Mikael Grev, założyciel i dyrektor generalny (CEO) firmy zbrojeniowej Avioniq AB, z doświadczeniem jako pilot myśliwski, analizuje w dwóch felietonach dla FSN Perspektiv złożone wyzwania i możliwości, przed którymi stoi sztuczna inteligencja (AI) w technologii wojskowej. W pierwszym z nich opisuje, jak AI może być potężnym narzędziem, ale również dlaczego jej zastosowanie w kontekście militarnym wymaga starannego rozważenia i dostosowań.
AI nie rozwiązuje wszystkiego, ale rozwiązuje wiele, jeśli jest stosowana we właściwy sposób
AI to technologia, która jest obecnie niezwykle popularna w większości cywilnych dziedzin technicznych i technologia ta pozostanie z nami na dłużej. AI jest doskonałym narzędziem w skrzynce narzędziowej do rozwiązywania pewnych typów problemów, choć niekoniecznie jest ogólnym rozwiązaniem wszystkich problemów technicznych, jak to czasem się przedstawia, nierzadko przez tych, którzy sprzedają tę usługę. Wszechogarniająca AI działa dobrze wtedy, gdy wynik może być nieco nieprecyzyjny i gdy dokładność, powtarzalność oraz zrozumienie leżących u podstaw przesłanek nie są priorytetowymi wymaganiami.
W Avioniq od wielu lat stosujemy odmianę AI dostosowaną do złożonego i wrażliwego środowiska wojskowego, gdzie w dającej się przewidzieć przyszłości człowiek musi pozostać "w pętli" (in the loop) i rozumieć, co się dzieje, ponieważ często chodzi o ludzkie życie i trudne wybory między różnymi opcjami. Ale najpierw wyjaśnijmy, dlaczego AI może stanowić problem i dlaczego nie można po prostu skopiować wszechogarniających rozwiązań AI, które istnieją w sektorze cywilnym.
Typem AI, który wzbudził największe zainteresowanie i podziw w ostatnim czasie, jest AI generatywna. ChatGPT oraz usługi tworzące obrazy i filmy, które w tak uwodzicielski sposób zasypują nas kolejnymi fantastycznymi rozwiązaniami, należą właśnie do tego typu. AI generatywna oznacza w skrócie, że wprowadza się dane, na przykład pytanie w formie tekstu, plik dźwiękowy, obraz lub parametry pocisku, i otrzymuje się w zamian odpowiedź w postaci danych, na przykład tekstu, dźwięku, obrazu lub serii manewrów w walce powietrznej.
Cechą charakterystyczną AI generatywnej jest to, że liczba odrębnych kombinacji danych wejściowych i wyjściowych jest praktycznie nieskończona. Jeśli generuje się obraz na podstawie tekstu, za każdym razem będzie on inny, mimo że obraz zawsze stanowi odpowiedź na dany tekst. Dlatego trudno jest zweryfikować, czy wynik jest poprawny, a nawet czy jest dobry, ponieważ dla tego rodzaju AI rzadko istnieje "klucz odpowiedzi", czyli jednoznacznie określona prawidłowa odpowiedź.
Aby ocenić, czy odpowiedź udzielona przez AI generatywną jest dobra, musi ją ocenić ekspert dziedzinowy, co wymaga bardzo dużych zasobów. W przypadku ChatGPT wykorzystuje się dużą liczbę ludzi pełniących rolę ekspertów dziedzinowych dla zwykłego tekstu, którzy oceniają jakość odpowiedzi, a nawet trenuje się specjalne modele AI, które na podstawie odpowiedzi tych ludzi oceniają jakość odpowiedzi udzielanych przez inne systemy AI.
W przypadku AI przeznaczonej na przykład do walki powietrznej, brak jasności co do tego, co stanowi dobrą odpowiedź, oraz fakt, że odpowiedź może za każdym razem być nieco inna, stanowi problem, ponieważ piloci są zarówno zasobem deficytowym, jak i ci nieliczni, którzy są dostępni, nie mają priorytetu, by pełnić rolę ekspertów dziedzinowych przy trenowaniu AI.
Firmy specjalizujące się właśnie w AI często sprzedają ją tak, jakby stanowiła rozwiązanie całego problemu, stąd określenie "wszechogarniająca". Gdy AI generuje odpowiedzi na pytania, w których cały obraz problemu mieści się w samym pytaniu, co ma miejsce w przypadku ChatGPT oraz generowania obrazów i dźwięku, wówczas doskonale sprawdza się posiadanie ekspertów AI, którzy rozwiązują cały problem, oceniając jedynie, czy odpowiedź jest mniej lub bardziej trafna w stosunku do pytania. Ale gdy rozwiązanie stanowi część większej całości, z informacją domyślną zawartą w pytaniu, która nie jest dostępna jako dane wejściowe, gdzie trudniej jest wyznaczyć granice między tym, co ma dostarczyć AI, a tym, gdzie pewne informacje i pewne założenia znajdują się w innych systemach, wówczas sprawa staje się bardziej skomplikowana.
Podsumowując, widzieliśmy, jak AI może być potężnym narzędziem, ale jej zastosowanie w technologii wojskowej nie jest pozbawione istotnych wyzwań. Wszechogarniające rozwiązania AI, które dobrze sprawdzają się w kontekście cywilnym, często trudno jest bezpośrednio przenieść do kontekstu militarnego, gdzie wymagania dotyczące precyzji i bezpieczeństwa są wyższe. Ale co to konkretnie oznacza dla rozwoju AI w walce powietrznej? W kolejnej części zbadamy, jak można sprostać tym wyzwaniom, przedstawiając konkretne przykłady i strategie optymalizacji roli AI na arenie wojskowej.