Mikael Grev, grundlægger og administrerende direktør for forsvarsvirksomheden Avioniq AB med en baggrund som kamppilot, udforsker i to kronikker for FSN Perspektiv de komplekse udfordringer og muligheder, som AI står over for inden for militær teknologi. I den første beskriver han, hvordan AI kan være et kraftfuldt værktøj, men også hvorfor dets anvendelse i militær kontekst kræver grundige overvejelser og tilpasninger.
AI løser ikke alt, men meget, hvis det gøres på den rigtige måde
AI er teknologien, der er glødende inden for de fleste civile tekniske områder, og teknologien er kommet for at blive. AI er et fremragende værktøj i værktøjskassen til at løse visse typer problemer, om end måske ikke den generelle løsning på alle tekniske problemer, som til tider fremhæves, ikke sjældent af dem, der sælger tjenesten. Altomfattende AI fungerer godt, når resultatet tillades at være lidt uklart, og når præcision, gentagelighed og forståelse for de bagvedliggende begrundelser ikke er primære krav.
Hos Avioniq har vi i mange år haft en variant af AI til det komplekse og følsomme militære miljø, hvor mennesket i overskuelig fremtid skal være »in the loop« og forstå, hvad der sker, da det ofte handler om menneskeliv og svære afvejninger mellem forskellige alternativer. Men lad os først reder ud af, hvorfor AI kan være et problem, og hvorfor man ikke bare kan kopiere de altomfattende AI-løsninger, der findes i det civile.
Den AI-type, der har vakt størst interesse og beundring på det seneste, er den generative. ChatGPT og de billed- og filmskabende tjenester, der så forførende overøser os med den ene fantastiske løsning efter den anden, er af denne type. Generativ AI indebærer kort fortalt, at man indtaster data, for eksempel et spørgsmål i tekst, en lydfil, et billede eller missilparametre, og får et svar tilbage som data, eksempelvis tekst, lyd, billede eller en serie manøvrer i luftkamp.
Kendetegnende for generativ AI er, at antallet af distinkte kombinationer af input og output er nærmest uendeligt. Genererer man et billede fra en tekst, bliver det forskelligt hver gang, selvom billedet altid er et svar på teksten. Det er derfor svært at verificere, at resultatet er korrekt, eller overhovedet godt, eftersom der sjældent findes en facitliste for disse AI-systemer, altså hvad der faktisk er det rette svar.
For at vide, om svaret, som generativ AI leverer, er godt, skal en domæneekspert vurdere det, hvilket er meget ressourcekrævende. I tilfældet ChatGPT bruges et stort antal mennesker, som fungerer som domæneeksperter for almindelig tekst, til at vurdere, hvor godt svaret er, og man træner faktisk også specielle AI-systemer, der vurderer kvaliteten af svar fra andre AI-systemer ud fra disse menneskers vurderinger.
Når det gælder AI til for eksempel luftkamp, er utydeligheden i, hvad der er godt, og det, at svaret kan blive lidt forskelligt hver gang, et problem, eftersom piloter både er en mangelvare, og de få, der findes, ikke prioriteres til at være domæneeksperter for AI-træning.
De virksomheder, der har specialiseret sig i netop AI, sælger det ofte, som om AI er løsningen på hele problemet, deraf udtrykket altomfattende. Genererer AI svar på spørgsmål, hvor hele problemstillingen er indeholdt i selve spørgsmålet, hvilket er tilfældet for ChatGPT og billed- og lydgenerering, fungerer det udmærket at have AI-eksperter, der løser hele problemet udelukkende ved at kunne vurdere, om svaret er mere eller mindre korrekt i forhold til spørgsmålet. Men når løsningen er en del af en større sammenhæng, med implicit information i spørgsmålet, som ikke findes som inputdata, hvor det er sværere at afgrænse, hvad AI skal levere, og hvor visse oplysninger og forudsætninger findes i andre systemer, så bliver det mere vanskeligt.
Samlet set har vi set, hvordan AI kan være et kraftfuldt værktøj, men at dets anvendelse inden for militær teknologi ikke er uden betydelige udfordringer. Altomfattende AI-løsninger, der fungerer godt i civile sammenhænge, er ofte svære at overføre direkte til en militær kontekst, hvor kravene til præcision og sikkerhed er højere. Men hvad betyder dette konkret for udviklingen af AI i luftkamp? I næste del udforsker vi, hvordan disse udfordringer kan mødes gennem konkrete eksempler og strategier for at optimere AI's rolle på den militære arena.