به گزارش گروه سایر رسانههای دفاعپرس، هوش مصنوعی با محبوبیت و قابلیتهای فزاینده برای عموم مردم قابلدسترستر شده است. بسیاری در صنایع دفاعی در حال بررسی امکان استفاده از این فناوری برای کاربردهای نظامی هستند و ارتشها نیز از این قاعده مستثنی نیستند از جمله واحدهای نظامی آمریکا.
ارتش آمریکا در سالهای اخیر مفهوم «برتری اطلاعاتی» را مطرح کرده است که در چارچوب آن سربازان توانایی تصمیمگیری و عمل سریعتر از دشمن را مییابند. هوش مصنوعی هم قرار است کلید تحقق این هدف باشد.
کاربردهای هوش مصنوعی در پنج عنصر ابتکار عمل نظامی
به گفته ژنرال «ماریا بارات» (Maria Barrett) فرمانده ارتش سایبری آمریکا، هوش مصنوعی بالاترین ظرفیت را برای ایجاد تغییرات واقعی دارد.
ژنرال «متیو ایزلی» (Matthew Easley) مشاور معاون اصلی عملیات اطلاعاتی در دفتر معاون وزیر دفاع در امور سیاسی نیز معتقد است: این نیرو در حال گذار از عملیات اطلاعاتی قدیمی به چگونگی ترکیب ابزارهای اطلاعاتی در عملیاتها است که نهایتا به برتری اطلاعاتی منجر میشود. هدف از مفهوم برتری اطلاعاتی اطمینان از این است که ارتش «ابتکار عمل» در محیط اطلاعاتی داشته باشد و بتواند خود را ببیند، خود را بشناسد و سریعتر عمل کند.
او همچنین معتقد است برتری اطلاعاتی شامل پنج گونه عملکرد کلیدی است:
تسهیل تصمیمگیری: هوش مصنوعی میتواند با تجزیه و تحلیل دادههای عظیم به سربازان کمک کند تا سریعتر و دقیقتر تصمیم بگیرند.
محافظت از سربازان و اطلاعات ارتش: هوش مصنوعی میتواند برای شناسایی و مقابله با تهدیدات اطلاعاتی استفاده شود.
آموزش و اطلاعرسانی به مخاطبان داخلی: هوش مصنوعی میتواند برای آموزش سربازان و اطلاعرسانی به عموم مردم در مورد سیاستها و عملیاتهای ارتش استفاده شود.
اطلاعرسانی و تاثیرگذاری بر مخاطبان خارجی: هوش مصنوعی برای شکل دادن به افکار و رفتار مردم در کشورهای دیگر کاربرد دارد.
جنگ اطلاعاتی: هوش مصنوعی شناسایی و خنثی کردن عملیات اطلاعاتی دشمن را تسهیل میکند.
چالشهای پیش روی ارتش آمریکا برای استفاده از هوش مصنوعی
ایزلی که سال ۲۰۱۹ میلادی در تاسیس نیروی کار هوش مصنوعی در ارتش نقش موثری داشته میگوید که طی سالهای اخیر با چالشهای متعددی در پذیرش هوش مصنوعی در سراسر ارتش مواجه شده است از جمله انتقال از محیط سنتی ذخیره اطلاعات به محیط ابری ترکیبی و دستگاههای تلفن همراه.
به گفته این ژنرال آمریکایی، ارتش همچنان به داشتن مراکز داده قدیمی ادامه خواهد داد، اما با توجه به نیاز به حرکت سریع در مسیرهای فناورانه باید در سراسر جهان حرکت کنیم، زیرا محیطهای ابری انجام عملیات جهانی را برای ما بسیار آسانتر میکنند.
بر اساس اسناد بودجه ارتش، این نیرو برای سال مالی ۲۰۲۴، مبلغ ۴۶۹ میلیون دلار برای انتقال به ابر و سرمایهگذاری در محیط داده خود درخواست کرده است.
بارات نیز در رویداد نظامی AUSA اینگونه گفتهاست که شما بدون داشتن مخزن دادهها به هوش مصنوعی و یادگیری ماشین (machine learning) نمیرسید.
فرماندهی سایبری ارتش آمریکا بر این باور است که سرمایهگذاریهای قابل توجهی در پلتفرم دادههای بزرگ انجام داده است. حجم دادهای که وارد پلتفرم میشود، آنالیزگر دادهها و فضای ذخیرهسازی را دو برابر افزایش داده است.
ژنرال بارات همچنین خاطرنشان میکند: ما این مسیر را ادامه میدهیم و این همه بدان معنا است که قطعا در این نقطه به استفاده از قابلیتهای هوش مصنوعی اقدام خواهیم کرد.
وی در خصوص استفاده از هوش مصنوعی برای جمعآوری و تحلیل دقیق دادههای نظامی و امنیتی و همچنین بالابردن توان پیشبینی توضیح میدهد: در فرماندهی، هوش مصنوعی عمدتا برای دفاع از شبکه استفاده خواهد شد، اما کاربردهایی هم بعد اطلاعاتی دارد؛ اینکه چطور انواع مختلف دادهها را جمعآوری کنیم و واقعا خط و روند اطلاعاتی یک محیط خاص را درک کنیم، میتواند به ما کمک کند تا بفهمیم که چه زمانی و چگونه و در کجا تغییرات ایجاد میشوند و وقایع اتفاق میافتند. همه این موارد برای ما بسیار مفید است و من فقط شاهد گسترش این کاربردها هستم.
بارات چالشهایی را نیز مطرح میکند: گسترش دستگاههای تلفن همراه، به طور قابل توجهی میزان دادههای بالقوه را افزایش داده است، اما همچنین میتواند اهداف بالقوه دشمن را نیز گسترش دهد.
در این خصوص ایزلی نیز میگوید: این دستگاهها با ویژگیهای زیادی همراه هستند و همچنین آسیبپذیریهای زیادی به بار میآورند. ما باید با استفاده از هوش مصنوعی هم از خود دفاع کنیم و هم حجم عظیم دادهای را که در اختیار داریم مدیریت کنیم.
ژنرال «جیمز مک کونویل» (James C. McConville) رئیس ستاد ارتش آمریکا نیز پیشتر و در یک نشست خبری در ماه ژوئن گذشته اظهار داشته بود در یک درگیری احتمالی، هوش مصنوعی میتواند به سربازان کمک کند تا تمام دادهها را مرتب کنند و اطلاعات درست را به «راستترین تیر» (یک اصطلاح نظامی برای سرعت عمل نیروی نظامی است) در جعبه ابزار ارتش برسانند.
ارتش آمریکا در حوزه دفاع از شبکه چگونه هوش مصنوعی را به کار میگیرد؟
در حوزه دفاع از شبکه، ارتش از هوش مصنوعی با علامت مخفف AI برای شناسایی و مقابله با حملات سایبری استفاده میکند. AI میتواند دادههای عظیم را در زمان واقعی تجزیه و تحلیل و الگوهای مشکوک را شناسایی کند. این به ارتش کمک میکند تا از حملات قبل از وقوع آنها جلوگیری کند یا آنها را به حداقل برساند.
ارتش ایالات متحده برای سال مالی ۲۰۲۴ میلادی، ۲۸۳ میلیون دلار برای AI و یادگیری ماشین درخواست کرده است. این بودجه برای توسعه فناوریهای جدید AI و همچنین برای ادغام AI در سیستمهای موجود ارتش استفاده خواهد شد.
ارتش ایالات متحده در حال حاضر AI را در چندین برنامه مختلف به کار میبرد. برخی از نمونههای این کاربردها عبارتند از:
اول: سیستم تقویت دید یکپارچه (IVAS): IVAS یک سیستم کلاه ایمنی است که به سربازان دید شبانه، دید حرارتی و اطلاعات موقعیتی را ارائه میدهد. IVAS از AI برای تشخیص و شناسایی اهداف استفاده میکند.
دوم: خودرو زرهی جنگی اختیاری (OMFV): OMFV یک خودروی جنگی جدید است که میتواند به صورت خودکار یا توسط سرباز کنترل شود. OMFV از AI برای شناسایی تهدیدات و تصمیمگیری در مورد نحوه پاسخ استفاده میکند.
سوم: برنامههای هدفگیری AI: ارتش از AI برای توسعه برنامههای هدفگیری خودکار استفاده میکند. این برنامهها میتوانند اهداف را شناسایی و طبقهبندی کنند و سپس آنها را با دقت بالا هدف قرار دهند.
پروژه همگرایی و اتصال دادهها به ابزارآلات جنگی
ارتش آمریکا در حال توسعه برنامههایی برای استفاده از هوش مصنوعی برای بهبود عملیات خود در زمینههای مختلف است. یکی از این برنامهها، پروژه همگرایی (Project Convergence) است که هدف آن ایجاد یک شبکه یکپارچه از سنسورها و جنگندهها برای افزایش آگاهی از وضعیت و سرعت تصمیمگیری است.
در این زمینه «کریستین وورموت» (Christine Wormuth) وزیر ارتش میگوید: ما قطعا به دنبال این هستیم که چگونه میتوانیم از هوش مصنوعی برای تقویت تواناییهای خود - چه جدید و چه در حال توسعه - استفاده کنیم.
به طور خاص، ارتش از برنامههای هدفگیری هوش مصنوعی در تمرینات پروژه همگرایی (Project Convergence) خود استفاده کرده است.
در آخرین تمرین این پروژه که در اواخر سال ۲۰۲۲ انجام شد، شرکتکنندگان از سیستم Firestorm ارتش استفاده کردند که یک شبکه مبتنی بر AI است که سنسورها را با جنگندهها جفت میکند. این سیستم به شرکتکنندگان کمک کرد تا اطلاعات را سریعتر و دقیقتر از همیشه به اشتراک بگذارند.
ارتش آمریکا همچنین از AI برای بهبود لجستیک خود استفاده میکند. به عنوان مثال، ارتش در حال توسعه سیستمهایی برای پیشبینی نیازهای قطعات و تعمیر و نگهداری است. این سیستمها میتوانند به ارتش کمک کنند تا لوازم و منابع خود را به طور کارآمدتری مدیریت کند.
علاوه بر این، ارتش در حال بررسی کاربردهای AI در حوزههای مدیریت استعداد و استخدام است. به عنوان مثال، ارتش در حال توسعه سیستمهایی برای شناسایی سرنخهای باکیفیت استخدام و آموزش کارکنان است.
ژنرال جیمز مککانویل رئیس ستاد ارتش آمریکا بر اهمیت انسان در کاربرد AI تأکید کرده است. او گفته است که AI باید به عنوان یک ابزار برای کمک به انسانها در انجام کارهایشان استفاده شود، نه اینکه جایگزین آنها شود.
آینده ارتش آمریکا با هوش مصنوعی و نقش انسانها
مککانویل میگوید: ارتش در جمعآوری دادهها عملکرد بسیار خوبی دارد، اما هنوز هم دادههای زیادی در ارتش وجود دارد که به طور کامل جمعآوری نمیشوند. این دادهها میتوانند برای آموزش مدلهای زبانی بزرگ ارتش استفاده شوند. منظور از مدلهای زبانی بزرگ مدلهای هوش مصنوعیای هستند که میتوانند متن تولید کنند، زبانها را ترجمه کنند، سوالات را پاسخ دهند و انواع دیگر وظایف زبانی را انجام دهند.
برای اینکه این مدلها برای حوزه کاری ارتش موثر باشند، باید روی دادههای خودمان آنها را آموزش دهیم. بنابراین، باید به موارد زیر دقت شود:
دادههای منابع انسانی ما چیست؟
دادههای پزشکی ما چیست؟
دادههای عملیاتی ما چیست؟
دادههای اطلاعاتی ما چیست؟
چگونه میتوانیم از این دادهها، در یک محیط کنترلشده، برای ساخت مدلهای بهتر استفاده کنیم؟
مدلها باید به سرعت روی دادههای ارتش آموزش و بازآموزی شوند تا بهبود یابند. برای مثال، الگوریتم توصیه رستوران در گوشی شما، به دلیل اینکه ۱۰ سال است که به آن اطلاع میدهید که در جهان به کدام رستورانها علاقه دارید، بسیار خوب عمل میکند.
در آینده ممکن است توصیههای مبتنی بر هوش مصنوعی در سیستمهای تسلیحاتی دریافت شود، اما این سیستمها همیشه به دست یک انسان مدیریت خواهند شد. با این حال، انسانها کسانی خواهند بود که هوش مصنوعی را تا جایی آموزش میدهند که بتوان به آن برای مأموریتهای ارتش اعتماد کرد.
شما از الگوریتم نقشهبرداری خود نمیپرسید که چگونه در شهر حرکت کنید، زیرا میدانید که این الگوریتم اطلاعات بهتری نسبت به شما دارد. اما چگونه میتوانیم صحت دادههایی را که به مدل وارد شده است، به دست آوریم؟ همچنین، چگونه میتوانیم مطمئن شویم که مدل به درستی آموزش دیده است و چگونه از آن استفاده میکنیم؟ به نظر میرسد در نهایت همه این تلاشها با محوریت انسانها پیش میرود و با وجود بسیاری از نگرانیها هنوز ابتکار عمل در دست کاربران انسانی خواهد بود.
منبع: ایرنا
انتهای پیام/ ۱۳۴