.

در حالی که پروژه های امنیتی در سراسر کشور مسلماً بازار جذابی اند، به احتمال زیاد مسائل اخلاقی در هنگام گسترش به میان می آیند. برای منتقدان، کار با ادارات پلیس نگرانی خاصی داشته است. این مورد شامل استفاده از تجزیه و تحلیل برای شناسایی مکان ها و افرادی است که احتمالاً موضوع جرم و جنایت هستند. منتقدان معتقدند این امر تاکتیک های تهاجمی را تشویق و تعصبات نژادی را تقویت می کند. در مقیاس وسیع ‌تر، آنها نگران هستند که سلاح ‌هایی که برای مبارزه با تروریسم و نظارت طراحی شده ‌اند نباید در خیابان ‌های آمریکا استفاده شوند و مطمئناً نباید برای فروش بین ‌المللی عرضه شوند. مدیر عامل پالانتیر، الکس کارپ، در این باره می گوید: ما متوجه ایم که تمام فناوری ها، که شامل محصولات ما نیز می شود، خطرناک اند، و نرم افزار می تواند به عنوان سلاح مورد استفاده قرار بگیرد. جان های زیادی توسط محصولات ما حفظ و گرفته شده است.

Palantir این مشکلات را می داند و چندین مشتری احتمالی مانند دولت عربستان سعودی یا چین را به دلیل نگرانی در مورد سوء استفاده احتمالی از این فناوری رد کرده است. با این حال، این واقعیت که Palantir یک کسب و کار تجاری غیردولتی است، از نظر فنی به آنها اجازه می دهد تا با طیف گسترده ای از کشورها کار کنند و به آنها قدرت بالقوه عظیمی در حل مناقشات آینده می دهد. بنابراین، آنها قانون عدم تعامل با دولت هایی را صادر کردند که مواضع یا اقدامات آنها با مأموریت آنها در حمایت از لیبرال دموکراسی غربی و متحدان استراتژیک آن مغایر تلقی می شود.

منبع 1

منبع 2

منبع 3

 

[alrkhs 4,524]

به نام خدا

تغییر حوزه هوافضا و دفاع: انقلاب هوش مصنوعی

 

 

بخش‌ های هوافضا و دفاع در حال تجربه یک تغییر دگرگون کننده اند که عمدتاً با ادغام فناوری ‌های هوش مصنوعی (AI) و یادگیری ماشین (ML) در حسگر ها، سلاح ‌ها و سامانه های اطلاعاتی طراحی ‌شده برای ارتش انجام می‌ شود. در محیطی که دقت، تصمیم ‌گیری سریع و استحکام بسیار مهم است، AI/ML به عنوان یک فناوری کلیدی ظهور کرده که درک موقعیت و تصمیم‌ گیری را تسریع می ‌کند و کارایی عملیاتی را بهبود می‌ بخشد. این تکنیک ‌ها باعث می ‌شوند که با حواس و درک موقعیتی که توسط AI/ML بر اساس مجموعه بی‌ پایان و پیوسته سیگنال ‌ها به ‌جای نشانه‌ هایی که با چشم انسان قابل مشاهده است، تیزتر شده، عملیات نظامی برای غلبه بر «fog of war» (عدم قطعیت در آگاهی محیطی) احتمال موفقیت بیشتری داشته باشد. الزامات منحصر به ‌فرد این بخش ‌ها، مانند عملیات چند دامنه ‌ای، انعطاف ‌پذیری در شرایط سخت، تصمیم ‌گیری پرمخاطره، قابلیت همکاری و اقدامات امنیتی پیشرفته، زمینه را برای تأثیرگذاری چشمگیر هوش مصنوعی فراهم می‌کند.

 

محرک های بازار و الزامات منحصر به فرد

چندین عامل کلیدی باعث چرخش بخش هوافضا و دفاع به سمت هوش مصنوعی می شود:

 

1. تصمیم گیری سریع و دقیق: عملیات نظامی در زمان و مکان، تعیین کننده است. توانایی سامانه های هوش مصنوعی برای پردازش و تجزیه و تحلیل سریع حجم وسیعی از داده ها برای تصمیم گیری های استراتژیک و عملیاتی بی درنگ، بسیار مهم است. بهره برداری از اطلاعات از منابع و حوزه های مختلف و ادغام سریع آن داده ها، هوش عملی را در اختیار تصمیم گیرندگان قرار می دهد که می تواند در چرخه های کوتاه برای ایجاد اثر مطلوب در زمان و فضای اختصاص داده شده پیاده سازی شود.

 

2. انعطاف و اطمینان پذیری: برنامه های کاربردی هوش مصنوعی باید به طور مداوم در محیط های متنوع و چالش برانگیز عمل کنند. توصیه ها و پاسخ های آنها باید قابل اعتماد، معتبر و عاری از "توهم" هایی باشد که مدل های زبانی بزرگ (LLM) تجاری با آن مواجه می شوند. اعتماد و اعتبار مهم ترین عوامل در سامانه های هوش مصنوعی نظامی اند که کاربران را قادر می سازد تا از این سامانه ها بیشترین استفاده را ببرند. ایمنی و اطمینان نباید جزو ویژگی ‌های طراحی باشد، بلکه بخشی از زیرساخت پایه سامانه ‌های هوش مصنوعی نظامی است. ایمنی و امنیت فیزیکی نیز باید با استفاده از سامانه های توزیع ‌شده، پردازش لبه و شبکه ‌های قوی و انعطاف ‌پذیر در نظر گرفته شود تا هوش مصنوعی آماده و در دسترس برای پشتیبانی از نیرو های عملیاتی در هر زمان و مکان باشد.

 

3. موارد اخلاقی و خودکار سازی کنترل ‌شده: صرف‌ نظر از کنترل ‌ها و تعادل‌ هایی که اعتماد انسان را جلب می کند، ریسک ‌های زیاد در سامانه ‌های نظامی ایجاب می‌ کند که سامانه های هوش مصنوعی استانداردهای اخلاقی را ادغام کرده و از آنها پیروی کنند و اجازه نظارت انسانی را بدون کند کردن کل فرآیند بدهند. اگرچه «استانداردهای اخلاقی» یک اصطلاح روان است که به پیشینه حقوقی، فرهنگی، مذهبی و اجتماعی طراح و کاربر بستگی دارد، اما «زمین بازی» و مرزهای عملیات هوش مصنوعی را مشخص می ‌کند، درست همانطور که قانون جنگ آنچه را که جنگجویان می توانند یا نمی توانند در زمان جنگ انجام دهند، تعریف می ‌کند.

 

4. اقدامات امنیتی پیشرفته: با توجه به ماهیت حساس عملیات دفاعی، سامانه های هوش مصنوعی باید با حذف اقدامات نامطلوب و مخرب در آموزش و عملیات سامانه ها، قابلیت های بی نظیر امنیت سایبری غیر موازی را داشته باشند. سامانه های هوش مصنوعی به شبکه ‌ها، اطلاعات، خوراک داده ‌ها و الگوریتم‌ های تعبیه ‌شده از طریق آموزش وابسته اند. دستکاری در این پایه ها در طول طراحی یا آموزش یا درگیر کردن سامانه ها به طور مخرب در مرحله عملیاتی ممکن است خطرات عظیمی با عواقب غیر منتظره برای کاربر و سامانه های وابسته به همراه داشته باشد. بنابراین، اقدامات ایمنی، از جمله تشخیص خطر، ناسازگاری، و پاسخ باید از مرحله طراحی اولیه در نظر گرفته شود.

 

شرکت های پیشرو و تاثیر آنها

محصولات ده ‌ها شرکت مطالعه، ارائه ها مشاهده و توضیحات مقامات در نمایشگاه ‌ها و کنفرانس‌ ها شنیده شد. از طریق تحقیقات، بازار برای سامانه ‌های هوش مصنوعی که برای عملیات‌ های نظامی طراحی شده ‌اند یا قادر به پشتیبانی از کاربردهای نظامی هستند، بررسی شده است. تحقیقات با استفاده از بهترین ابزارهای هوش مصنوعی در دسترس انجام شد، اما حتی این روش نیز نیاز به تجزیه و تحلیل انسانی گسترده برای ارائه اطلاعات قابل استفاده با توجه به استاندارد ها داشت. در بخش اول، پنج سیستم هوش مصنوعی را انتخاب می کنیم که در عملیات نظامی برتری دارند. مقالات بعدی این بررسی را به بخش ‌های زیر گسترش خواهند داد:

• عملیات نظامی
• هوافضا
• حسگر ها
• سامانه های رزم زمینی
• جنگ دریایی
• امنیت داخلی

 

سامانه های هوش مصنوعی برای عملیات نظامی

هر راه حلی شایستگی خود را دارد و ارائه همه آنها بیهوده خواهد بود. بنابراین، این لیست به پنج ورودی محدود و دلایل انتخاب و تأثیر راه حل های انتخاب شده بر بازار ارائه شده است.

 

 

Lockheed Martin

دلیل انتخاب: لاکهید مارتین به عنوان یک رهبر صنعتی، نمونه ای از ادغام هوش مصنوعی در طیف گسترده ای از برنامه های دفاعی است. ابتکار AI Factory این شرکت، تعهد آنها را به پیشرفت فناوری AI/ML در این بخش نشان می دهد. این ابتکار یک اکوسیستم ماژولار و سرتاسر امن برای آموزش، استقرار و حفظ راه حل های هوش مصنوعی قابل اعتماد ارائه می کند. قابلیت ‌ها بر خودکار سازی تمرکز دارند، از توسعه تا استقرار و پایداری، استفاده از راه‌ حل ‌های MLOps (عملیات های یادگیری ماشین) برای اعتبار سنجی، توضیح، ایمن‌ سازی و نظارت بر تمام مراحل چرخه یادگیری ماشین و ایجاد معماری ‌ها و مؤلفه‌ های مرجع که می ‌توانند در برنامه‌ ها مجددا استفاده شوند.

تأثیر: لاکهید مارتین از طریق راه‌ حل‌ های مبتنی بر هوش مصنوعی، از هواپیما های جنگی گرفته تا اکتشافات فضایی، تعیین استاندارد های صنعتی و هموار کردن راه برای پیشرفت ‌های فناوری آینده، بر استراتژی‌ های دفاعی جهانی تأثیر می ‌گذارد.

 

 

Palantir Technologies

دلیل انتخاب: پالانتیر در تجزیه و تحلیل داده های بزرگ نقش اساسی دارد و پلتفرم های هوش مصنوعی را برای جمع آوری اطلاعات و برنامه ریزی عملیاتی فراهم می کند. پلتفرم AIP آنها با ارائه اطلاعات مرتبط به تصمیم گیرندگان، افزایش اطلاعات با حسگر های موجود و ارائه پاسخ های مرتبط و عملی به تصمیم گیرندگان بر اساس درک اطلاعات، تاکتیک ‌ها، تکنیک ‌ها و رویه ‌های (TTP) نیروی های قرمز و آبی ، پایه و اساس راه حل های یکپارچه را برای توانمند سازی و همگام سازی سازمان های نظامی فراهم می کند.

تأثیر: Palantir AIP قدرت مدل‌ های زبانی بزرگ و هوش مصنوعی پیشرفته را برای فعال کردن داده‌ ها و مدل ‌ها ترکیب می ‌کند و اطلاعات را از حساس‌ ترین محیط ‌ها به روشی امن، قانونی و اخلاقی به‌ کار می ‌گیرد. سامانه های آن ‌ها تصمیم ‌گیری مبتنی بر داده‌ ها را در محیط ‌های دفاعی پیچیده، استفاده از قابلیت ردیابی منابع و استدلال قابل اعتماد را امکان‌ پذیر می‌ سازد، که نشان ‌دهنده اهمیت روزافزون هوش مصنوعی در برنامه ‌ریزی عملیاتی و عملیات‌ های اطلاعاتی است.

 

 

Anduril Industries

دلیل انتخاب: صنایع Anduril در خط مقدم ادغام هوش مصنوعی در سامانه ‌های خود مختار و فناوری ‌های نظارتی قرار دارد و استراتژی ‌های دفاعی سنتی را برای پذیرش قابلیت‌ های عملیاتی بدون سرنشین قابل اعتماد تغییر می ‌دهد.

تأثیر: رویکرد استقلال مأموریت آنها از امنیت مرزی و آگاهی محیطی، تکامل یافته است. سیستم عامل Lattice AI آنها رویکرد های دفاعی را با معرفی استقلال ماموریتی توزیع شده که شامل استفاده از سامانه ‌های بدون سرنشین متعدد که توسط تیم ‌های انسانی کوچک اداره می ‌شوند، باز تعریف می ‌کند. نرم افزار اصلی ترکیب حسگر ها، شناسایی و ردیابی هدف، شبکه هوشمند، فرماندهی و کنترل را فراهم می کند. برخلاف راه ‌حل ‌های دیگر، رویکرد Anduril این است که با افزودن فعال ‌کننده‌ های عملی، دامنه دسترسی هوش مصنوعی خود را به فراتر از هسته Lattice گسترش دهد - در حوزه امنیتی، این فعال کننده ها شامل اقدامات تدافعی Sentry sensor ، Anvil و Roadrunner  بودند. این سامانه که در ماموریت ‌های ضربتی تهاجمی مانند Air Launched Effects  (به طور ساده پهپاد هایی کوچکتر که در حین پرواز از پرنده دیگری رها می شوند) ارتش ایالات متحده به کار می ‌رود، حسگر های مداومت طولانی Altius، هواپیمای Fury Attritable و افکتور های Altius 700M را قادر می ‌سازد تا از مفهوم خودمختاری متحرک Anduril تا حد زیادی استفاده کند. به عنوان یک راه‌ حل یکپارچه، این سامانه انسان ها را قادر می‌ سازد تا با گسترش دسترسی، قابلیت ‌ها و آگاهی محیطی، از سامانه ‌های مستقل استفاده کنند و در عین حال رزمندگان را قادر می ‌سازد تا تصمیمات بهتری را سریع ‌تر بگیرند.

 

 

C3.ai

دلیل انتخاب: C3.ai به دلیل استراتژی ادغام ابزارهای هوش مصنوعی مختلف در AI-Readiness متمایز است، یک پلتفرم امن و یکپارچه دارای سامانه ‌های مقیاس ‌پذیر قابل اعتماد، انعطاف ‌پذیر و قابل تعامل که دارایی‌ های پیچیده و متفاوت را در طول چرخه عمر خود متصل و مدیریت می‌ کند.

تأثیر: راه‌ حل‌ های C3.ai با بهبود تصمیم‌ گیری و کارایی عملیاتی، مدیریت منابع و برنامه‌ های نگهداری را بهینه می‌ کنند و نقش هوش مصنوعی را در بهبود در دسترس بودن عملیاتی و طول عمر دارایی ‌های دفاعی و در عین حال حفظ استاندارد های با امنیت بالا نشان می ‌دهند. برای حمایت از معرفی راه‌ حل‌ های مبتنی بر هوش مصنوعی، این شرکت یک استودیوی توسعه هوش مصنوعی برای تسریع ارزیابی فناوری به چند روز و توسعه و استقرار برنامه ‌ها در چند هفته‌ یا چند ماه‌ به جای چند سال ارائه می‌ کند.

 

 

Helsing

دلیل انخاب: Helsing نشان ‌دهنده موج جدید استارت ‌آپ ‌های دفاعی با تمرکز بر برنامه‌ های تخصصی هوش مصنوعی است، حمایت بازیگران دفاعی اصلی اروپا از آنها بر پتانسیل و نفوذ هلسینگ در بازار دفاعی هوش مصنوعی تاکید می‌ کند.

تأثیر: راه‌ حل‌ های هوش مصنوعی هلسینگ در تجزیه و تحلیل اطلاعاتی و پشتیبانی تصمیم ‌گیری، از تکنیک ‌های پیشرفته تشخیص اشیاء و EW مجهز به هوش مصنوعی، همراه با راه‌ حل‌ های دیگر استفاده می کنند، و به ‌عنوان بخشی از ستون فقرات هوش مصنوعی برای سامانه مأموریت، سامانه ‌های جنگ هوایی جاه‌ طلبانه آینده (FCAS) به حساب می آیند. هلسینگ که برای جنگ های مدرن طراحی شده است، در حال ارائه برنامه های هوش مصنوعی دفاعی و هوافضایی منحصر به فرد آینده است. هلسینگ از سال 2022 در اوکراین فعال بوده و قابلیت ها و فناوری را برای عملیات های خط مقدم فراهم می کند.

 

نتیجه گیری

همانطور که توسط این شرکت های پیشرو نشان داده شده است، بخش های هوافضا و دفاع به سمت آینده ای مبتنی بر هوش مصنوعی پیش می روند. چشم انداز، متنوع و به سرعت در حال تکامل است. هر شرکتی بازار، فناوری و آینده هوش مصنوعی را به روش ‌های منحصر به ‌فردی شکل می ‌دهد و بر تأثیر تحول ‌آفرین هوش مصنوعی بر استراتژی ‌های دفاعی و هوافضایی جهانی تأکید می ‌کند. این روند توانایی ‌های فعلی را افزایش می ‌دهد و فرصت ‌های جدیدی را در عملیات ‌های نظامی و فضایی می ‌گشاید و دوران جدیدی را در فناوری دفاعی رقم می ‌زند.

 

 

منبع

[alrkhs 4,524]

به نام خدا

چگونگی آماده شدن نیرو های نظامی برای هوش مصنوعی در حلقه انتهایی

 

هواپیمای بدون سرنشین ایستگاه سنجش خارجی XQ-67A، یک نمونه اولیه از ناوگان پهپادهای آینده هوش مصنوعی که درآزمایشگاه تحقیقات نیروی هوایی توسعه یافته است، در مرکز آزمایشی جنرال اتمیکس در Gray Butte در پالمدیل کالیفرنیا.

 

وزارت دفاع ایالات متحده مدت ‌هاست که از هوش مصنوعی برای شناسایی اشیا در فضاهای جنگی استفاده می ‌کند، اما این قابلیت عمدتاً به شناسایی محدود شده است. پیشرفت ‌های جدید در هوش مصنوعی و تجزیه و تحلیل داده ‌ها می ‌تواند سطوح جدیدی از آگاهی از ماموریت را با بینش ‌هایی در مورد هدف، پیش ‌بینی مسیر، نا هنجاری ‌ها و سایر خصوصیات آشکار کننده به رهبران ارائه دهد.

 

وزارت دفاع داده های فراوانی دارد. در محیط‌ های پر از حسگر امروزی، فرماندهان می‌ توانند به متن، تصاویر، ویدئو، سیگنال ‌های رادیویی و داده‌ های حسگر ها از انواع دارایی ‌های خود دسترسی داشته باشند. با این حال، هر نوع داده اغلب به طور جداگانه تجزیه و تحلیل می ‌شود و ترکیب این اطلاعات به تحلیل ‌گران انسانی سپرده می شود- که احتمالاً بخش هایی از آن را دست می دهند.

 

استفاده از چارچوب ‌های هوش مصنوعی برای تجزیه و تحلیل داده ‌های چند وجهی اجازه می ‌دهد تا جریان‌ های داده‌ مختلف با هم تجزیه و تحلیل شوند و به تصمیم ‌گیرندگان دید جامعی از یک رویداد ارائه می ‌دهد. به عنوان مثال، سامانه ‌های نیروی دریایی می ‌توانند کشتی ‌های نزدیک را شناسایی کنند، اما هوش مصنوعی مولد می ‌تواند کشور مبدأ، کلاس کشتی و اینکه آیا سامانه قبلاً با آن کشتی خاص برخورد کرده است یا خیر را مشخص کند.

 

با شناسایی شی مورد نظر، تکنیک ‌های ترکیب داده و الگوریتم ‌های یادگیری ماشینی می ‌توانند تمام داده ‌های موجود را برای اطلاعات تکمیلی دیگر بررسی کنند. سیگنال‌ های رادیویی می ‌توانند نشان دهند که کشتی سیگنال‌ های ارسالی را متوقف کرده و هیچ خدمه ‌ای از تلفن همراه استفاده نمی ‌کند. آیا کشتی برای آماده شدن برای نبرد وارد اختفا شده یا ممکن است در مضیقه باشد؟ بررسی گزارش های اخیر آب و هوا می تواند به تصمیم گیری در مورد حرکت بعدی کمک کند.

 

 

این آگاهی محیطی افزایش یافته تنها در صورتی امکان پذیر است که به جای ارسال داده ها به یک مکان مرکزی برای پردازش، تجزیه و تحلیل بلادرنگ در حلقه انتهایی (ابزار انتهایی) اتفاق بیفتد.

 

محلی نگه داشتن هوش مصنوعی برای آگاهی از میدان نبرد، امنیت سایبری و برنامه های نظارت بر سلامت که نیاز به پاسخ های به موقع دارند، حیاتی است. برای آماده سازی، وزارت دفاع باید راه حل هایی با قدرت محاسباتی قابل توجه در حلقه انتهایی اتخاذ کند، و همچنین راه هایی برای کاهش اندازه مدل های AI/ML خود و کاهش تهدیدات امنیتی جدید بیابد.

 

با منبع باز بودن بیشتر ابزارها و مدل ‌های جدید هوش مصنوعی، به این معنی که اطلاعات قرار داده شده در این فناوری ‌ها در دسترس عموم است، آژانس‌ ها باید اقدامات و پروتکل ‌های امنیتی پیشرفته‌ ای را برای اطمینان از ایمن ماندن این داده‌ های حیاتی اجرا کنند.

 

 

افزایش قدرت پردازش

از لحاظ تاریخی، دستگاه های حلقه انتهایی تاکتیکی، اطلاعات را جمع آوری کرده و داده ها را برای تجزیه و تحلیل به مراکز داده فرماندهی ارسال می کنند. توانایی‌ های محاسباتی و پردازشی محدود آنها، تصمیم‌ گیری در میدان جنگ را کند می ‌کند، اما آنها مجبور به این کار نیستند. پردازش در حلقه انتهایی باعث صرفه ‌جویی در زمان و جلوگیری از هزینه‌ های قابل توجه می‌ شود، زیرا به دستگاه ‌ها اجازه می ‌دهد تا به‌ جای حجم زیادی از داده ‌های خام، نتایج تجزیه و تحلیل را در فضای ابری بارگذاری کنند.

با این حال، هوش مصنوعی در حلقه انتهایی به تجهیزاتی با قدرت محاسباتی کافی برای الگوریتم‌ های حال و آینده نیاز دارد. دستگاه ها و حسگر ها باید بتوانند به صورت مستقل عمل کنند تا محاسبات، تجزیه و تحلیل، یادگیری، آموزش و استنتاج را در هر جایی که ممکن است انجام دهند. چه در میدان نبرد و چه متصل به یک بیمار در بیمارستان، هوش مصنوعی در حلقه انتهایی از سناریو ها درس می‌ گیرد تا دفعه بعد بهتر پیش ‌بینی کند و بهتر پاسخ دهد. برای خدمه نیروی دریایی، این موضوع می تواند به معنای شناسایی مسیری باشد که کشتی مورد نظر بر اساس برخورد های قبلی ممکن است طی کند. در بیمارستان، حسگر ها می‌ توانند علائم حمله قلبی را قبل از سکته اخطار دهند.

اتصال ضروری خواهد بود، اما سامانه ها همچنین باید بتوانند در محیط های ارتباطی مختل شده یا متناوب کار کنند. استفاده از 5G یا کانال ‌های دیگر به حسگر ها اجازه می ‌دهد در حالی که از دفتر مرکزی یا یک ابر فرماندهی (command cloud) جدا هستند، به ارتباط و همکاری خود ادامه دهند.

تنظیم و هماهنگی از ملاحظات دیگر است: هر سامانه ارتجاعی باید شامل تعیین نقش پویا باشد. به عنوان مثال، اگر چندین پهپاد در حال پرواز باشند و رهبر از آن گروه خارج شود، یکی دیگر از اجزای سیستم باید آن نقش را بر عهده بگیرد.

 

 

کوچک کردن هوش مصنوعی تا اندازه ای کنترل پذیر

میدان جنگ محیط ایده آلی برای هوش مصنوعی نیست. مدل ‌های هوش مصنوعی مانند ChatGPT در مراکز داده با کنترل دما و روی هزاران سرور GPU با مصرف انرژی زیاد، کار می ‌کنند. آنها بر روی مجموعه داده های عظیم آموزش می بینند و نیاز های محاسباتی آنها در مراحل استنتاج عملیاتی به طور تصاعدی افزایش می یابد. این سناریو مشکل اندازه، وزن و قدرت (SWaP) جدیدی را برای آنچه که ارتش می تواند در حلقه انتهایی مستقر کند، ارائه می دهد.

برخی از الگوریتم‌ های هوش مصنوعی اکنون برای محیط‌ های دارای محدودیت SWaP و معماری ‌های سخت ‌افزاری جدید طراحی می ‌شوند. یکی از گزینه ها کوچک کردن مدل های هوش مصنوعی است. محققان در حال آزمایش راه‌ های متعددی برای ساخت مدل ‌های کوچکتر و کارآمدتر از طریق فشرده ‌سازی، هرس مدل و گزینه‌ های دیگر اند.

کوچک سازی خطراتی دارد. یک مدل آموزش دیده زمانی که دیگر چیزی را که قبلاً آموخته بود به یاد نمی آورد، ممکن است دچار «فراموشی فاجعه بار» شود. یا می ‌تواند به دلیل نقص ‌هایی که توسط تکنیک ‌های فشرده ‌سازی یا آموزش از مدل کوچک ‌تری که از مدل بزرگ ‌تر استخراج شده است. به طور فزاینده ‌ای اطلاعات غیرقابل اعتماد – به نام "توهم" - تولید کند.

 

رایانه هایی بدون مرز

در حالی که مراکز داده بزرگ را می ‌توان به صورت فیزیکی با دروازه ‌ها، موانع و محافظ ‌ها محصور کرد، هوش مصنوعی در حلقه انتهایی، چالش ‌های امنیتی دیجیتال و فیزیکی جدیدی را ارائه می ‌کند. قرار دادن داده ‌های ارزشمند و حیاتی و قابلیت ‌های تجزیه و تحلیل پیشرفته در حلقه انتهایی، به چیزی بیش از محافظت از API پشتیبان هوش مصنوعی نیاز دارد.

دشمنان می ‌توانند در یک حمله مسموم ‌سازی، داده‌ های خراب یا تصنعی را برای آسیب رساندن به مدل و خروجی‌ های آن، وارد مدل کنند. تزریق پیام واره (prompt)  می تواند یک مدل را به نادیده گرفتن دستورالعمل های اصلی، فاش کردن داده های حساس یا اجرای کد های مخرب سوق دهد. با این حال، تاکتیک ‌های دفاعی عمیق و ویژگی ‌های سخت ‌افزاری مانند کنترل ‌های دسترسی فیزیکی، محفظه‌ های غیرقابل دستکاری، همراه با راه ‌اندازی امن و محیط‌ های اجرای قابل اعتماد / محاسبات محرمانه می ‌توانند به جلوگیری از دسترسی غیرمجاز به تجهیزات، برنامه‌ ها و داده ‌های حساس کمک کنند.

 

با این حال، داشتن قابلیت ‌های هوش مصنوعی در حلقه انتهایی تاکتیکی، می‌ تواند یک مزیت حیاتی در طول سناریو های جنگی در حال تکامل ایجاد کند. با فعال کردن تجزیه و تحلیل های پیشرفته در لبه، داده ها را می توان به سرعت به هوش عملی تبدیل کرد، تصمیم گیری انسانی را با اطلاعات بی درنگ تقویت کرد و یک مزیت استراتژیک نسبت به دشمنان ایجاد کرد.

 

 

منبع

ویرایش شده در تیر 3 توسط alrkhs