infa.lt

Kinijos mokslininkai sukūrė dirbtinio intelekto modelį, galintį vykdyti itin veiksmingus koordinuotus bepiločių orlaivių smūgius prieš priešo radarus ir komunikacijas, elektroninio karo metodus perkeliant į naują lygį, rašo kinų SCMP.

Naujasis dirbtinis intelektas atakuoja veiksmingai koordinuodamas dronų būrius kovinėje aplinkoje. Jo struktūra panaši į „ChatGPT“. Išradimas parodė geresnius rezultatus, palyginti su tradicinėmis dirbtinio intelekto technologijomis ir net bandomaisiais kariškais modeliais.

Generatyvinio kalbos modelio taikymas ginklų valdyme tapo pirmuoju precedentu pasaulinėje praktikoje.

Projektas buvo parengtas pagal Čengdu aviacijos projektavimo instituto ir Šiaurės vakarų politechnikos universiteto projektą. Šios institucijos yra žinomos dėl savo pažangių gynybos srities projektų, įskaitant Čengdu instituto dalyvavimą kuriant Kinijos sunkųjį „stealth“ naikintuvą J-20.

Anksčiau dirbtinio intelekto sistemos buvo naudojamos tik vadovavimo centruose, siekiant analizuoti ir padėti vadams, bet ne tiesiogiai dalyvauti kovoje.

Rengiant naująjį kalbos modelį buvo naudojami išsamūs ir specializuoti duomenys: radarų ir elektroninės karybos vadovėliai, elektroninių ginklų žinynai ir kovų žurnalai. Mokymai taip pat buvo grindžiami operatyvine medžiaga ir strateginiais vadovėliais, jie daugiausia vyko kinų kalba.

Dėl to modelis labai gerai pritaikomas tipinėms sąlygoms ir iššūkiams, su kuriais susiduria Kinijos kariniai bepiločiai orlaiviai.

Vienas iš svarbiausių elektroninio karo uždavinių – gebėjimas greitai pritaikyti taktiką: bepiločiai orlaiviai stengiasi slopinti priešo radarų signalus naudodami tam tikras elektromagnetines bangas, o gynybos sistemos stengiasi keisti signalus, todėl puolančioji sistema priversta greitai keisti savo puolimo taktiką.

Didieji kalbų modeliai (DKM), tokie kaip „Gemini“, anksčiau buvo laikomi netinkamais realaus laiko užduotims atlikti dėl ilgo duomenų analizės laiko ir nepakankamo reagavimo milisekundžių lygmeniu.

Šiai problemai spręsti mokslininkai panaudojo metodų derinį: išankstinis jutiklių duomenų rinkimas ir analizė vykdomi naudojant mokymosi modelį su patvirtinimu, kuris vėliau pateikia DKM „stebėjimo parametrų vektorių“ sprendimams priimti.

Taip apeinami sprendimų priėmimo greičio apribojimai, nes modeliui pateikiami greiti duomenys. DKM gali akimirksniu generuoti komandas slopinimo sistemai valdyti.

Bandymai parodė, kad ši hibridinė sistema leidžia dirbtiniam intelektui realiuoju laiku prisitaikyti prie dinamiškų sąlygų.

Pavyzdžiui, sistema gali koreguoti savo strategiją iki 10 kartų per sekundę, priešo radarų ekranuose sukurdama netikrus taikinius, todėl sunku aptikti tikruosius taikinius.

Ši strategija, apimanti „samprotavimų grandinę“, leidžia dirbtiniam intelektui išskaidyti sudėtingas užduotis į loginius žingsnius, pateikiant greitus ir efektyvius sprendimus, kurie dažnai pranoksta metodus, kai signalas tiesiog slopinamas elektroniniu triukšmu.

Tačiau kuriant šį projektą susiduriama su tam tikrais techniniais apribojimais. Dabartinėje versijoje sistema nepalaiko lidarų ir radarų 3D duomenų apdorojimo, nes tam reikia didelių skaičiavimo išteklių.

Be to, modelis kol kas apdoroja tik ribotą vaizdų kadrų skaičių, o tai stabdo jo praktinį taikymą.

„Jie vis dar sprendžia daug praktinių problemų, įskaitant techninės įrangos apribojimus, modelio apimtis ir saugumo riziką“, – sakė anoniminis Pekino mokslininkas.

„Vis dėlto, tampa aišku, kad sąvoka „žodžiai gali nužudyti“ iš filosofinės idėjos virsta realybe“, – pridūrė jis.