Šių metų vasario mėnesį Rusijai įsiveržus į Ukrainą abejingų tikriausiai neliko. Paskutiniu metu netyla kalbos apie karą ir jo tolesnį klostymąsi, todėl kyla intriguojantis klausimas: kaip dirbtinis intelektas gali būti panaudojamas kare?
Automatinės sistemos gali pačios priimti sprendimus
Turbūt kiekvienas iš mūsų girdėjome šį pavadinimą – „Bayraktar TB2“, tačiau kas po juo slypi? Kaip DI yra panaudojamas tiek šiuose, tiek kituose dronuose, robotuose?
Nuomonės dėl tikslaus apibrėžimo, kas yra karo robotai – išsiskiria, tačiau galima sakyti, kad tai yra ginklai, kurie patys gali priimti sprendimus, panaudodami jiems įdiegtą DI technologiją. Tai tarsi autonominis automobilis, kuris pats žino, ką jam reikia daryti.
Tokią ginkluotę leidžia sukurti spartus robotikos, vaizdų atpažinimo, daiktų interneto tobulėjimas. Dronai, kuriuos JAV plačiai naudoja Afganistane, Irake ir kitose šalyse, nelaikomi robotais, nes juos nuotoliniu būdu valdo žmonės, kurie pasirenka taikinius ir sprendžia, kaip elgtis toliau. Jau anksčiau minėtas „Bayraktar TB2“ taip pat galėtų būti priskiriamas šiai kategorijai, tačiau būtent šis dronas pasižymi nemažu DI sprendimų pritaikymu.
„Bayraktar“ pasižymi automatiniu valdymu, jei prarandamas GPS signalas arba sugedus orientacijos (aukštis, posvyris ir kt.) jutikliams. Šiuose dronuose naudojami DI modeliai, kurie yra apmokomi iš kiekvieno skrydžio metu surenkamų duomenų.
Kitas reikšmingas aspektas yra tai, kad šiuose dronuose yra realizuoti objektų atpažinimo algoritmai, leidžiantys dronams atpažinti objektus, kartais net tuos, kurių žmogaus akis gali ir nepastebėti. To pavyzdys gali būti transporto priemonių, judančių lauke aptikimas ir jei reikia jų sekimas. Ir tai tik dalis DI panaudojimo šiuose dronuose.
Svarbu paminėti, kad lietuviai taip pat yra kuria autonominį sprendimą – bagį „Krampus“, galintį atlikti sudėtingas karines operacijas. Šiuo metu šis bagis yra valdomas per distanciją nuotoliniu būdu, tačiau tikimasi, kad ateityje jis bus autonominis. Dėl savo hibridinio variklio šie bagiai gali būti panaudojami priartėjimui prie misijos zonos. Jie gali nugabenti krovinius, pavyzdžiui, ginklus, dronų paleidimo sistemas, o tada grįžti paimti karių.
Leidžia užtikrinti efektyvesnius sprendimus
Tikriausiai daugeliui kyla klausimas – jei šios sistemos yra ypač brangios, kodėl jos yra tokios paklausios? Vienas iš esminių faktorių – karių apsaugojimas, kadangi tokiu atveju jiems rizikuoti savo gyvybėmis.
Taip pat šios sistemos gali greičiau priimti sprendimus nei žmonės, nes autonominėse sistemose esantys algoritmai gali greitai įvertinti daug faktorių. Ypač svarbu, kad tokios naujos pažangios technologijos nebūtų panaudotos blogiems tikslams. Kritikai teigia, kad moraliai atgrasu patikėti mirtinų sprendimų priėmimą mašinoms, nepaisant jų technologinio sudėtingumo.
Nepaisant šių trūkumų, 2017 m. vasarį pats Pentagonas padarė išvadą, kad gilaus mokymosi algoritmai dėl savo veikimo gali būti pritaikyti jų reikmėms. Taigi, jie įkūrė „Algoritminio karo“ komandą, žinomą kaip „Project Maven“, kuri naudoja gilų mokymąsi ir kitus metodus objektams ir įtartiniems veiksmams identifikuoti. Tikslas – užtikrinti veiksmingą ir efektyvią žvalgybą.
Veido atpažinimo technologijos – vis prieinamesnės
Daugelis turinčiųjų išmaniuosius telefonus, su veido atpažinimo funkcija susiduria kasdien ir tikrai ne po vieną kartą. Šiuo metu daugelyje išmaniųjų telefonų yra įdiegta veido atpažinimo funkcija, kuri padeda atrakinti telefoną neįvedant jokio kodo ar nevedžiojant pirštu šablono. Telefonas, aptikęs veidą, jį skenuoja ir palygina su telefone išsaugotu savininko atvaizdu. Tik atvaizdams atitikus telefonas yra atrakinamas.
Tačiau atrodo toks kasdienis DI pritaikymas yra panaudojamas ir kare. Vienas tokių pavyzdžių – tam tikrų asmenų, dalyvaujančių kare, atpažinimas. Praėjus kelioms savaitėms po to, kai Rusija įsiveržė į Ukrainą, viešąją erdvę užplūdo ten įvykdytų karo nusikaltimų vaizdai. Veido atpažinimo bendrovė „Clearview AI“ nusprendė savo turimas žinias pritaikyti būtent siekdama padėti Ukrainai.
Kaip tai panaudojama? Bendrovės sugalvojo iš nuotraukų ar turimų vaizdo įrašų atpažinti asmenis, kurie gali būti šnipai, jų veidus palyginti su duomenų bazėje turimais duomenimis, kurioje yra 20 milijardų veidų iš viešojo interneto, įskaitant Rusijos socialines svetaines, tokias kaip „VKontakte“. Toks veidų atpažinimas leidžia susieti Ukrainoje esančius karius bei pamėginti susisiekti su jų artimaisiais.
Tačiau atsiranda nepritarančių tokiam DI panaudojimui. Skaitmeninių teisių grupės „Fight for the Future“ direktoriaus pavaduotojas Evanas Greeris nepritaria bet kokiam veido atpažinimo technologijos naudojimui. Jo teigimu, tokia technologija turėtų būti uždrausta visame pasaulyje, nes vyriausybės ja naudojasi mažumų grupėms persekioti ir nesutarimams slopinti.
Tarp kitko, Rusija ir Kinija įdiegė pažangų veido atpažinimą miestų kamerose. Pastaraisiais metais veido atpažinimo galia ir tikslumas tapo vis labiau prieinamas visuomenei.
DI panaudojamas ir logistikoje
Logistika, resursų skirstymas ir tiekimo grandinė yra labai sudėtingo, kompleksiško ir pažangaus proceso dalys, susijusios su produktų ar paslaugų judėjimu į nurodytą vietą. Logistika – ir neatsiejama karo dalis.
Dar Romos laikais romėnai siekė organizuoti efektyvų logistikos panaudojimą, taip norėdami aprūpinti savo legionus. Jei seniau viskas rėmėsi tik tam tikrų žmonių patirtimi, idėjomis, šiuo metu logistika (ypač karinėje srityje), yra susijusi su daugybe skirtingų funkcijų.
Visos šios funkcijos generuoja ypatingai didelius duomenų kiekius, susijusius su transportu, planavimu bei kitomis funkcijomis. Veiksmingos tiekimo grandinės organizavimas yra labai svarbus tiek taikos, tiek karo metu. Būtent analizuojant didelius duomenų kiekius, ypatingai reikšmingą vaidmenį atlieka dirbtinis intelektas.
Pasitelkus dirbtinį intelektą galima automatizuoti duomenų analizę, optimizuoti logistikos grandinę, planuoti reikiamus resursus analizuojant turimus duomenimis, o galiausiai – priimti reikiamus ir savalaikius sprendimu.
Mantas Lukauskas yra Kauno technologijos universiteto (KTU) Matematikos ir gamtos mokslų fakulteto (MGMF) doktorantas, duomenų mokslininkas.
