Ez egy kínai tudósok által kifejlesztett nagyméretű nyelvi modell (LLM), amely katonai drónokat tud irányítani ellenséges radarrendszerek megtámadására.
A kínai védelmi ipar tudósai kifejlesztettek egy olyan mesterséges intelligenciát, amely javíthatja az elektronikus hadviselésre használt drónok teljesítményét – közölte az SCMP.
Ez a nagy nyelvi modell (LLM), hasonlóan a ChatGPT-hez, képes lenne elektronikus hadviselési fegyverekkel felszerelt drónokat irányítani, hogy megtámadják az ellenséges repülőgépek radarjait vagy kommunikációs rendszereit.
A teszteredmények azt mutatják, hogy a légi harcokban nyújtott döntéshozatali teljesítménye nemcsak a hagyományos mesterséges intelligencia (MI) technikákat, például a megerősítéses tanulást múlja felül, hanem a tapasztalt szakértők teljesítményét is.
Ez az első széles körben publikált tanulmány, amely a nagy nyelvi modelleket közvetlenül fegyverekre alkalmazza.
Korábban ez a mesterséges intelligencia technológia nagyrészt a haditermekre korlátozódott, hírszerzési elemzéseket vagy döntéstámogatást nyújtva az emberi parancsnokoknak.
A kutatási projektet a Kínai Repülési Ipari Vállalat Csengtui Repülőgéptervező Intézete és a Sanhszi tartománybeli Hszi'anban található Északnyugati Politechnikai Egyetem közösen végezte.
Az intézet tervezte a kínai J-20-as nehéz lopakodó vadászgépet.
A még kísérleti fázisban lévő munka a meglévő mesterséges intelligencia technológiák közül a legjobb az emberi nyelv megértésében, áll a projektcsapat október 24-én a Detection & Control című lektorált folyóiratban megjelent tanulmányában.
A projektcsapat különféle forrásokat biztosított az LLM számára, beleértve "egy könyvsorozatot a radarról, az elektronikus hadviselésről és a kapcsolódó dokumentumgyűjteményekről".
Más dokumentumokat, beleértve a légiharcok feljegyzéseit, a fegyverraktárak beállítási feljegyzéseit és az elektronikus hadviselés műveleti kézikönyveit is beépítettek a modellbe.
A kutatók szerint a legtöbb képzési anyag kínai nyelven van.
| A kínai J-20 lopakodó vadászgép tervezője a mesterséges intelligencia projektben részt vevő kutatócsoport tagja. Fotó: Weibo |
Az elektronikus hadviselés során a támadó speciális elektromágneses hullámokat bocsát ki, hogy elnyomja a célpont által kibocsátott radarjeleket.
Ezzel szemben a védő megpróbálja kikerülni ezeket a támadásokat a jel folyamatos változtatásával, arra kényszerítve az ellenfelet, hogy valós időben módosítsa stratégiáját a megfigyelési adatok alapján.
Korábban úgy gondolták, hogy az LLM-ek nem alkalmasak ilyen feladatokra, mivel nem képesek értelmezni az érzékelőktől gyűjtött adatokat.
A mesterséges intelligencia gyakran hosszabb gondolkodási időt igényel, és nem éri el az ezredmásodperces szintű reakciósebességet – ami elengedhetetlen az elektronikus hadviselésben.
Ezen kihívások elkerülése érdekében a tudósok a nyers adatok feldolgozását egy kevésbé összetett megerősítéses tanulási modellnek szervezték ki. Ez a hagyományos mesterséges intelligencia algoritmus kiválóan alkalmas nagy mennyiségű numerikus adat megértésére és elemzésére.
Az ebből az előzetes folyamatból kinyert „megfigyelési értékvektor-paramétereket” ezután egy gépi fordító emberi nyelvre konvertálja. A nagy nyelvi modell ezután átveszi, feldolgozza és elemzi ezeket az információkat.
A fordítóprogram a nagyméretű modell válaszait kimeneti parancsokká alakítja, amelyek végső soron az elektronikus hadviselés zavaróját vezérlik.
A kutatók szerint a kísérleti eredmények megerősítették a technológia megvalósíthatóságát. A megerősítéses tanulási algoritmusok segítségével a generatív mesterséges intelligencia másodpercenként akár tízszer is képes gyorsan módosítani a támadási stratégiákat.
A hagyományos mesterséges intelligenciához és az emberi szakértelemhez képest az LLM (jogi intelligenciával való manipuláció) felülmúlja számos hamis célpont létrehozását az ellenséges radarok képernyőjén. Ez a stratégia értékesebbnek tekinthető az elektronikus hadviselés területén, mint egyszerűen zajjal blokkolni vagy a radarhullámokat eltéríteni a valódi célpontoktól.
[hirdetés_2]
Forrás






Hozzászólás (0)