Marynarka Wojenna wykorzystuje AI do trenowania laserów przeciw dronom

Sztuczna inteligencja już od lat prześciguje człowieka w niektórych zadaniach. Jest niezastąpiona tam, gdzie liczy się szybkość i precyzja. Do takich dziedzin z pewnością zalicza się technologia wojskowa, a szczególnie pojazdy autonomiczne lub bezzałogowe. Problem z ich likwidowaniem można zasadniczo podzielić na dwa zadania. Po pierwsze, AI musi zidentyfikować, z jakim rodzajem drona ma do czynienia i jakie są jego słabe punkty, które można zaatakować. Po drugie, trzeba wytrenować lasery bojowe tak, aby wiązka padała na ten słaby punkt na tyle długo, by zniszczyć lub zneutralizować cel. Jak nietrudno się domyślić, nie jest to wcale łatwe, biorąc pod uwagę szybkość i zwinność poruszania się dronów.

Ludzcy operatorzy nadal z dużą szansą powodzenia mogą niszczyć pojedyncze drony, ale gdy nadleci ich rój, sytuacja może być nie do opanowania. Co innego laser. Może on przenosić się z jednego celu na drugi w ułamku sekundy, jednak namierzenie słabego punktu i skoncentrowanie na nim wiązki trwa już dłużej. Współczesne lasery trenuje się już nawet do opanowywania pocisków naddźwiękowych, więc sprawa staje się jeszcze poważniejsza.

NPS, Naval Surface Warfare Center Dahlgren Division, Lockheed Martin, Boeing oraz Air Force Research Laboratory (AFRL) rozwijają nowy, antydronowy, laserowy system namierzania. Wykorzystuje AI, aby przezwyciężyć nie tylko ludzkie ograniczenia w namierzaniu celów, ale też ograniczenia samych laserów w radzeniu sobie ze zniekształceniami atmosferycznymi na dużych odległościach, które mogą spowodować, że wiązka zboczy z celu.

Zespół ekspertów wytrenował sztuczną inteligencję na miniaturowym modelu drona Reaper, wydrukowanym w 3D ze stopu tytanu. Został on przeskanowany w podczerwieni oraz za pomocą radaru, aby zasymulować, jak pełnowymiarowy dron wyglądałby poprzez teleskop z różnych kątów i odległości oraz w różnych warunkach ograniczonej widoczności.

Katalog danych składa się z dwóch zestawów 100 tys. obrazów, których użyto do wytrenowania systemu AI, aby ten mógł zidentyfikować drona, potwierdzić jego kąt położenia względem obserwatora, rozpoznać jego słaby punkt i skierować na niego wiązkę lasera. Dane wejściowe radaru dostarczyły z kolei dane potrzebne do wyznaczenia kursu i odległości drona. Następnie wykorzystano serię 3 scenariuszów do wyszkolenia systemu. Pierwszy użył tylko syntetycznych danych, drugi - kombinacji danych syntetycznych i pochodzących z prawdziwego świata, a trzeci - już tylko realnych danych.
Jak podaje US Navy, ten trzeci scenariusz zadziałał najlepiej i zapewnił najniższy margines błędu.

Następnym krokiem będą testy polowe z radarem i śledzeniem optycznym prawdziwych celów z półautomatycznym systemem, w którym ludzki operator będzie kontrolował niektóre aspekty namierzania. Jak mówi Eric Montag, naukowiec zajmujący się obrazowaniem w Dahlgren:

Mamy teraz model działający w czasie rzeczywistym wewnątrz naszego systemu namierzania. Gdzieś w tym roku planujemy demonstrację automatycznego wyboru punktu celowniczego wewnątrz frameworka śledzenia, aby dostarczyć prosty dowód działania. Nie musimy strzelać laserem, aby przetestować możliwości automatycznego punktu celowniczego. Istnieją już projekty - a [demonstrator High Energy Laser Expeditionary (HELEX)] jest jednym z nich — które są zainteresowane tą technologią. Współpracujemy z nimi i strzelamy z ich platformy za pomocą naszego systemu śledzenia.

---

Rosnąca automatyzacja technologii wojskowej sprowadza wizję przyszłości, w której na polu bitwy walczyć będą w zasadzie same maszyny przeciwko maszynom. To nowy wyścig zbrojeń, w którym prowadzić będą ci, którzy dysponują lepszą sztuczną inteligencją i wyższym budżetem. Człowiek w starciu z takimi systemami jest praktycznie bezbronny, a sceny, które niektórzy z Was mogą pamiętać ze Squid Game, wydają się przy tym dziecinną igraszką.

***

Bądź na bieżąco i zostań jednym z 88 tys. obserwujących nasz fanpage - polub Geekweek na Facebooku i komentuj tam nasze artykuły!