Simulările realiste, alimentate de inteligența artificială, revoluționează pregătirea militarilor și dezvoltarea sistemelor de apărare, oferind noi perspective asupra abilităților și tehnologiilor.

Integrarea modelării și simulării (M&S) în antrenamentele de rutină, experimentare și proiectarea de noi sisteme a oferit militarilor oportunități de a se antrena în scenarii mai realiste ca oricând. Acum, un alt pas important este în curs de desfășurare, pe măsură ce inteligența artificială (AI) este aplicată capabilităților de modelare și simulare (M&S) – îmbunătățind nu numai capacitățile militarilor în spațiul de luptă virtual, ci și rafinând sistemele reale, cum ar fi dronele care zboară în spațiul de luptă real. Potrivit unui articol publicat recent, această evoluție creează oportunități de colaborare între companii precum CAE, dezvoltator de sisteme de training, și General Atomics, furnizor de platforme aerospațiale, pe măsură ce maturizează AI pentru cazurile de utilizare M&S.

AI și Machine Learning: O mină de aur de informații pentru antrenamente și proiectare

Modelele și algoritmii AI și de învățare automată pot asimila cantități mari de date generate în timpul simulărilor, date care pot fi utilizate pentru a monitoriza evenimentele M&S pentru perspective specifice, pentru a identifica tendințe și pentru a oferi lecții de reținut.

Pentru CAE, care oferă antrenament Forțelor Aeriene, Armatei și Marinei SUA, acest lucru înseamnă că instructorii săi pot avea un impact de învățare mai mare în timpul și după un eveniment de antrenament. Pentru o companie precum General Atomics Aeronautical Systems, cunoscută pentru dronele sale Reaper și pentru activitatea sa recentă în domeniul aeronavelor de luptă colaborative, aceasta înseamnă a oferi inginerilor săi mai multe informații pentru a-și perfecționa ofertele către clienți.

AI: Multiplicator de forță în scenariile de antrenament

În ceea ce privește antrenamentul, AI poate popula un scenariu de antrenament cu forțe automatizate generate de computer – un lucru care a fost folosit în trainerii virtuali timp de cel puțin două decenii, dar care devine mai robust și mai realist odată cu aplicarea AI. Anterior, dacă armata dorea să antreneze un lider de echipă sau un singur membru al echipajului unei aeronave, ar fi trebuit să aibă la îndemână personalul potrivit pentru a completa restul echipei sau echipajului, precum și pentru a servi drept forțe roșii, forțe albastre suplimentare în alte platforme și multe altele – toate cu costuri mari.

În loc să populeze pur și simplu un scenariu de antrenament virtual cu personaje de fundal simple – asemănătoare cu personajele de bază non-jucător din jocurile video care se comportă în moduri previzibile, neprovocatoare – AI devine suficient de sofisticată pentru a simula un camarad de luptă bine antrenat sau un adversar care gândește.

Potrivit lui Brian Stensrud, membru tehnic pentru inteligență artificială la CAE USA Defense & Security, „promisiunea AI este că pot folosi asta pentru a construi modele de comportament care să servească drept forțe oponente și coechipieri la diferite niveluri de complexitate. Acum pot antrena un singur operator sau student cu o amprentă mult mai mică de entități, ceea ce economisește timp, economisește logistică și, cu siguranță, economisește bani.”

Acest lucru face ca antrenamentul bazat pe AI să fie un multiplicator de forță care se poate scala și pentru a sprijini mai multe ore de antrenament pentru mai mulți membri ai serviciilor.

Simulări realiste: Avantaj competitiv pentru dezvoltatorii de platforme

Pentru un dezvoltator de platforme precum General Atomics, a avea un mediu simulat mai realist, alimentat de AI, înseamnă că compania poate testa noi capacități într-un mediu realist, dar simulat, fără costul testelor de zbor reale și cu posibilitatea de a rula iterație după iterație pe măsură ce perfecționează capacitatea.

Puterea AI poate fi uneori supraevaluată – dar în acest caz, este aplicată într-un mod care iterează pe tehnologia M&S de încredere.

Anastacia MacAllister, director tehnic pentru autonomie și inteligență artificială la General Atomics, a declarat că „AI/ML este gata; a venit să rămână. Trebuie doar să ne asigurăm că folosim instrumentul potrivit pentru treaba potrivită și că ne asigurăm că înțelegem tehnologia pe care o folosim și întrebările pe care îi cerem să le răspundă. În acest fel, ne putem asigura că o folosim într-un mod eficient.”

Valorificarea datelor de antrenament: Observatorul AI omniprezent

O aplicație emergentă pentru AI în domeniul antrenamentului este analiza competenței încorporate. Atât în jocurile de război de masă, cât și în exercițiile pe teren, personalul care conduce evenimentele este suprasolicitat, încercând să mențină exercițiul pe drumul cel bun, astfel încât personalul militar să își atingă obiectivele de antrenament, încercând, de asemenea, să facă observații, să noteze momente care pot fi predate și să creeze perspective pentru a-i trimite pe cursanți acasă. Din cauza volumului de muncă, nu este neobișnuit să vezi instructori care termină un eveniment cu lecții conservate care nu reflectă natura unică a exercițiului de antrenament care tocmai a avut loc.

Ca răspuns, CAE lucrează la crearea unui observator AI „omniprezent” pentru evenimentele de antrenament, care poate cataloga acțiunile care se întâmplă pe măsură ce scenariile de antrenament se desfășoară, evaluează aceste acțiuni și oferă instructorului feedback pentru studenți. Potrivit lui Stensrud, acest instrument AI ar crea „inteligență bună, acționabilă”, care ar putea îmbunătăți competența atât a studenților, cât și a instructorului.

Acest factor din ce în ce mai important pentru îmbunătățirea antrenamentului, totuși, depinde atât de cantitatea, cât și de calitatea datelor – ceva ce CAE are în masă. De exemplu, CAE ar putea analiza datele studenților de pe o platformă de antrenament sau chiar de pe mai multe platforme de antrenament, pentru a găsi probleme persistente de competență în anumite abilități, care ar indica deficiențe ale curriculumului sau ale instructorilor. Dacă un procent mare de studenți se luptă cu aceeași abilitate, a fost curriculumul grăbit? Poate că o abilitate de bază a fost presupusă, dar nu a fost predată. Folosind algoritmii săi de învățare automată, CAE poate găsi astfel de modele în datele de competență.

Atenționări: Calitatea datelor contează mai mult decât cantitatea

Există, totuși, o avertizare cu privire la modul în care ar trebui utilizați astfel de algoritmi. Cheia este să înțelegeți pe deplin ce trebuie să realizeze misiunea de antrenament și nuanțele datelor.

Un exemplu sunt datele de telemetrie pe care le colectează CAE. Un algoritm ar putea încerca să determine cât de bine au zburat studenții pe baza vitezei, locației, unghiului de înclinare – dar prima întrebare ar trebui să fie, care a fost obiectivul misiunii în acest scenariu de antrenament? Dacă acest lucru nu se reflectă în date, atunci datele de telemetrie sunt fără context și nu ar trebui folosite pentru a judeca dacă un student a zburat bine sau nu.

Ca atare, CAE lucrează mai întâi pentru a înțelege ce fel de întrebări ar putea dori să răspundă despre performanța antrenamentului înainte de a colecta datele care urmează să fie ingerate de algoritmii AI/de învățare automată.

MacAllister a declarat că „este important să construiești procese de gândire centrate pe date în organizații dacă doresc să poată utiliza aceste instrumente în mod eficient. Ceea ce vedem este că oamenii cred că cantitatea este egală cu calitatea, când nu este. În schimb, companiile ar trebui să trateze datele nu neapărat ca pe evacuarea din procesul nostru, ci ar trebui să le înțeleagă ca pe o resursă care va conduce motorul.”

Datele bune, combinate cu algoritmii AI/ML adecvați, pot permite militarilor să se antreneze cu autonomie pentru a dezvolta tacticile, tehnicile și procedurile necesare înainte de a se angaja în operațiuni reale. În același timp, aceste date pot servi unui dublu scop în îmbunătățirea caracteristicilor aeronavelor forjate din materiale compozite din aluminiu.

Cu ambele oportunități, CAE și General Atomics pot îmbunătăți abilitățile militarilor și capacitățile reale pentru a aborda scenariile de amenințare de astăzi.