Ukraina och Ryssland tränar AI-modeller från UAV-data för strid

(CLO) I takt med att artificiell intelligens (AI) i allt högre grad tillämpas på slagfältet, förfogar både Ukraina och Ryssland över en ovärderlig resurs: miljontals timmar filmmaterial från obemannade flygfarkoster (Drönare). Denna data kommer att användas för att träna AI-modeller som kan fatta taktiska beslut på slagfältet.

Både Ukraina och Ryssland har använt AI i konflikten, särskilt för att identifiera mål och analysera bilder mycket snabbare än människor kan.

Oleksandr Dmitriev, grundare av OCHI – ett ukrainskt ideellt digitalt system som samlar in och analyserar data från fler än 15 000 drönare i frontlinjen – sa att hans system har samlat in 2 miljoner timmar slagfältsvideo från drönare sedan 2022. Detta motsvarar 228 års data och kommer att ge ett värdefullt datalager för AI att lära sig av.

"Det här är 'maten' för AI. Om du vill lära ut AI, ge det 2 miljoner timmar video, det kommer att bli ett övernaturligt verktyg", sa Dmitriev.

Ukraina och Ryssland tränar AI-modeller från UAV-data för att tjäna som stridsmodell bild 1 — Soldater från en ukrainsk artillerienhet tränar på att använda drönare. Foto: Dmytro Smolienko

Drönarbilder kan användas för att träna AI-modeller att känna igen stridstaktik, upptäcka mål och utvärdera vapensystemens effektivitet. ”Erfarenhet kan översättas till matematik”, sa Dmitriev. ”Ett AI-program kan studera de banor och vinklar i vilka vapen fungerar mest effektivt.”

OCHI-systemet utvecklades ursprungligen 2022 med syftet att ge militära befälhavare en översikt över slagfältet genom att visa bilder från drönare av alla besättningar i närheten på en enda skärm.

Efter utplaceringen insåg OCHI-teamet att dessa filmklipp inte bara var användbara för taktisk ledning utan också en viktig resurs för att spela in hela stridsprocessen, så de bestämde sig för att arkivera dessa videor.

Enligt Dmitriev samlar systemet in i genomsnitt 5–6 terabyte data från stridsuppdrag varje dag, vilket ger en enorm mängd information för att träna AI:n.

Bildernas kvalitet och storleken på datamängden är viktiga faktorer för att AI ska kunna identifiera mål korrekt. Samuel Bendett, senior fellow vid Center for a New American Security, sa att så stora mängder data kommer att vara ovärderliga för att träna AI-system och hjälpa dem att korrekt identifiera objekt och de taktiska situationer de står inför.

”Människor kan visuellt känna igen situationer, men maskiner kan inte det. De måste tränas för att känna igen element som vägar, naturliga hinder eller bakhåll”, förklarade han.

Kateryna Bondar, forskare vid Wadhwani AI Center vid Center for Strategic and International Studies, betonade att bildernas kvalitet och dataskalan är oerhört viktig för att AI ska lära sig att känna igen mål baserat på form, färg och andra egenskaper.

Förutom OCHI har Ukraina ett annat system som heter Avengers, utvecklat av försvarsministeriet , som också samlar in och analyserar video från drönare och övervakningskameror. Även om det ukrainska försvarsministeriet inte lämnade några detaljer om systemet, har det tidigare avslöjat att Avengers kan upptäcka 12 000 ryska enheter per vecka genom AI-igenkänning.

Förutom att använda AI för datainsamling och målidentifiering utvecklar Ukraina även autonom UAV-teknik. Drönarna kan flyga mot mål utan mänsklig kontroll. Dessutom används AI i minröjningsuppdrag, vilket bidrar till att minska risken för militära styrkor och civila.

Ryssland har också använt AI på slagfältet, särskilt för att attackera sina Lancet-droner med attackfarkoster, vilka har visat sig effektiva för att attackera ukrainska pansarfordon.

Kommentar (0)