چشم انداز توسعه تسلیحات و تجهیزات نظامی توسط تقریباً همه متخصصان نظامی در درجه اول با اطلاعات، ربات سازی، اتوماسیون فرماندهی و کنترل و سلاح. در همه موارد، این امر ناگزیر از پیش تعیین کننده ایجاد سیستم های رایانه ای برای اهداف نظامی است که پردازش حجم عظیمی از اطلاعات، توسعه راه حل های بهینه مطابق با پویایی خصومت ها را تضمین می کند. اما حتی بالاترین اتوماسیون کار فرمانده جایگزین ارائه سیستم های هوش مصنوعی (AI) نخواهد شد.
اجازه دهید بلافاصله تفاوت بین اتوماسیون فرآیندهای فرماندهی و کنترل و استفاده از سیستم های هوش مصنوعی را تعریف کنیم. در مورد اول، ما در مورد رایانه‌هایی صحبت می‌کنیم که مجهز به مجموعه‌ای از الگوریتم‌ها برای جمع‌آوری، طبقه‌بندی، ساختاردهی اطلاعات هستند که سپس به عنوان سیستمی از داده‌های اولیه برای حل مأموریت‌های جنگی با استفاده از روش‌های رسمی استفاده می‌شود. کاملاً دیگر هوش مصنوعی است که می تواند به طور مستقل راه حل های آماده را توسعه دهد، به بیان مجازی، برای فرمانده فکر کند.
انسان یا ماشین؟
در حال حاضر استفاده از مدل‌های AMSE مجهز به سیستم‌های کنترل خودکار از نظر الگوریتمی تا حد زیادی نسبت به فرماندهی و کنترل نیروها تضمین شده است. این به دلیل دامنه محدودتر گزینه ها برای استفاده جنگی از سلاح ها و تجهیزات است، زمانی که کنترل، مثلاً در شرایط اضطراری غیرممکن است. در بیشتر موارد، ناقص بودن اطلاعات در مورد وضعیت رزمی اجازه اجرای صحیح وظایف فرماندهی و کنترل را نمی دهد، که به طور قابل توجهی کفایت تصمیمات اتخاذ شده را کاهش می دهد یا به هیچ وجه اجازه نمی دهد آنها را انجام دهند. اگر این به صورت الگوریتمی ارائه نشود، سیستم خودکار بی فایده است.
در جریان خصومت ها، موقعیت های مشابه تکرار نمی شود، بنابراین ایجاد الگوریتم های مناسب برای همه موارد فرماندهی و کنترل تقریبا غیرممکن است. در نتیجه اتوماسیون این فرآیندها تاکنون تنها ابزاری برای تهیه اطلاعات اولیه برای تصمیم گیری فرمانده است.
فرمانده نه تنها با آگاهی از وضعیت عملیاتی، نیروها و وسایل دشمن، بلکه با شناخت ویژگی های روانشناسی خود، ذهنیت زیردستان خود می تواند تصمیم گیری کند. بنابراین، ما می توانیم تفاوت های اصلی بین فکری را در رابطه با اتوماسیون نام ببریم - این اجرای توانایی تصمیم گیری در شرایط عدم اطمینان قابل توجه، بر اساس اطلاعات ناهمگن، موقعیت های مکرر در حال تغییر است. همچنین خودآموزی و سازگاری از اهمیت بالایی برخوردار است زیرا توانایی سیستم برای بهبود مستقل نرم افزار تعبیه شده در آن، از جمله خود برنامه ریزی در موقعیت هایی که پاسخ به آنها به صورت الگوریتمی ارائه نمی شود، بسیار مهم است.
در حال حاضر هیچ تعریف ثابتی از هوش مصنوعی وجود ندارد، اما می‌توان گفت که هوش مصنوعی توانایی یک کامپیوتر برای تصمیم‌گیری در موقعیت‌های بی‌نهایت متفاوت به روشی مشابه با یک شخص است. تورینگ دانشمند معروف آزمایشی را تدوین کرد که به نظر او وجود هوش مصنوعی در یک ماشین را مشخص می کند. به طور خلاصه، ماهیت آن این است که شخصی که کورکورانه با یک ماشین و شخص دیگری ارتباط برقرار می کند، نباید تعیین کند که کیست.
در حال حاضر، پیشرفته ترین سیستم های کنترل خودکار قادر به قبولی در چنین آزمونی نیستند، زیرا در اکثریت قریب به اتفاق چنین سیستم هایی، چنین سیستم هایی کاملاً موضوع محور هستند و تعداد کارهایی که آنها حل می کنند محدود است. هرچه الگوریتم های بیشتری برای حل مسائل ناهمگن در سیستم عامل یک کامپیوتر گنجانده شود، بیشتر شبیه یک سیستم با هوش مصنوعی خواهد بود. اما نیازی به تبدیل رایانه به یک شخص نیست و توانایی حل مشکلات مدیریت اشیاء فنی و اجراهای تئاتری را با مهارت برابر فراهم می کند.
هوش مصنوعی همیشه موضوع محور خواهد بود، اما ویژگی هایی مانند سازگاری، خودآموزی و شهود بودن تفاوت های اصلی بین سیستم های هوش مصنوعی و سیستم های کنترل خودکار باقی خواهند ماند. به بیان ساده، اگر ما درک کاملی از اقداماتی که یک سیستم خودکار انجام می دهد داشته باشیم، در مورد هوش مصنوعی چنین درکی وجود نخواهد داشت. کامپیوتر با خودآموزی کار خود را برنامه ریزی می کند. خودبرنامه‌نویسی اصلی‌ترین ویژگی متمایز هوش مصنوعی است.
آژانس پروژه های تحقیقاتی پیشرفته وزارت دفاع ایالات متحده (دارپا) قصد دارد تا چهار سال دیگر نسل جدیدی از هوش مصنوعی برای نیازهای نظامی، تا حد امکان نزدیک به انسان ایجاد کند. در شرایط مرجع برای پروژه L2M (ماشین های یادگیری زندگی)، متخصصان دارپا الزامات اساسی را فرموله کردند: یک هوش مصنوعی امیدوارکننده باید بتواند به طور مستقل تصمیم بگیرد، به سرعت به تغییرات محیط واکنش نشان دهد، نتایج اقدامات قبلی خود را به خاطر بسپارد و بتواند در کارهای آینده توسط آنها هدایت می شود.
غول های فناوری مانند گوگل، اپل، سیلزفورس و آی بی ام، با تحقق وعده سیستم های هوش مصنوعی، به دنبال خرید شرکت های هوش مصنوعی هستند (حدود 2011 مورد از آنها قبلاً از سال 140 خریداری شده اند). به طور مشخص، در حال حاضر برای حل مشکلات حمل و نقل زمینی، مانند ایجاد خودروهای بدون راننده، بر هوش مصنوعی تاکید شده است. در آینده نزدیک، این نوید بازگشت قابل توجهی از سرمایه سرمایه گذاری شده در حمل و نقل عمومی را به دلیل هزینه های عملیاتی کم، تعداد کم تصادفات و سازگاری با محیط زیست می دهد.
تجربه به دست آمده به این شرکت ها اجازه می دهد تا به مرحله بعدی بروند - توسعه فضای سه بعدی، یعنی ایجاد هوش مصنوعی برای کنترل هواپیما. دریاسالار ری مابوس نیروی دریایی ایالات متحده در کنفرانسی در سال 2015 گفت که F-35 باید و تقریباً به طور قطع آخرین جنگنده تهاجمی سرنشین دار باشد که نیروی دریایی خریداری یا استفاده خواهد کرد. با توجه به اینکه تحویل F-35 به نیروی هوایی تا سال 2037 برنامه ریزی شده است و باید تا سال 2070 از رده خارج شوند، می توان فرض کرد که تا اواسط قرن ایالات متحده قصد دارد هواپیماهای جنگی کاملاً بدون سرنشین مجهز به سیستم های هوش مصنوعی ایجاد کند. در سال 2016، خلبان جنگنده هوش مصنوعی ALPHA در یک جنگ مجازی با یک جنگنده مجازی، پیروزی قاطعانه ای را بر یک خلبان سابق ارتش ایالات متحده به دست آورد. AI ALPHA توسعه مشترک دانشگاه سینسیناتی، صنعت و نیروی هوایی ایالات متحده است. علاوه بر این، در یکی از این نبردها، دو خلبان روی دو جنگنده به طور همزمان با ALPHA جنگیدند. هوش مصنوعی با کنترل همزمان چهار هواپیما پیروز شد.
حمله مغزی
یکی دیگر از زمینه های کاربرد هوش مصنوعی پزشکی است که در آن می توان از سیستم های پشتیبانی تصمیم گیری رایانه ای موجود در فرآیند تشخیص و انتخاب یک رژیم درمانی توسط پزشک به ایجاد پزشکان مستقل حرکت کرد.روبات هااز جمله جراحان برای اعمال پیچیده. مزایا بدیهی است: به حداقل رساندن خطاهای پزشکی در تشخیص بیماری ها و تجویز دارو، انتخاب و اجرای بی عیب الگوریتم بهینه برای اعمال جراحی، عدم خستگی در حین عمل های طولانی مدت و سرعت بیشتر در اجرای آنها.
با توجه به عملیات رزمی، این توانایی اطمینان از احیای موثر مجروحان، محلی سازی سریع عواقب منفی در ماهیت غیرقابل پیش بینی صدمات است. دستاوردها در زمینه هوش مصنوعی امکان ایجاد سیستم هایی برای توانبخشی مجروحان با کنترل اندام های داخلی آسیب دیده یک فرد، کنترل عصبی پروتزها در صورت از دست دادن اندام ها را فراهم می کند.بر اساس همه اینها، تعدادی از مشکلات اصلی را می توان شناسایی کرد که حل آنها می تواند ایجاد سیستم های هوش مصنوعی را در رابطه با فعالیت های نظامی تضمین کند.
1. بازنمایی دانش - توسعه روش هایی برای ساختار، طبقه بندی و رسمی کردن دانش از حوزه های مختلف مشکل (سیاسی، نظامی، نظامی-فنی، روانی، سازمانی و غیره) برای توسعه راه حل ها در دوره قبل از جنگ.
2. مدل سازی استدلال (فرایندهای تصمیم گیری) - مطالعه و رسمی سازی طرح های مختلف استنباط انسانی بر اساس اطلاعات ناهمگون برای انجام عملیات رزمی، ایجاد برنامه های مؤثر برای اجرای این طرح ها در رایانه.
3. ایجاد رویه‌های گفتگو برای برقراری ارتباط به زبان طبیعی، فراهم کردن تماس بین سیستم هوشمند و متخصص انسانی در فرآیند حل مشکلات، از جمله هنگام انتقال و دریافت دستورات غیر رسمی در موقعیت‌های شدید همراه با خطر جانی.
4. برنامه ریزی فعالیت های رزمی - توسعه روش هایی برای ساخت الگوریتم های کنترل بر اساس دانش در مورد منطقه مشکل، که در یک سیستم هوشمند ذخیره می شود و به طور مداوم از منابع مختلف و ناهمگن اطلاعات دریافت می شود: شناسایی، ژئودتیک، توپوگرافی، هواشناسی، هیدروگرافی. ، و غیره.
5. آموزش و به روز رسانی سیستم های فکری در جریان فعالیت، ایجاد وسایل انباشت و تعمیم مهارت ها و توانایی ها.
هر یک از این مشکلات بسیار پیچیده است. کافی است بگوییم که برای حل تنها یک کار فرعی در سال 2016، پنتاگون بخش جدیدی را ایجاد کرد - Project Maven ("کارشناس پروژه") که در حال ایجاد هوش مصنوعی برای تجزیه و تحلیل اطلاعات اطلاعاتی از هواپیماهای بدون سرنشین در سوریه و عراق است. کارکنان اتاق های فکری که این کار را انجام می دهند نمی توانند با پردازش و تجزیه و تحلیل حجم عظیمی از داده های دریافتی کنار بیایند. تا 80 درصد از زمان کار آنها فقط دیدن فریم است. فرض بر این است که با کمک هوش مصنوعی، تأسیسات نظامی که خطری برای سربازان آنها است شناسایی می شود، دنباله ای از اقدامات روی زمین برای جلوگیری از حملات تروریستی و برنامه های شبه نظامیان شناسایی می شود.
در آگوست 2016، آمازون، انویدیا، DigitalGlobe و CosmiQ Works سازمان سیا شروع به توسعه هوش مصنوعی کردند که می تواند اشیاء را در تصاویر ماهواره ای تشخیص دهد. استفاده از هوش مصنوعی در چنین منطقه ای از رویارویی بین دولتی مانند جنگ اطلاعات نیز مورد انتظار است. در سال 2014، آسوشیتدپرس اعلام کرد که بسیاری از اخبار، مربوط به درآمد شرکت ها با کمک ربات ها ایجاد خواهد شد. در سال 2016، خبرنگاران روبات آسوشیتدپرس موضوع خود را تا حدودی گسترش دادند. آنها مأمور شدند تا اخبار کوچک مربوط به بیسبال لیگ کوچک ایالات متحده را تهیه کنند.
از روزنامه نگاران رباتیک و مجله فوربس استفاده می کند که Narrative Science یک پلت فرم تخصصی مناسب برای آن ایجاد کرده است. در نوامبر 2015، یک منطقه توسعه مشابه توسط شرکت روسی Yandex افتتاح شد. هوش مصنوعی Yandex تاکنون فقط یادداشت های کوتاهی در مورد آب و هوا و وضعیت جاده ها منتشر کرده است، اما در آینده نمایندگان آن قول می دهند که فهرست موضوعات را برای انتشارات گسترش دهند.
K. Hammond یکی از بنیانگذاران Narrative Science معتقد است که تا سال 2025، 90 درصد از تمام متون در جهان توسط هوش مصنوعی تهیه خواهد شد. الگوریتم‌های توسعه‌یافته برای این منظور همچنین می‌توانند به طور موثر برای جمع‌آوری اطلاعات اطلاعاتی در مورد کشورها، سازمان‌ها و افراد، تجزیه و تحلیل آنها و تهیه انواع مواد از جمله در راستای منافع جنگ اطلاعاتی مورد استفاده قرار گیرند. به ویژه بی اعتبار کردن اقدامات کشور، دولت، رهبران احزاب و جنبش ها در عرصه بین المللی. علاوه بر این، چنین اقداماتی قبلاً در طول آماده سازی تقریباً تمام "انقلاب های رنگی" انجام شده است، اما از عقل انسان استفاده شده است. هوش مصنوعی این کار را بسیار سریعتر و گسترده تر انجام می دهد. ایلان ماسک، کارآفرین مشهور آمریکایی، در نامه‌ای به سازمان ملل، این خطر را تهدیدکننده بشریت توصیف کرد که می‌تواند جنگی را ایجاد کند، زمانی که هوش مصنوعی اخبار جعلی و انتشارات مطبوعاتی ایجاد می‌کند، حساب‌های ایمیل جعل می‌کند و اطلاعات را دستکاری می‌کند. سایر دانشمندان نیز نگرانی های مشابهی را ابراز می کنند.
اجازه دهید چنین جنبه ای از قابلیت هایی را که باید در هوش مصنوعی به عنوان خودآموزی پیاده سازی شود برجسته کنیم. این توسط متخصصان آمریکایی به عنوان پایه ای برای توسعه مفهوم به اصطلاح ضد خودمختاری قرار داده شده است. ماهیت آن این است که سیستم هوش مصنوعی مورد حمله باید به سرعت یاد بگیرد: نتیجه گیری جامع از واقعیت و روش حمله، ارزیابی ویژگی های ابزار فنی مورد استفاده در این مورد، و تعیین راه هایی برای مقابله موثر. یعنی هر حمله دشمن اگر سیستم هوش مصنوعی را بار اول نابود نکند یا روش‌های حمله را به طور اساسی تغییر ندهد، کارآمدتر می‌کند.
تلاش برای پیاده سازی این مفهوم در بیانیه آراتی پرابهاکار، مدیر دارپا، نشان می دهد که در سال 2016 از پروژه ای برای مبارزه با رادارهای قابل برنامه ریزی روسیه (نبو-M ذکر شده است) و چین خبر داد: «یکی از برنامه های ما در دارپا از رویکرد کاملاً جدیدی استفاده می کند. به این مشکل که ما قصد داریم با کمک سلاح های الکترونیکی شناختی آن را حل کنیم. ما از هوش مصنوعی برای بررسی عملکرد یک رادار دشمن در زمان واقعی استفاده می کنیم و سپس یک روش پارازیت جدید ایجاد می کنیم. کل فرآیند ادراک، یادگیری و سازگاری بدون وقفه تکرار می شود.
بنابراین، روشنفکری فعالیت نظامی عملاً به یک واقعیت تبدیل شده است. سیستم هایی برای اهداف مختلف مجهز به هوش مصنوعی به طور فعال در حال ایجاد هستند. با این حال، تعدادی سؤال فلسفی در این راه وجود دارد. ما همیشه نمی‌توانیم فرآیندهای فکری خود و دیگران را به درستی توضیح دهیم، اما به طور شهودی به اعمال اعتماد یا بی‌اعتمادی داریم. آیا این در هنگام تعامل با ماشین هایی که به تنهایی فکر می کنند و تصمیم می گیرند و کاملاً مشخص نیست چگونه امکان پذیر است؟ چگونه خلبانان هواپیما، خدمه تانک ها و سایر تجهیزات نظامی که با هواپیما و تانک های روباتیک کار می کنند که اقدامات آنها غیرقابل پیش بینی است؟ رباتی که «مغزش» با جنگ الکترونیک، امواج ضربه ای، گلوله و ترکش تکان می خورد، چگونه رفتار خواهد کرد، چنین «تکانش» چه تأثیری بر رفتار آنها خواهد داشت؟ در نهایت، آیا یک ربات هوشمند می تواند از کنترل خارج شود؟
سوالات مشابه زیادی وجود دارد، اما پاسخ روشنی برای آنها وجود ندارد. به نظر می رسد که بشریت در اینجا با هدایت حکومت ناپلئون عمل می کند: نکته اصلی این است که درگیر نبرد شوید و سپس خواهیم دید.