Ένοπλες Συγκρούσεις
Μετά την επίθεση της Ρωσίας στην Ουκρανία τον Φεβρουάριο του 2022, οι προσπάθειες μηχανικής τεχνητής νοημοσύνης του 18ου Σώματος πήραν νέα επείγουσα ανάγκη και ειδικά για το Maven Smart System που είναι το σύστημα που έχουν αναθέσει να υποστηρίζει τις ουκρανικές δυνάμεις αλλά τα αποτελέσματα τελικά δείχνουν ότι δεν μπορεί να αποδώσει όσο οι Αμερικανοί νομίζουν απέναντι στην Ρωσία.
Ο Ο’ Κάλαχαν, ο Τεμπλ και 270 άλλοι στρατιωτικοί από το αρχηγείο του Σώματος είχαν αναπτυχθεί σε μια φρουρά στη Γερμανία, μετατρέποντας μια πρώην αθλητική αίθουσα σε κέντρο διοίκησης του συστήματος
Μια αξιωματικός επιχειρήσεων πληροφοριών και πολιτικών υποθέσεων, η οποία ζήτησε να μην κατονομαστεί επειδή αναλαμβάνει συχνά αποστολές ειδικών επιχειρήσεων, έγινε ένας από αυτούς που χρησιμοποιούσαν το λογισμικό για να ενημερώσουν τους διοικητές του Στρατού.
Η εστίαση της αξιωματικού ήταν να κρίνει εάν οι Ουκρανοί σε συγκεκριμένες περιοχές είχαν τη θέληση να αντισταθούν στις ρωσικές δυνάμεις.
«Όταν στρωματοποιείς καταστάσεις, αρχίζουν να σου ξεπηδούν διαφορετικά πράγματα», λέει η εν λόγω αξιωματικός. «Θα μάρκαρα κάθε γεγονός που σχετίζεται με αντίσταση στον χάρτη».
Αυτά τα γεγονότα μπορεί να ήταν από απλή ανάρτηση μπλε και κίτρινων σημαιών σε φράχτες έως άκρως βίαιες, όπως επιθέσεις σε Ρώσους αξιωματούχους στις χωρικές ζώνες.
Αυτές οι λεπτομέρειες, μαζί με πολλές άλλες, μπήκαν στη συνέχεια στο διαβαθμισμένο σύστημα που χρησιμοποιούν οι διοικητές των αμερικανικών ενόπλων δυνάμεων για να ενημερώνονται για τα γεγονότα στο έδαφος.
Οι Ο’ Κάλαχαν και Τεμπλ αρνήθηκαν να δώσουν λεπτομέρειες για το πώς το Πεντάγωνο χρησιμοποιεί συστήματα τεχνητής νοημοσύνης όπως το Maven για την υποστήριξη της Ουκρανίας.
Ωστόσο, άνθρωποι που είναι εξοικειωμένοι με τις επιχειρήσεις, που ζήτησαν να μην κατονομαστούν λόγω της ευαισθησίας του θέματος, είπαν στο Bloomberg ότι οι ΗΠΑ χρησιμοποίησαν δορυφορικές πληροφορίες και το Maven Smart System για να ενημερώσουν τις ουκρανικές δυνάμεις σχετικά με τοποθεσίες ρωσικού εξοπλισμού, οι οποίες στη συνέχεια στόχευσαν αυτά τα μέσα με πυραύλους που διέθεταν καθοδήγηση GPS.
Όμως οι ρωσικές δυνάμεις έχουν όπως δείχνει η εξέλιξη στο πεδίο της μάχης αρκετά αντίμετρα για τέτοιου είδους συστήματα όπως φαίνεται καθώς για παράδειγμα, στην περίπτωση των HIMARS το πανάκριβο αυτό σύστημα έκανε την δουλειά του αλλά η Ρωσία κινούμενη απλά, μπλόκαρε το σήμα του GPS αχρηστεύοντας τις ρουκέτες.
Το πρόβλημα είναι ότι αυτό το σύστημα τεχνητής νοημοσύνης δεν δείχνει να είναι η απάντηση στις ρωσικές επιθετικές ενέργειες αλλά μάλλον δρα υπό ειδικές συνθήκες.
Το σύστημα
Το AI σύστημα έχει μακρά ιστορία στο Υπουργείο Άμυνας. Κατά τη διάρκεια του Ψυχρού Πολέμου, το σύστημα αεράμυνας Semi-Automatic Ground Environment χρησιμοποίησε πρώιμους αλγόριθμους για την επεξεργασία δεδομένων ραντάρ.
Στην Επιχείρηση Desert Storm, ένα εργαλείο ανάλυσης βοήθησε στον προγραμματισμό των κινήσεων των στρατευμάτων.
Μέχρι τα μέσα της δεκαετίας του 2000, οι τεχνολογίες αιχμής της AI αφορούσαν σταθερά την πολιτική ζωή, όχι στρατιωτικούς. Ο επιστήμονας υπολογιστών Τζόφρεϊ Χίντον πρωτοστάτησε στη βαθιά μάθηση, περιγράφοντας το 2006 πώς οι μηχανές μπορούσαν να μάθουν να αναγνωρίζουν αντικείμενα μιμούμενοι τα νευρωνικά δίκτυα του εγκεφάλου.
Έξι χρόνια αργότερα, αυτός και οι συνεργάτες του αποκάλυψαν ότι είχαν εκπαιδεύσει ένα μοντέλο να ταξινομεί 1,2 εκατομμύρια εικόνες με σχετικά λίγα σφάλματα, χρησιμοποιώντας έναν αλγόριθμο που προσπαθούσε να προσεγγίσει την ανθρώπινη ικανότητα διάκρισης.
Οι καινοτομίες που θα οδηγούσαν τελικά στα σημερινά εργαλεία AI, όπως το ChatGPT, είχαν ξεκινήσει.
Καθώς αυτές οι εξελίξεις επιταχύνονταν, ο Γουίλ Ρόπερ, πρώην βοηθός υπουργός Άμυνας (της αμερικανικής αεροπορίας) που διοικούσε γραφείο του Πενταγώνου αφιερωμένο στην προηγμένη τεχνολογία, παρακολουθούσε με αυξανόμενο ενδιαφέρον. Λέει ότι, το 2016, το υπουργείο Άμυνας δεν είχε μαζική αποθήκευση cloud ή φιλικά προς τον υπολογιστή δεδομένα και οι αξιωματούχοι είχαν κακή κατανόηση της μηχανικής μάθησης.
Ανησυχώντας ότι ο στρατός δεν θα ήταν σε θέση να αναπτύξει τα δικά του εργαλεία σε εύλογο χρονικό διάστημα – τα μεγάλα οπλικά συστήματα των ΗΠΑ μπορεί να χρειαστούν 15 έως 20 χρόνια μέχρι να μπουν σε υπηρεσία – ο Ρόπερ πρότεινε ένα ενιαίο πρόγραμμα 50 εκατομμυρίων δολαρίων για την εφαρμογή της μηχανικής μάθησης στην αυτόματη αναγνώριση στόχων. Παραδοσιακά, ο εντοπισμός και η ταξινόμηση των εχθρικών στόχων στο πεδίο της μάχης ήταν μια επίπονη διαδικασία.
Οι αναλυτές μπορεί να περνούν ώρες ή μέρες εξετάζοντας δορυφορικές εικόνες και δεδομένα παρακολούθησης, βασιζόμενοι κυρίως στα δικά τους μάτια. Αν και υπήρχε άλλο λογισμικό αυτόματης στόχευσης, οι στρατιωτικοί το θεωρούσαν πολύ αργό και πολύ επιρρεπές σε εσφαλμένες κρίσεις.
Το 2017 μια ευρύτερη εκδοχή της ιδέας του Ρόπερ ήρθε από τη διεύθυνση πληροφοριών του υπουργείου Άμυνας ως Project Maven – πιο επίσημα, η Διαλειτουργική Ομάδα Αλγοριθμικού Πολέμου.
Η ομάδα Maven ξεκίνησε να αξιολογεί εργαλεία αναγνώρισης αντικειμένων από διαφορετικούς προμηθευτές, δοκιμάζοντας τα σε πλάνα από drone που καταγράφηκαν από μονάδες των SEAL (βατραχάνθρωποι του αμερικανικού Ναυτικού) στη Σομαλία. Κανένα δεν απέδωσε ιδιαίτερα καλά, θυμάται η Τζέιν Πινέλις, η οποία επέβλεψε την πρώιμη δοκιμή και αξιολόγηση του αλγοριθμικού πολέμου στο Maven (τώρα ηγείται μιας ομάδας μηχανικών στο Πανεπιστήμιο Johns Hopkins).
Οι εικόνες της πηγής ήταν συχνά πολύ θολές, ή τραβηγμένες από γωνίες που μπέρδευαν τους αλγόριθμους ή είχαν τόσο κακή επισήμανση που ήταν δύσκολο να εκπαιδεύσουν τα μοντέλα. Τα προγράμματα των συνεργατών από την ελεύθερη αγορά ήταν επίσης ασυνεπή. Κάποιος θα μπορούσε να επισημάνει ένα αντικείμενο απλώς ως άρμα ενώ ένας άλλος συγκεκριμένα ως T-72 σοβιετικής σχεδίασης. Η απόδοση ήταν ακόμη χειρότερη εκτός εργαστηρίου, όπου τα συστήματα δυσκολεύονταν να χειριστούν κακές συνδέσεις δικτύου και παλιούς υπολογιστές, και τα δύο κοινά προβλήματα στο πεδίο.
Η εξέλιξη
Άλλα ζητήματα προέκυψαν καθώς το Project Maven μεγάλωνε. Το 2018 χιλιάδες μηχανικοί της Google, ενός από τους αρχικούς συνεργάτες του Πενταγώνου, υπέγραψαν μια επιστολή διαμαρτυρόμενοι για τη συμμετοχή της εταιρείας στην «τεχνολογία πολέμου». Αργότερα το ίδιο έτος, το Πεντάγωνο εξαίρεσε το Maven από τις δημόσιες ενημερώσεις, υποστηρίζοντας ότι οι πληροφορίες σχετικά με τις δυνατότητές του – και τους περιορισμούς του – ήταν τόσο ευαίσθητες που η απελευθέρωσή τους θα μπορούσε να δώσει πλεονέκτημα στους εχθρούς της Αμερικής.
Παρά την αποχώρηση της Google, μια ευρεία γκάμα άλλων παικτών από τους χώρους της τεχνολογίας και της άμυνας παρέμειναν εμπλεκόμενοι με το Maven και άλλοι προσχώρησαν αργότερα. Σύμφωνα με άτομα που είναι εξοικειωμένα με το πρόγραμμα, τα οποία ζήτησαν να μην κατονομαστούν συζητώντας μη δημόσιες πληροφορίες, η κύρια πλατφόρμα συγχώνευσης δεδομένων που στηρίζει το σύστημα είναι κατασκευασμένη από την Palantir Technologies. Η Amazon Web Services, η ECS Federal, η L3Harris Technologies, η Maxar Technologies, η Microsoft και η Sierra Nevada είναι επίσης μεταξύ των δώδεκα βασικών συντελεστών. Όλοι είτε αρνήθηκαν να σχολιάσουν είτε δεν απάντησαν καν σε αιτήματα για σχολιασμό.
Σταδιακά, το Maven βελτιώθηκε και το 2020 ο τότε διοικητής του Ο’ Κάλαχαν ζήτησε να διερευνήσει πόσο χρήσιμο θα μπορούσε να είναι σε πραγματικά χτυπήματα με όπλα. Ο Ο’ Κάλαχαν άρχισε να το χρησιμοποιεί σε έναν αυξανόμενο αριθμό ασκήσεων με πραγματικά πυρά, συμπεριλαμβανομένης της άσκησης πυροβολικού του 2020 στο Φορτ Λίμπερτι.
Σε συνεργασία με άλλες αμερικανικές υπηρεσίες και συμμάχους όπως το Ηνωμένο Βασίλειο, το 18ο Σώμα χρησιμοποίησε έκτοτε το Maven για να χτυπήσει στόχους με πυρά προερχόμενα από βομβαρδιστικά, μαχητικά αεροσκάφη και μη επανδρωμένα αεροσκάφη και σχεδίασε πώς να το κάνει από υποβρύχια.
Ο Ο’ Κάλαχαν παρομοιάζει τη βελτίωση των συστημάτων AI με την επίτευξη ταχύτερων χρόνων σε αγώνες ποδηλασίας μέσω μικροσκοπικών αλλαγών στην προπόνηση και την τεχνική. Σε μια τέτοια προσπάθεια, στρατολόγησε τοπικούς φοιτητές κολεγίου για να επισημάνουν περισσότερες από 4 εκατομμύρια εικόνες στρατιωτικών αντικειμένων, όπως πολεμικά πλοία, βοηθώντας στην εκπαίδευση των αλγορίθμων του Maven.
