Μετά από λιγότερο από 8 μήνες ανάπτυξης, οι αλγόριθμοι βοηθούν αναλυτές υπηρεσιών να εκμεταλλευτούν βίντεο από drone εν μέσω του πεδίου της μάχης.
Νωρίτερα αυτόν τον μήνα σε μια μυστική τοποθεσία στην Μέση Ανατολή, υπολογιστές που χρησιμοποιούν ειδικούς αλγόριθμους βοήθησαν αναλυτές των μυστικών υπηρεσιών ν’ αναγνωρίσουν αντικείμενα από μια ροή βίντεο από ένα μικρό drone ScanEagle που πετούσε πάνω από το πεδίο της μάχης.
Λίγες μέρες μετά τις δοκιμές, ο υπολογιστής ταυτοποίησε επιτυχώς αντικείμενα – ανθρώπους, αυτοκίνητα, τύπους κτιρίων – σωστά περίπου το 60% των δοκιμών. Τον είπανε μήνα όταν οι δημιουργοί του θα στείλουν την τεχνολογία στην πρώτη γραμμή με αναβαθμίσεις σε λογισμικό και εξοπλισμό πιστεύουν ότι θα είναι ακόμα πιο ακριβές.
Είναι μια πρώιμη νίκη για μια μικρή ομάδα μόλις 12 ατόμων που άρχισαν να εργάζονται σ’ αυτό το πρότζεκτ από τον Απρίλιο. Κατά το επόμενο έτος, σχεδιάζουν να επεκτείνουν το έργο για να αυτοματοποιήσουν την ανάλυση των τροφοδοσιών βίντεο που προέρχονται από μεγάλα drones – και αυτό είναι μόνο η αρχή.
«Αυτό που κάνουμε είναι να δημιουργούμε το μέλλον ανάμεσα στην ομαδική συνεργασία ανθρώπων και μηχανών», δήλωσε ο αντιπτέραρχος της αμερικάνικης Αεροπορίας, John N.T. «Jack» Shanahan, διευθυντής αμυντικών πληροφοριών για την πολεμική υποστήριξη, ο αξιωματούχος του Πενταγώνου που επιβλέπει την όλη προσπάθεια. Ο Shanahan πιστεύει ότι το σχέδιο αυτό θα φέρει την επανάσταση στο πως διεξάγονται οι ένοπλες συγκρούσεις.
«Δεν πρόκειται για μηχανές που παίρνουν τον έλεγχο», είπε. «Δεν είμαι παρά μια τεχνολογική λύση σ’ ένα τεχνολογικό πρόβλημα. Είναι μια επιχειρησιακή λύση σε ένα επιχειρησιακό πρόβλημα», συμπλήρωσε.
Το ScanEagle
Το πρόγραμμα «Maven» επικεντρώνει την προσπάθεια στην παροχή βοήθειας στους αναλυτές των U.S. Special Operation Command (USSOCOM), οι οποίοι αναλύουν τα αντικείμενα σε βίντεο από μικρά drone τύπου ScanEagle.
Στους ερχομένους μήνες η ομάδα σχεδιάζει να θέσει τους αλγόριθμους στα χέρια περισσότερων μονάδων με μικρότερα τακτικά αεροσκάφη, προτού επεκτείνει το έργο σε μεγαλύτερα, όπως τα Predator και Reaper μέχρι το επόμενο καλοκαίρι.
Ο Shanahan χαρακτήρισε την αρχική ανάπτυξη αυτού του μήνα ως «πρωτότυπο είδος πολέμου» που που σημαίνει ότι οι αξιωματούχοι είχαν μετριάσει τις προσδοκίες. Κατά τη διάρκεια περίπου οκτώ ημερών, η ομάδα βελτίωσε τον αλγόριθμο, έξι φορές.
«Ένα ίσως από τα πιο εντυπωσιακά επιτεύγματά μας είναι η ιδέα της βελτίωσης του αλγορίθμου», είπε ο Shanahan.
Σκεφτείτε ότι παίρνετε μια νέα ενημέρωση σε μια εφαρμογή smartphone κάθε μέρα, βελτιώνοντας την απόδοσή της κάθε φορά.
Πριν από την ανάπτυξη της τεχνολογίας, η ομάδα εκπαίδευσε τους αλγορίθμους χρησιμοποιώντας χιλιάδες ώρες αρχειοθετημένου βίντεο μάχης που καταγράφηκε από αεροσκάφη στη Μέση Ανατολή. Όπως αποδείχθηκε, τα δεδομένα ήταν διαφορετικά από την περιοχή στην οποία αναπτύχθηκε η ομάδα του πρότζεκτ «Maven».
«Μόλις το αναπτύξετε σε πραγματική θέση, πετάει σε διαφορετικό περιβάλλον από ό, τι ήταν εκπαιδευμένο», είπε ο Shanahan. «Εξακολουθεί φυσικά να λειτουργεί αλλά είναι αρκετό διαφορετικό σ’ αυτήν την θέση. Υπάρχουν περισσότεροι παράμετροι όταν π.χ. υπάρχουν πιο πολλά κτίρια ή ζώα γύρω από αυτά που είχαμε δει σε άλλα βίντεο. Αυτός είναι ο λόγος για τον οποίο είναι τόσο σημαντικό τις πρώτες πέντε ημέρες μιας ανάπτυξης σε πραγματικές συνθήκες να βελτιώσουμε τον αλγόριθμο», είπε.
Ενώ ο αλγόριθμος εκπαιδεύεται για τον εντοπισμό ατόμων, οχημάτων και εγκαταστάσεων, περιγράφει περιστασιακά λανθασμένα ένα αντικείμενο. Στην συνέχεια, ο αναλυτής διορθώνει τη μηχανή, βοηθώντας έτσι την εκμάθηση.
Η ομάδα έχει συνδυάσει τον αλγόριθμο Maven με ένα σύστημα που ονομάζεται Minotaur, μια εφαρμογή αντιστοίχισης και γεωγραφικής διαχείρισης του Ναυτικού και των Πεζοναυτών. Όπως περιγράφει ο Shanahan το Maven έχει τον αλγόριθμο, ο οποίος τοποθετεί κουτάκια στην οθόνη βίντεο, ταξινομώντας ένα αντικείμενο και παρακολουθώντας το. Στην συνέχεια χρησιμοποιώντας το Minotaur, λαμβάνει μια γεωγραφική αναγραφή των συντεταγμένων, εμφανίζοντας ουσιαστικά την τοποθεσία του αντικειμένου πάνω σε ένα χάρτη.
«Αυτό είναι καινούριο, είναι διαφορετικό και είναι πολύ απαραίτητο για έναν αναλυτή, γιατί όλα αυτά γίνονταν χειροκίνητα στο παρελθόν», είπε ο Αμέρικανος αξιωματούχος.
«Έχοντας αυτά τα πράγματα μαζί αυξάνουμε πραγματικά την επίγνωση της κατάστασης και ξεκινάμε τη διαδικασία που δίνει στους αναλυτές λίγο χρόνο πίσω – που ελπίζουμε ότι θα γίνει πολύς χρόνος πίσω από την πάροδο του χρόνου – και όχι μόνο να παραμείνει κολλημένος στην οθόνη του βίντεο», είπε ο Shanahan.
Αφού τα drone Predator και Reaper εξοπλιστούν μ’ αυτούς τους αλγόριθμους το σχέδιο είναι να χρησιμοποιηθούν και στις κάμερες «Gorgon Stare», μια προηγμένης τεχνολογίας κάμερα που μπορεί να τοποθετηθεί πάνω στο Reaper και να παρακολουθεί μια ολόκληρη πόλη.
Όταν κοιτάζετε την επισήμανση των δεδομένων που πρέπει να συνεχιστεί, τους αλγόριθμους που πρέπει να εκπαιδευτούν και να εξευγενιστούν, αυτό είναι πραγματικά αυτό που θα ονομάζα πρόβλημα διδακτορικού επιπέδου», είπε ο Shanahan σχετικά με την αντιστοίχηση των αλγόριθμων με το «Gorgon Stare».
Αυτή τη στιγμή, οι αλγόριθμοι βρίσκονται στους υπολογιστές που λαμβάνουν το βίντεο από τα drones. Σε κάποιο σημείο αργότερα ο στόχος είναι να τοποθετηθεί αυτή η τεχνολογία αιχμής στα ίδια τα drones.
Μια αλλαγή πολιτικής
Ακόμα και αυτή η πρώιμη ανάπτυξη έχει κάνει τους ανθρώπους να σκέφτονται για τις δυνατότητές του και να μιλούν για το πως αυτός ο τρόπος χρήσης της τεχνητής νοημοσύνης (Artificial Intelligence – AI) μπορεί ν’ αλλάξει τον τρόπο που ένας αναλυτής πληροφοριών ή χείριστης κάνει την δουλειά του.
«Περιμένω σ’ έναν χρόνο από τώρα να δούμε να το χρησιμοποιούν με τρόπο που ποτέ δεν θα καταλαβαίναμε ότι είναι δυνατόν», είπε ο Shanahan.
Την στιγμή που το αμερικανικό Πεντάγωνο δίνει έναν πακτωλό χρημάτων σε μυστικές επιχειρήσεις αμφιβόλου αποτελεσματικότητας ο Shanahan πιστεύει ότι η επένδυση στην ΑΙ θα είναι ένα ισχυρό προβάδισμα για το μέλλον.
Στρατιωτικοί ηγέτες μόλις έχουν αρχίσει να κάνουν νύξεις για τις δυνατότητες της τεχνητής νοημοσύνης στον πόλεμο κυρίως ως έναν τρόπο μείωσης του φόρτου των στρατιωτών. Τον Οκτώβριο, ο πτέραρχος David Goldfein, επικεφαλής της αμερικανικής Αεροπορίας, διαμόρφωσε ένα όραμα για την ομαδοποίηση των αερομεταφορέων με μηχανές, ιδιαίτερα για λειτουργίες συντήρησης και εφοδιασμού.
«Πιστέυω ότι αυτή είναι η πρόοδος για το κομμάτι [σ.σ. της ΑΙ] που έχουμε αρχίσει να καταλαβαίνουμε σήμερα και θ’ αναπτυχθεί γρηγορότερα μέσα στο επόμενο ένα με δύο χρόνια καθώς καταλαβαίνουμε τι μας επιτρέπει να κάνουμε», είπε ο Shanahan για την σύνδεση ανθρώπου και μηχανών.
Εμπορικά, οι εταιρείες χρησιμοποιούν την AI για να προβλέψουν πότε θα σπάσουν οι αντλίες και οι στρόβιλοι στα πλοία και άλλα είδη προληπτικής συντήρησης.
«Αυτό που προσπαθούμε να κάνουμε είναι να ρυθμίσουμε τις συνθήκες για να οικοδομήσουμε μια κουλτούρα έτοιμη για την AI», είπε.
«Δεν είναι εύκολο. Αυτό είναι δυσάρεστο. Είναι ένας πολύ διαφορετικός τρόπος σκέψης για τα προβλήματα που έχουμε χρησιμοποιήσει στο παρελθόν. Αλλά η λύση είναι εκεί έξω. Οι νεότεροι άνθρωποι είναι πιο δεκτικοί να μας συνδράμουν απ’ ότι χθες. Μας λένε: «γιατί αργήσατε τόσο πολύ; Ταυτόχρονα, αρχίζουμε να έχουμε ανθρώπους στα υψηλότερα επίπεδα του τμήματος να αρχίζουν να μιλάνε για το AI με νέους και διαφορετικούς και ενθαρρυντικούς τρόπους»ολοκλήρωσε.
oparlapipas.gr
Social Plugin