7 فناوری هوش مصنوعی که پهپادهای نظامی را هوشمندتر و مرگبارتر می کند

پهپادهای نظامی در حال تبدیل شدن به یکی از مهمترین و تاثیرگذارترین تحولات در زمینه جنگ بدون سرنشین هستند.

بر خلاف عملیات پهپادهای معمولی که هر پرنده به صورت جداگانه کنترل می‌شود، این اسکادران‌ها به گونه‌ای طراحی شده‌اند که به چندین سیستم بدون سرنشین اجازه می‌دهند تا با یکدیگر هماهنگ شوند، اطلاعات را به اشتراک بگذارند، با شرایط میدان نبرد سازگار شوند و ماموریت‌ها را به طور جمعی انجام دهند.

هوش مصنوعی در مرکز این قابلیت قرار دارد. این فناوری به هواپیماهای بدون سرنشین کمک می‌کند تا داده‌های حسگر را تفسیر کنند، در محیط‌های پرخطر و رقابتی حرکت کنند، وظایف را بین خودشان تقسیم کنند، با دیگر پلتفرم‌ها ارتباط برقرار کنند و بار کاری اپراتورهای انسانی را کاهش دهند.

در اینجا هفت فناوری مبتنی بر هوش مصنوعی وجود دارد که امکان ایجاد اسکادران های پهپادهای نظامی را فراهم می کند:

7. هوش جمعی و هماهنگی چند عاملی

هوش جمعی به پهپادهای متعدد اجازه می دهد تا به عنوان یک گروه هماهنگ به جای پرندگان منزوی عمل کنند.

این سیستم ها از الگوریتم های غیرمتمرکز استفاده می کنند. این الگوریتم‌ها تعیین می‌کنند که هواپیماهای بدون سرنشین چگونه با یکدیگر تعامل می‌کنند، شکل‌گیری پرواز خود را حفظ می‌کنند، وظایف را تقسیم می‌کنند، به موانع واکنش نشان می‌دهند و در صورت گم شدن برخی از اعضای گروه چگونه با شرایط جدید سازگار شوند.

این رویکرد تا حدی الهام گرفته از رفتار جمعی در طبیعت، مانند گله های پرندگان و کلونی حشرات است. برنامه های تحقیقاتی نظامی قبلاً این مفهوم را به طور گسترده مورد بررسی قرار داده اند.

برنامه OFFSET دارپا، آژانس پروژه های تحقیقاتی پیشرفته دفاعی ایالات متحده، بررسی کرده است که چگونه گروه های بزرگی از سیستم های خودمختار می توانند در طول عملیات پیچیده، از جمله ماموریت ها در محیط های شهری متراکم، با هم کار کنند.

مزیت اصلی این روش انعطاف پذیری و مقاومت آن است. از آنجایی که کنترل می تواند بین پرندگان متعدد توزیع شود، از دست دادن یک پهپاد لزوماً کل تشکیل گروه را فلج نمی کند.

6. هوش مصنوعی لبه و محاسبات توزیع شده روی برد

اسکادران های پهپادهای نظامی همیشه نمی توانند برای ارسال تک تک اطلاعات به یک مرکز فرماندهی از راه دور متکی باشند. جنگ الکترونیک، تداخل ارتباطی، محدودیت های پهنای باند یا موانع فیزیکی می تواند این ارتباط را مختل کند.

هوش مصنوعی Edge با ارائه امکان پردازش اطلاعات به طور مستقیم بر روی خود پهپاد این مشکل را حل می کند. در فناوری لبه، به جای ارسال آن به سرورهای مرکزی و اینترنت، پردازش داده ها در همان دستگاهی انجام می شود که داده ها را تولید می کند که باعث افزایش سرعت و کاهش وابستگی به شبکه می شود.

پردازنده‌های هوش مصنوعی می‌توانند تصاویر را تجزیه و تحلیل کنند، داده‌های حسگر را تفسیر کنند، اشیا را تشخیص دهند و از ناوبری پشتیبانی کنند، بدون نیاز به دسترسی دائمی به زیرساخت‌های پردازش از راه دور.

محاسبات توزیع شده همچنین اجازه می دهد تا حجم کار بین چندین پهپاد به اشتراک گذاشته شود. اعضای این دسته از پهپادها به جای وابستگی کامل به یک پردازنده مرکزی، با استفاده از قابلیت های پردازش داخلی خود می توانند در پیشبرد ماموریت کلی سهیم باشند. این امر تأخیر در انتقال داده ها را کاهش می دهد و در عین حال به سیستم های خودمختار اجازه می دهد تا سریعتر به شرایط متغیر میدان نبرد واکنش نشان دهند.

5. شبکه مش بر اساس هوش مصنوعی و ارتباطات انعطاف پذیر

ارتباطات برای عملیات انبوه هواپیماهای بدون سرنشین حیاتی است.

شبکه‌های مش به هواپیماهای بدون سرنشین اجازه می‌دهند تا به جای تکیه بر یک هاب ارتباطی، مستقیماً اطلاعات را با یکدیگر مبادله کنند. در یک شبکه مش، دستگاه مرکزی و اصلی وجود ندارد و هر پهپاد به عنوان یک برج مخابراتی کوچک عمل می کند و اطلاعات را به پهپاد بعدی منتقل می کند.

هر پرنده به طور بالقوه می تواند به عنوان یک گره (نقطه اتصال) در شبکه عمل کند و داده های حسگر، داده های موقعیت یابی و به روز رسانی های ماموریت را در سراسر گروه منتقل کند.

شبکه های تطبیقی ​​در محیط های پرخطر بسیار ارزشمند می شود. هنگامی که ارتباط پرنده مختل می شود، اطلاعات را می توان از طریق سایر پهپادهای موجود دوباره مسیریابی کرد. نیروی دریایی ایالات متحده قبلاً سیستم های بدون سرنشین مبتنی بر مش را در طول تمرینات نظامی آزمایش کرده است. مانورهایی که در آن اطلاعات و حسگرهای هدف گیری بین پلتفرم های شرکت کننده توزیع می شد.

4. مسیریابی با هوش مصنوعی در محیط های بدون GPS

اختلال در سیستم موقعیت یابی جهانی (GPS) یک چالش بزرگ برای سیستم های خودمختار نظامی است.

دشمنان می‌توانند سیگنال‌های ناوبری ماهواره‌ای را مسدود یا جعل کنند، که از تعیین دقیق موقعیت مکانی توسط هواپیماهای بدون سرنشین جلوگیری می‌کند. به همین دلیل، سیستم های خودمختار نظامی به طور فزاینده ای به فناوری های مسیریابی جایگزین مجهز می شوند.

محدوده بصری-اینرسی می تواند تصاویر دوربین ها را با حسگرهای حرکتی ترکیب کند تا حرکت پهپاد را تخمین بزند. ناوبری مبتنی بر زمین همچنین محیط مشاهده شده را با نقشه های از پیش ذخیره شده مقایسه می کند، در حالی که فناوری LiDAR که فاصله را با استفاده از تابش لیزر اندازه گیری می کند و سایر حسگرها به پرنده کمک می کند تا محیط اطراف خود را درک کند.

هوش مصنوعی می تواند این ورودی های مختلف را پردازش کند و به طور مداوم موقعیت پرنده را تخمین بزند. این قابلیت‌ها به تیم‌های پهپاد اجازه می‌دهد تا زمانی که ماهواره‌ها از کار افتاده‌اند، به عملیات خود ادامه دهند.

3. ادغام چندگانه حسگرها

پهپادهای نظامی مدرن می توانند انواع مختلفی از حسگرها از جمله دوربین های الکترواپتیکال، سیستم های فروسرخ، رادار و تجهیزات جنگ الکترونیک را حمل کنند.

هر سنسور به صورت جداگانه تنها بخشی از تصویر میدان جنگ را ارائه می دهد. فناوری همجوشی حسگر اطلاعات را از منابع متعدد ترکیب می کند تا درک مفیدتر و جامع تری از محیط اطراف ایجاد کند.

الگوریتم های هوش مصنوعی می توانند داده های دریافتی را مقایسه کنند، اتصالات بین آنها را شناسایی کنند، اطلاعات غیر ضروری را فیلتر کنند و تهدیدهای واقعی را از نویز پس زمینه (سیگنال های نفوذی) تشخیص دهند. در گروهی از پهپادها، این قابلیت بسیار قدرتمندتر می شود، زیرا چندین پهپاد می توانند یک محیط واحد را از زوایای مختلف مشاهده کنند و تصویر عملیاتی گسترده و دقیق تری ایجاد کنند.

2. تیم سازی و مدیریت ماموریت انسان و هواپیماهای بدون سرنشین

کنترل ده ها یا صدها هواپیمای بدون سرنشین یک به یک اپراتورهای انسانی را تحت فشار شدید قرار می دهد. تیم سازی انسان-پهپاد با ارتقای نقش اپراتورها از هدایت مستقیم (خلبانی) تا مدیریت کلان ماموریت سعی در حل این مشکل دارد.

به جای تعیین حرکات فردی، پرسنل انسانی می توانند اهداف کلی، مرزهای جغرافیایی، اولویت ها یا محدودیت های ماموریت را تعیین کنند. سپس سیستم‌های خودمختار تعیین می‌کنند که چگونه پهپادهای شرکت‌کننده باید وظایف را بین خود هماهنگ و توزیع کنند.

با شبیه سازی این مفهوم، دارپا نشان داده است که چگونه واحدهای نظامی کوچک می توانند تعداد زیادی از سیستم های بدون سرنشین را مدیریت کنند. هدف لزوماً حذف کامل انسان ها نیست، بلکه اجازه دادن به اپراتور برای نظارت بر ترتیبات خودکار پیچیده تر است.

1. تشخیص هدف و طبقه بندی تهدید

در نهایت، بینایی ماشین و یادگیری ماشین می توانند به پهپادها کمک کنند تا آنچه را حسگرهایشان تشخیص می دهند تفسیر کنند. سیستم های تشخیص مبتنی بر هوش مصنوعی می توانند تصاویر را برای کشف، طبقه بندی و ردیابی اشیاء مهم تجزیه و تحلیل کنند.

در یک گروه، مشاهدات از چندین سیستم عامل را می توان مقایسه کرد. به این ترتیب هدف شناسایی شده توسط یک پهپاد توسط پهپادهای دیگر تایید یا ردیابی می شود. این قابلیت از ماموریت های شناسایی، مراقبت، هشدار تهدید و آگاهی از موقعیت میدان جنگ پشتیبانی می کند.

این هفت فناوری با هم، ناوگان هواپیماهای بدون سرنشین را تغییر می‌دهند و آنها را از مجموعه‌ای از پهپادهای ساده به سیستم‌های خودمختار بسیار هماهنگی تبدیل می‌کنند که قادر به سنجش، ارتباط، مسیریابی و عمل به عنوان یک نیروی شبکه محور هستند.