الذكاء الاصطناعي الصيني يعزز هجمات الطائرات بدون طيار ويأمر بشن هجمات على رادارات العدو

هذا نموذج لغوي كبير (LLM) طوره علماء صينيون، وهو قادر على توجيه الطائرات العسكرية بدون طيار لمهاجمة أنظمة الرادار المعادية.

Một AI của Trung Quốc tăng cường sức tấn công của drone, ra lệnh tấn công radar đối phương

بحسب صحيفة "ساوث تشاينا مورنينغ بوست"، طور علماء في صناعة الدفاع الصينية نظام ذكاء اصطناعي قادر على تحسين أداء طائرات الحرب الإلكترونية بدون طيار.

يمكن لهذا النموذج اللغوي الكبير (LLM)، المشابه لـ ChatGPT، أن يتحكم في الطائرات بدون طيار المجهزة بأسلحة الحرب الإلكترونية لمهاجمة رادارات طائرات العدو أو أنظمة الاتصالات الخاصة به.

أظهرت نتائج الاختبار أن أداء اتخاذ القرار في القتال الجوي لم يتجاوز فقط تقنيات الذكاء الاصطناعي التقليدية مثل التعلم المعزز، بل تفوق أيضًا على المحترفين ذوي الخبرة العالية.

هذه هي أول دراسة منشورة على نطاق واسع تطبق نماذج لغوية واسعة النطاق بشكل مباشر على الأسلحة.

في السابق، كانت تقنية الذكاء الاصطناعي هذه تقتصر بشكل أساسي على غرف العمليات الحربية، حيث توفر قدرات تحليل المعلومات الاستخباراتية أو تساعد القادة البشريين في اتخاذ القرارات.

يتم تنفيذ مشروع البحث بشكل مشترك من قبل معهد تشنغدو لتصميم الطائرات التابع لشركة صناعة الطيران الصينية وجامعة نورث وسترن بوليتكنيك في شيآن، مقاطعة شنشي.

هذا المعهد هو وحدة التصميم الخاصة بالطائرة المقاتلة الشبحية الثقيلة الصينية J-20.

بحسب مقال نشره فريق المشروع في 24 أكتوبر/تشرين الأول في مجلة الكشف والتحكم المحكمة، فإن العمل لا يزال في المرحلة التجريبية. ومن بين تقنيات الذكاء الاصطناعي الحالية، تُعدّ تقنية LLM الأفضل في فهم اللغة البشرية.

قدم فريق المشروع لـ LLM ثروة من الموارد، بما في ذلك "سلسلة من الكتب حول الرادار والحرب الإلكترونية ومجموعات الوثائق ذات الصلة".

كما تم تضمين وثائق أخرى في النموذج، بما في ذلك سجلات القتال الجوي، وسجلات إعداد مستودعات الأسلحة، وأدلة تشغيل الحرب الإلكترونية.

ووفقاً للباحثين، فإن معظم المواد التدريبية مكتوبة باللغة الصينية.

مصمم طائرة الشبح الصينية J-20 عضو في فريق بحثي مشارك في مشروع الذكاء الاصطناعي. الصورة: ويبو

في الحرب الإلكترونية، يقوم الجانب المهاجم بإطلاق موجات كهرومغناطيسية محددة لقمع إشارات الرادار المنبعثة من الهدف.

وعلى العكس من ذلك، سيحاول الجانب المدافع التهرب من هذه الهجمات عن طريق تغيير الإشارات باستمرار، مما يجبر الخصم على تعديل استراتيجيته في الوقت الفعلي بناءً على بيانات المراقبة.

في السابق، كان يُعتقد أن نموذج LLM غير مناسب لمثل هذه المهام بسبب عدم قدرته على تفسير البيانات التي تم جمعها من أجهزة الاستشعار.

كما أن الذكاء الاصطناعي يتطلب عادةً عمليات تفكير أطول ويفشل في تحقيق أوقات استجابة بمستوى أجزاء من الثانية - وهو عنصر حاسم في الحرب الإلكترونية.

لتجنب هذه التحديات، أوكل العلماء معالجة البيانات الأولية إلى نموذج تعلم معزز أقل تعقيدًا. تتفوق خوارزمية الذكاء الاصطناعي التقليدية هذه في فهم وتحليل كميات هائلة من البيانات الرقمية.

ثم تُحوّل "معلمات متجه القيمة المرصودة" المستخرجة من هذه العملية التمهيدية إلى لغة بشرية عبر مترجم آلي. بعد ذلك، يتولى النموذج اللغوي الشامل زمام الأمور، ويعالج هذه المعلومات ويحللها.

يقوم المترجم بتحويل استجابات النموذج الكبير إلى أوامر إخراج، والتي تتحكم في النهاية في آلة التشويش الإلكتروني.

أكد الباحثون أن نتائج الاختبارات أثبتت جدوى هذه التقنية. وبفضل خوارزميات التعلم المعزز، يستطيع الذكاء الاصطناعي المُولّد تعديل استراتيجيات الهجوم بسرعة تصل إلى عشر مرات في الثانية.

بالمقارنة مع الذكاء الاصطناعي التقليدي والخبرة البشرية، أثبتت تقنية LLM تفوقها في توليد عدد كبير من الأهداف الوهمية على شاشة رادار العدو. وتُعتبر هذه الاستراتيجية أكثر قيمة في مجال الحرب الإلكترونية من مجرد التشويش بالضوضاء أو تحويل موجات الرادار بعيدًا عن الأهداف الحقيقية.

مصدر