Истоки победы. Как разрушительные военные инновации определяют судьбы великих держав

Однако использование аналитики больших данных в качестве ключевого элемента киберзащиты сопряжено с рядом проблем, поскольку требует доступа к огромным объемам данных и связанным с ними наборам данных. Это создает уязвимость, поскольку злоумышленник может получить доступ к данным и манипулировать ими, тем самым испортив машинное обучение и созданный на его основе ИИ.

 

Логистика

Сочетание искусственного интеллекта и аддитивного производства может произвести революцию в военной логистике как в отношении перемещения грузов, так и в отношении сокращения запасов. Коммерческий сектор является ведущим в демонстрации того, что возможно. Например, железнодорожная промышленность США создает сеть связанных с Интернетом датчиков колес и путей вагонов, индикаторов скорости, а также визуальных и акустических датчиков, встроенных в тормоза, рельсы, стрелки и ручные планшеты. Эта сеть генерирует большое количество данных о движении поездов по всей стране. Эти данные, проходя через систему машинного обучения на основе анализа больших данных, расширяют возможности искусственного интеллекта в управлении железнодорожным движением. Данные о местоположении поездов и состоянии путей по всей стране анализируются и используются для корректировки маршрутов тысяч поездов в режиме реального времени. В ходе испытаний система смогла направить около 8000 поездов, курсирующих в 23 штатах, в условиях многократного отключения путей, не потребовав остановки ни одного поезда. Подобные улучшения в военных логистических потоках представляются возможными, по крайней мере, в мирное время и в безопасных тыловых районах во время войны.

Другой коммерческий бизнес, Amazon, показывает, как достижения в области аналитики больших данных и машинного обучения, особенно в сочетании с робототехникой, могут улучшить логистику. Компания Amazon хорошо известна тем, что создает модели покупательского поведения своих клиентов, изучая их заказы, поиск товаров, списки желаний и возвраты, чтобы предсказать, что клиент может купить в следующий раз. Крупномасштабное позиционирование складских запасов на основе ожидаемого спроса значительно повысило эффективность. Спрос военных подразделений на поставки в хаотичных ситуациях военного времени, вероятно, будет гораздо сложнее смоделировать, используя подход Amazon; однако военные организации в мирное время могут повысить эффективность логистики, переняв некоторые из лучших практик компании.

Amazon также использует искусственный интеллект для управления роботами, перемещающими товары на складах. Компания изучает возможности использования в грузовиках для доставки товаров аддитивного производства (3D-печати) для печати товаров клиентов по пути доставки, что позволит снизить затраты на хранение и транспортировку и сократить время доставки. Последствия для военной логистики очевидны.

Что касается логистики в военное время, военные могут извлечь пользу из усилий коммерческих розничных компаний по использованию ИИ для преодоления периодов резких колебаний спроса. Например, сеть магазинов бытовой техники Home Depot использует анализ прогнозирования неблагоприятных погодных условий для определения и размещения ключевых пунктов снабжения непосредственно за пределами зон вероятного воздействия урагана. Эти усилия также позволяют прогнозировать изменения спроса после шторма на срок до шести недель и более.

Военные приняли это к сведению. Армия США заключила контракт с Watson компании IBM (чье программное обеспечение с искусственным интеллектом победило двух чемпионов викторины Jeopardy) на разработку подробных графиков технического обслуживания для парка боевых машин Stryker, опираясь на данные с датчиков, установленных на каждой машине. В рамках второго проекта Watson анализирует доставку военных ремонтных деталей, чтобы определить наиболее эффективные с точки зрения времени и затрат способы доставки. Человеческие аналитики, работающие над этой проблемой, экономили армии около 100 миллионов долларов в год, но могли оценить только 10 процентов данных. Watson может изучить всю деятельность по доставке грузов, что потенциально может обеспечить гораздо большую экономию средств, быстрее и с меньшими трудозатратами.

Барьеры искусственного интеллекта

Несмотря на значительные успехи, достигнутые ИИ, автономные системы демонстрируют превосходство лишь в относительно небольшом проценте задач, которые способен выполнить человек. Также нет единого мнения о том, как быстро будет развиваться ИИ. Несколько переменных могут выступать в качестве ускорителей или тормозов прогресса ИИ и готовности людей принять его. Расхвалив потенциал ИИ, перейдем к рассмотрению препятствий на пути его внедрения.