AI ຂອງຈີນເສີມຂະຫຍາຍການໂຈມຕີ drone, ສັ່ງໃຫ້ໂຈມຕີ radars ສັດຕູ

ມັນເປັນຮູບແບບພາສາຂະຫນາດໃຫຍ່ (LLM) ພັດທະນາໂດຍນັກວິທະຍາສາດຈີນທີ່ສາມາດສັ່ງ drones ທະຫານ ເພື່ອໂຈມຕີລະບົບ radar ສັດຕູ.

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

ນັກວິທະຍາສາດ ໃນອຸດສາຫະກໍາປ້ອງກັນປະເທດຂອງຈີນໄດ້ພັດທະນາປະເພດຂອງ AI ທີ່ສາມາດເພີ່ມປະສິດທິພາບຂອງ drones ສົງຄາມເອເລັກໂຕຣນິກ, ອີງຕາມ SCMP.

ຮູບແບບພາສາຂະຫນາດໃຫຍ່ນີ້ (LLM), ຄ້າຍຄືກັນກັບ ChatGPT, ສາມາດສັ່ງ drones ທີ່ມີອາວຸດສົງຄາມເອເລັກໂຕຣນິກເພື່ອໂຈມຕີ radars ເຮືອບິນ enemy ຫຼືລະບົບການສື່ສານ.

ຜົນການທົດສອບສະແດງໃຫ້ເຫັນວ່າການປະຕິບັດການຕັດສິນໃຈຂອງຕົນໃນການຕໍ່ສູ້ທາງອາກາດບໍ່ພຽງແຕ່ປະຕິບັດໄດ້ດີກວ່າເຕັກນິກປັນຍາປະດິດ (AI) ແບບດັ້ງເດີມເຊັ່ນການຮຽນຮູ້ເສີມ, ແຕ່ຍັງດີກວ່າຜູ້ຊ່ຽວຊານທີ່ມີປະສົບການ.

ນີ້ແມ່ນການສຶກສາຄັ້ງທຳອິດທີ່ໄດ້ພິມເຜີຍແຜ່ຢ່າງກວ້າງຂວາງເພື່ອນຳໃຊ້ຕົວແບບພາສາຂະໜາດໃຫຍ່ໂດຍກົງກັບອາວຸດ.

ກ່ອນຫນ້ານີ້, ເຕັກໂນໂລຊີ AI ນີ້ໄດ້ຖືກຈໍາກັດເປັນສ່ວນໃຫຍ່ໃນຫ້ອງສົງຄາມ, ສະຫນອງການວິເຄາະທາງປັນຍາຫຼືການສະຫນັບສະຫນູນການຕັດສິນໃຈກັບຜູ້ບັນຊາການຂອງມະນຸດ.

ໂຄງການຄົ້ນຄວ້າດັ່ງກ່າວໄດ້ຮັບການຮ່ວມມືໂດຍສະຖາບັນການອອກແບບເຮືອບິນ Chengdu ຂອງບໍລິສັດອຸດສາຫະກຳການບິນຂອງຈີນ ແລະມະຫາວິທະຍາໄລໂພລີເຕັກນິກພາກເໜືອຂອງເມືອງ Xi'an, ແຂວງ Shaanxi.

ສະຖາບັນດັ່ງກ່າວແມ່ນຜູ້ອອກແບບຍົນສູ້ຮົບລະເບີດໜັກ J-20 ຂອງຈີນ.

ວຽກງານດັ່ງກ່າວ, ເຊິ່ງຍັງຢູ່ໃນຂັ້ນຕອນການທົດລອງ, ແມ່ນດີທີ່ສຸດໃນການເຂົ້າໃຈພາສາຂອງມະນຸດໃນບັນດາເຕັກໂນໂລຢີ AI ທີ່ມີຢູ່ແລ້ວ, ອີງຕາມເອກະສານທີ່ທີມງານໂຄງການໄດ້ຈັດພີມມາໃນວັນທີ 24 ເດືອນຕຸລາໃນວາລະສານ Detection & Control ທີ່ໄດ້ທົບທວນຄືນ.

ທີມງານໂຄງການໄດ້ສະຫນອງ LLM ດ້ວຍຊັບພະຍາກອນທີ່ຫລາກຫລາຍ, ລວມທັງ "ຊຸດຂອງປື້ມກ່ຽວກັບ radar, ສົງຄາມເອເລັກໂຕຣນິກ, ແລະການເກັບກໍາເອກະສານທີ່ກ່ຽວຂ້ອງ."

ເອກະສານອື່ນໆ, ລວມທັງບັນທຶກການສູ້ຮົບທາງອາກາດ, ບັນທຶກການຕິດຕັ້ງອາວຸດຍຸດທະພັນແລະຄູ່ມືການດໍາເນີນການສົງຄາມເອເລັກໂຕຣນິກ, ຍັງໄດ້ລວມເຂົ້າໃນຕົວແບບ.

ອີງຕາມນັກຄົ້ນຄວ້າ, ອຸປະກອນການຝຶກອົບຮົມສ່ວນໃຫຍ່ແມ່ນເປັນພາສາຈີນ.

ຜູ້ອອກແບບຍົນຮົບລັກລອບ J-20 ຂອງຈີນແມ່ນສ່ວນໜຶ່ງຂອງຄະນະຄົ້ນຄວ້າທີ່ກ່ຽວຂ້ອງກັບໂຄງການ AI. ພາບ: Weibo

ໃນສົງຄາມເອເລັກໂຕຣນິກ, ຜູ້ໂຈມຕີຈະປ່ອຍຄື້ນແມ່ເຫຼັກໄຟຟ້າສະເພາະເພື່ອສະກັດກັ້ນສັນຍານ radar ທີ່ປ່ອຍອອກມາໂດຍເປົ້າຫມາຍ.

ໃນທາງກົງກັນຂ້າມ, ຜູ້ຖືກກ່າວຟ້ອງຈະພະຍາຍາມຫລີກລ້ຽງການໂຈມຕີເຫຼົ່ານີ້ໂດຍການປ່ຽນແປງສັນຍານຢ່າງຕໍ່ເນື່ອງ, ບັງຄັບໃຫ້ opponent ປັບຍຸດທະສາດຂອງຕົນໃນເວລາທີ່ແທ້ຈິງໂດຍອີງໃສ່ຂໍ້ມູນການເຝົ້າລະວັງ.

ກ່ອນຫນ້ານີ້, ມັນໄດ້ຖືກຄິດວ່າ LLMs ບໍ່ເຫມາະສົມສໍາລັບວຽກງານດັ່ງກ່າວເນື່ອງຈາກບໍ່ສາມາດຕີຄວາມຫມາຍຂໍ້ມູນທີ່ເກັບກໍາຈາກເຊັນເຊີ.

ປັນຍາປະດິດຍັງຕ້ອງການເວລາຄິດດົນກວ່າ, ບໍ່ບັນລຸຄວາມໄວປະຕິກິລິຢາລະດັບ millisecond – ຈໍາເປັນໃນສົງຄາມເອເລັກໂຕຣນິກ.

ເພື່ອຫຼີກເວັ້ນການທ້າທາຍເຫຼົ່ານີ້, ນັກວິທະຍາສາດໄດ້ outsourced ການປຸງແຕ່ງຂໍ້ມູນດິບໄປສູ່ຮູບແບບການຮຽນຮູ້ການເສີມທີ່ສັບສົນຫນ້ອຍ. ສູດການຄິດໄລ່ AI ແບບດັ້ງເດີມນີ້ດີເລີດໃນຄວາມເຂົ້າໃຈແລະການວິເຄາະຂໍ້ມູນຈໍານວນຫລາຍ.

"ຕົວກໍານົດການສັງເກດມູນຄ່າ vector" ທີ່ສະກັດຈາກຂະບວນການເບື້ອງຕົ້ນນີ້ຈະຖືກປ່ຽນເປັນພາສາຂອງມະນຸດໂດຍຜ່ານເຄື່ອງແປພາສາ. ຮູບແບບພາສາຂະຫນາດໃຫຍ່ຫຼັງຈາກນັ້ນໃຊ້ເວລາໃນໄລຍະ, ຂະບວນການແລະການວິເຄາະຂໍ້ມູນນີ້.

compiler ແປງການຕອບສະຫນອງຂອງຕົວແບບຂະຫນາດໃຫຍ່ເປັນຄໍາສັ່ງຜົນຜະລິດ, ເຊິ່ງໃນທີ່ສຸດຈະຄວບຄຸມ jammer ສົງຄາມເອເລັກໂຕຣນິກ.

ອີງຕາມນັກຄົ້ນຄວ້າ, ຜົນໄດ້ຮັບການທົດລອງໄດ້ຢືນຢັນຄວາມເປັນໄປໄດ້ຂອງເຕັກໂນໂລຢີ. ດ້ວຍການຊ່ວຍເຫຼືອຂອງຂັ້ນຕອນການຮຽນຮູ້ເສີມ, AI ທົ່ວໄປສາມາດປັບຍຸດທະສາດການໂຈມຕີໄດ້ໄວເຖິງ 10 ເທື່ອຕໍ່ວິນາທີ.

ເມື່ອປຽບທຽບກັບ AI ແລະຄວາມຊ່ຽວຊານຂອງມະນຸດແບບດັ້ງເດີມ, LLM ແມ່ນດີກວ່າໃນການສ້າງເປົ້າຫມາຍທີ່ບໍ່ຖືກຕ້ອງຈໍານວນຫລາຍໃນຫນ້າຈໍ radar ສັດຕູ. ຍຸດທະສາດນີ້ຖືວ່າມີຄຸນຄ່າຫຼາຍໃນດ້ານສົງຄາມອີເລັກໂທຣນິກກ່ວາພຽງແຕ່ສະກັດດ້ວຍສຽງລົບກວນ ຫຼື ບິດເບືອນຄື້ນ radar ຫ່າງຈາກເປົ້າໝາຍຕົວຈິງ.

ທີ່ມາ