Mikael Grev, puolustusyritys Avioniq AB:n perustaja ja toimitusjohtaja, jolla on tausta hävittäjälentäjänä, tutkii kahdessa kolumnissa FSN Perspektiville tekoälyn kohtaamia monimutkaisia haasteita ja mahdollisuuksia sotilastekniikassa. Tässä toisessa kolumnissa Mikael syventyy tekoälyn käyttöönoton mahdollisuuksiin ilmataistelussa.

Käsiteltyämme tekoälyn yleisiä haasteita sotilaallisissa yhteyksissä, sukelletaan nyt syvemmälle siihen, miten nämä haasteet voivat konkreettisesti ilmetä ilmataistelun näkökulmasta. Tässä ihmisen ja koneen välinen rajankäynti tulee erityisen selvästi esiin, ja meidän on ymmärrettävä, miksi näiden kahden välinen yhteistyö on menestyksen kannalta kriittistä.

Konkreettisena esimerkkinä voidaan todeta, että on suhteellisen yksinkertaista luoda tekoäly, joka on äärimmäisen tehokas, lähes voittamaton, ilmataistelun käymiseen, jos järjestelmä saa toimia haluamallaan tavalla ja säännöt ovat tunnettuja ja selkeitä. Tilanne muuttuu kuitenkin nopeasti hyvin monimutkaiseksi ja vaatii syvällistä toimialaosaamista lentäjiltä, jos halutaan luoda tekoäly, joka käy ilmataistelua yhdessä operaattorin kanssa, jolla saattaa olla edellytyksiä, joista tekoäly ei ole tietoinen.

Yksinkertaisempi esimerkki on, että on suhteellisen helppoa luoda tekoäly, joka pelaa shakkia uskomattoman hyvin, mutta vaikea luoda tekoäly, joka pelaa yhtä hyvin yhteistyössä ihmisen kanssa. Molempien ongelmien ydin on rajankäynti, jossa ihmisen ja koneen on ymmärrettävä toisiaan voidakseen tehdä yhteistyötä. Tekoäly ei tänä päivänä pysty, eikä todennäköisesti koskaan pysty, muutamia erityistapauksia lukuun ottamatta, tehokkaasti selittämään, miksi se toimii tietyllä tavalla siten, että operaattori voisi muuttaa tiettyjä ennalta ohjelmoimattomia prioriteetteja ja edellytyksiä.

Tekoälyyritysten ratkaisu edellä mainittuun on tehdä enemmän tietoa saataville tekoälyn koulutusta varten, yksinkertaisesti siksi, että se on ainoa mahdollinen toimenpide ilman, että tehdään vaikeita rajankäyntejä, joihin tarvittavia toimiala-asiantuntijoita ei usein ole saatavilla. Joillakin toimialoilla tämä toimii, esimerkiksi sensori- ja kuva-analyysissä, jolla on luonteva rajapinta ihmiseen ja muihin järjestelmiin. Muilla alueilla, kuten ilmataistelussa, jossa tapahtumat ovat jatkuvaa eri ratkaisujen välistä tasapainoilua, tilanne on huomattavasti vaikeampi.

Jotta tekoäly voisi korvata hävittäjälentäjän edes tietyissä taistelusekvensseissä, sille on syötettävä käytännössä koko lentäjäkoulutus (tätä on ehdotettu...), riskiarvioinnit (joita on vaikea kvantifioida) ja kaikki operaatioon kuuluvat asiakirjat (jotka muuttuvat jatkuvasti), jotta tekoäly pystyy tuottamaan ratkaisun, joka ei vaadi inhimillistä ymmärrystä. Ennakoitavissa olevassa tulevaisuudessa operaattorin on siksi pysyttävä silmukassa ja pystyttävä jatkuvasti korjaamaan tapahtumia kokemuksensa ja kaiken sen "pehmeän" tiedon avulla, joka muuttuu operaation aikana.

Edellä kuvataan kaksi monista tekoälyn ominaisuuksista, jotka muodostuvat ongelmallisiksi tietyissä sotilaallisissa yhteyksissä. ChatGPT:n virheellisen vastauksen seuraukset ovat hallittavissa, mutta sotilastuotteille asetetaan luonnollisesti korkeammat vaatimukset. Tämä koskee erityisesti ilmailualaa, jossa tapahtumat etenevät nopeasti eikä tekoälyn vastausten manuaalinen tarkistaminen ole mahdollista, ja jossa virheillä on usein vakavat seuraukset. Tämä ei tarkoita, ettei tekoälyä voida käyttää sotilasilmailun alalla, mutta se asettaa korkeammat vaatimukset ja edellyttää ongelmien käsittelyä varhaisessa kehitysvaiheessa. On helppo hämääntyä tekoälyn mahdollisuuksista ja ekstrapoloida niitä liian pitkälle.

Avioniqilla olemme käyttäneet tekoälyä ilmataisteluun vuodesta 2016 lähtien, mutta olemme alusta alkaen olleet tietoisia sen rajoituksista ilmataistelussa emmekä ole rakentaneet järjestelmiämme edellä kuvattujen ongelmien varaan. Käsitellään ne yksitellen, sillä ratkaisut ovat luonteeltaan täysin erilaisia.

Jotta voidaan hallita ongelmaa, jossa tekoälyn tuottamia vastauksia on vaikea varmentaa, koska mahdollisia oikeita vastauksia on niin paljon ja ratkaisuavaruus on niin monimutkainen, olemme valinneet näillä ratkaisualueilla käyttää ainoastaan lähestymistapaa, jota kutsumme todennettavaksi tekoälyksi.

Periaatteessa tämä tarkoittaa, että luomme pienempiä, yksinkertaisempia tekoälyjä, joissa syöte- ja tulostedata on hyvin määriteltyä ja suoraan todennettavissa koko tapahtumaketjun simuloinnilla. Nämä tekoälyt vaativat silti valtavan laskentatehon luomiseen, miljardeja simulaatioita tekoälyä kohden, mutta rakenne on optimoitu selkeyden ja todennettavuuden kannalta.

Sen sijaan, että luotaisiin tekoäly, joka antaa operaattorille kurssin tai lentorataan ohjaamisen taistelun voittamiseksi, mikä on vaikeasti määriteltävä ongelma, koska "taistelun voittamiseen" sisältyy niin monia osatekijöitä, esitämme yksinkertaisempia kysymyksiä selkeämmillä ja hyvin määritellyillä vastauksilla. Esimerkiksi: "Kuinka monta g:tä (kuinka voimakkaasti) lentokoneen on käännyttävä väistääkseen saapuvan ohjuksen, jos se on tyyppiä AA 10-C?".

Ero on siinä, että tähän voidaan simuloida tarkka vastaus, kun käytettävissä on ohjuksen malli, ja varmistaa, että tekoäly tuottaa oikean vastauksen, joka on yksinkertainen luku nollan ja yhdeksän välillä. Teknisesti sanottuna voidaan tehdä kattava tilastollinen varmennus tuloksista kaikille syöteparametrien yhdistelmille determinististen simulaatioiden avulla.

Todennettava tekoäly ei tuota koko vastausta kuten kaikenkattava tekoäly tekee, mikä on juuri tarkoituksena, sillä se ratkaisee myös toisen ongelman: operaattorin ja tekoälyn välisen rajankäynnin. Sen sijaan, että tekoäly tuottaisi koko vastauksen ongelmaan, mitä operaattorin on vaikea ymmärtää ja siten muuttaa tai hyväksyä, todennettava tekoäly tuottaa ratkaisuja täsmälleen niihin kysymyksiin, joita operaattori esittää...