پرونده / ظهور و سقوط فناوری‌ها؛ هوش مصنوعی چه نقشی در امور نظامی دارد؟

پرونده / ظهور و سقوط فناوری‌ها؛ هوش مصنوعی چه نقشی در امور نظامی دارد؟
تاریخ انتشار : ۰۲ فروردين ۱۴۰۲

در عملیات‌های نظامی، هوش مصنوعی (AI) نقشی فزاینده و مهم را ایفا می‌کند به گونه‌ای که ابزاری کلیدی در در تجزیه تحلیل اطلاعات کسب شده از دشمن است. از دیگر حوزه‌های کاربردی هوش مصنوعی استفاده از این روش در سیستم‌های خودکار و وسایل نقلیه‌ی بدون سرنشین است.

به گزارش گرداب، انتظار می‌رود استفاده از هوش مصنوعی تأثیر بیشتری بر عملکرد‌های نظامی تاثیر متقابل انسان- ماشین (یادگیری ماشین، تیم‌سازی انسان- ماشین) داشته باشد. استفاده از هوش مصنوعی چشم انداز غلبه‌بر چالش‌های سه‌گانه (حجم، تنوع و سرعت) و کلان‌داده و حجیم ناشی از آنرا برای انسان فراهم می‌آورد. همچنین انتظار می‌رود خطرات ناشی از صحت و ارزش را کاهش دهد.

همچنین این روش پردازش داده‌ها را در یک سطح کنترل شده بر اساس تصمیمات حاصل از هوش مصنوعی، ارائه می‌کند. در این مقاله مروری به کاربرد‌های بالقوه هوش مصنوعی در ارتش پرداخته شده است. به‌گونه‌ای که نیاز‌های این حوزه در شناسایی و تعریف شاخص‌های قابل اندازه‌گیری به منظور ارزیابی تأثیر تکنیک‌های پیشرفته و به‌روز در ارائه راه‌حل‌های مورد انتظار برای بهبود کیفیت و عملکرد عملیات ارائه شده است. مقاله، بر حوزه‌های کلیدی مانند آگاهی از موقعیت، پشتیبانی و تصمیم‌گیری، برنامه‌ریزی لجستیکی و عملیاتی و همچنین مدل‌سازی و شبیه‌سازی تمرکز دارد.

هوش مصنوعی و امور نظامی

از اواسط ۱۹۰۰ به بعد، هوش مصنوعی (AI) در طول توسعه خود با چالش‌های بسیاری روبرو بوده است. با این حال از سال ۲۰۰۰ به بعد، شاهد رشد چشمگیر تحقیقات و به موازات آن توسعه کاربر‌های هوش مصنوعی هستیم. شروع افزایش تحقیقات هوش مصنوعی در سال ۲۰۰۱ صورت گرفت، سپس محصولات و خدمات تجاری مربوط به آن در اوایل سال ۲۰۱۰ وارد بازار شد. با این تعریف می‌توان با این نتیجه رسید که امروزه هوش مصنوعی (AI) مختص به آزمایشگاه‌ها نیست. این حوزه جایگاه خود را در اقتصاد پیدا کرده است به گونه‌ای که کاربرد‌های آن از طراحی صنعتی تا تولید و خدمات مصرف کننده را شامل می‌شود.

در همین رابطه ببینید:

مستند/ فناوری‌های فردا؛ هوش مصنوعی و جنگ‌افزار‌ها

تخمین زده می‌شود که برنامه‌های کاربردی، توسعه و پذیرش هوش مصنوعی تأثیر قابل‌توجهی بر اقتصاد جهانی در ده سال آینده خواهد داشت. کارشناسان تخمین می‌زنند که میزان تراکنش مالی مربوط به هوش مصنوعی در ده سال آینده بین ۱.۴۹ تریلیون دلار تا ۲.۹۵ تریلیون دلار خواهد بود.

هوش مصنوعی چیست؟

اگرچه اصطلاح هوش مصنوعی از دهه ۱۹۵۰ استفاده مورد استفاده قرار گرفت، اما هنوز این اصطلاح به‌عنوان یک تعریف عمومی پذیرفته نشده است.

هوش مصنوعی را نمی‌توان به عنوان یک برنامه کاربردی مستقل در نظر گرفت، بلکه به عنوان یک پیشرفت تکنولوژی در نظر گرفته می‌شود که از برنامه‌های کاربردی موجود پشتیبانی می‌کند. در نهایت هوش مصنوعی بر اساس الگوریتم‌هایی است که مشکلات خاص را حل می‌کند و با جمع آوری، سازماندهی، پردازش، تجزیه و تحلیل، انتقال قادر است به مجموعه داده‌های بزرگتر پاسخ دهد و با توانایی شناختی عقل انسان و همچنین عملیاتی که به آن نزدیک می‌شود، مطابقت داشته باشد.

اساساً سه نوع هوش مصنوعی وجود دارد:

هوش مصنوعی محدود (Narrow AI) که «هوش مصنوعی ضعیف» نیز نامیده می‌شود، یک سیستم رایانه‌ای است که می‌تواند یک کار تعریف شده را کارآمدتر از انسان انجام دهد. اکثر برنامه‌های کاربردی هوش مصنوعی امروزه بر روی این حوزه متمرکز شده‌اند.

هوش مصنوعی عمومی (General AI) که گاهی به آن “هوش مصنوعی قوی” نیز گفته می‌شود، این سطح از هوش مصنوعی قادر است از دستاورد‌های بشر در هر کار فکری بهتر عمل کند. برای مثال، با این نوع از هوش مصنوعی را می‌توان ربات‌ها در فیلم‌ها دید که مطابق با اهداف آگاهانه خود عمل می‌کنند.

اَبَر هوش مصنوعی (ASI)، انتظار می‌رود که بتواند تقریباً در همه زمینه‌ها، به ویژه در خلاقیت علمی، منطق و خرد، و همچنین در مهارت‌های اجتماعی، از انسان‌ها بهتر عمل کند.

امکان دستیابی به سومین سطح از هوش مصنوعی از نظر بسیاری از دانشمندان غیر ممکن به‌نظرمی‌رسد. علاوه بر این، حتی اگر امکان دستیابی به سطح هوش مصنوعی مشابه ASI یا نزدیک به آن وجود داشته باشد، مشارکت انسانی در مرحله‌ای از فرآیند کاربرد هوش مصنوعی ضروری باقی می‌ماند، زیرا اخلاق، شهود و به‌ویژه انگیزه و قابلیت‌های معنوی منحصراً انسانی هستند. حتی اگر ماشین‌ها بتوانند تا حدی از آن‌ها تقلید کنند.
یکی از زیرمجموعه‌های هوش مصنوعی نظامی، یادگیری ماشینی (ML) است که به رایانه‌ها از طریق مدل‌های داده‌های ریاضی با نظارت مستقیم یا بدون نظارت، آموزش می‌دهد.

یادگیری ماشینی از الگوریتم‌هایی برای شناسایی الگو‌ها در داده‌ها استفاده می‌کند و یک مدل داده برای ارائه پیش‌بینی‌ها و پاسخ‌ها ایجاد می‌کند. سطح پیشرفته ML یادگیری تقویتی است، که سیستم تشخیص با بازخورد‌های مثبت تقویت شود.

در یادگیری عمیق، با استفاده از شبکه‌های عصبی مشابه مغز انسان، مقادیر پیچیده‌ای از داده‌ها برای کار‌های پیچیده به ماشین آموزش داده می‌شود که در آن هر نورون یک تابع فرعی را انجام می‌دهد یا چندین تابع فرعی را خلاصه می‌کند. در اینجا ذکر پدیده موسوم به جعبه سیاه مهم است که در آن انسان دیگر قادر به پیگیری فرآیندی که در سطوح عصبی فردی اتفاق می‌افتد، نیست. بنابراین، آن‌ها خطر قابل توجهی را به همراه دارند.

تعداد فزاینده‌ای از مقالات و رویداد‌های عمومی در مورد هوش مصنوعی وجود دارد، با این حال، افسانه‌ها و تصورات نادرست گسترده در مورد اینکه هوش مصنوعی واقعا چیست و سیستم‌های هوش مصنوعی چه کاری می‌توانند انجام دهند، باقی مانده است. این اظهارات نادرست، درک و بحث در مورد فرصت‌ها و خطرات هوش مصنوعی، به صورت عمومی و به ویژه در زمینه‌های امنیتی، را دشوار می‌کند.
برای جلوگیری از ایجاد توهم و راه اندازی پروژه‌هایی با اهداف غیرقابل دستیابی، تصمیم گیرندگان باید امکانات و محدودیت‌های فناوری هوش مصنوعی را درک کنند.

ظهور و سقوط تکنولوژی‌ها (EDT ها)

قبل از اینکه هوش مصنوعی با جزئیات بیشتر مورد بحث قرار گیرد، مهم است که آن را در زمینه گسترده‌تری از فناوری‌های دیگر قرار دهیم که در حوزه‌های علمی بسیار مرتبط با یکدیگر هستند و به‌عنوان تأثیرگذاران استراتژیک اصلی در ۲۰ سال آینده در نظر گرفته می‌شوند. برخی از این حوزه‌ها در حال حاضر در مراحل اولیه توسعه هستند، اما انتظار می‌رود که به سرعت توسعه یابند.

این EDT‌ها عبارتند از: داده‌های بزرگ، هوش مصنوعی (AI)، وسایل نقلیه بدون سرنشین، فضا، وسایل نقلیه هوایی مافوق صوت، فناوری کوانتومی، بیوتکنولوژی ومواد جدید.

انتظار می‌رود این EDT‌ها تأثیرات اجتماعی جامعی داشته باشند و در ارتباطات راه دور، سرگرمی، علوم پزشکی، تعاملات انسان و رایانه، خدمات مالی، کشاورزی، صنعت حمل‌ونقل، تولید صنعتی و امنیت و ایمنی عمومی نیز به ایفای نقش بپردازند.

دموکراتیک شدن فناوری به دلیل کاهش هزینه‌ها و سهولت دسترسی، نگرانی امنیتی را افزایش می‌دهد. برای حفاظت جامعه در برابر عوامل مخرب تکنولوژیکی پیشرفته که ممکن است قادر به تولید تجهیزات و راه-های بسیار تهدید کننده براساس دانش‌های در دسترس باشد، به سطح بالاتری از مقررات نیاز است. اگرچه فنآوری‌های شیمیایی، بیولوژیکی، رادیولوژیکی و هسته‌ای (CBRN) عموماً به شدت تنظیم می‌شوند، اما اگر «هرکسی بتواند یک آزمایشگاه مهندسی زیستی در حیاط خلوت یا زیرزمین راه‌اندازی کند» ممکن است این مقررات ناکافی باشند.

___________________________________

منابع:


Chen, N. , Christensen, L. , Gallagher, K. , Mate, R. , & Rafert, G. (۲۰۱۶). Global Economic Impacts Associated with Artificial Intelligence, ۲۳.

NATO Science & Technology Organization. (۲۰۲۰). Science & Technology Trends ۲۰۲۰-۲۰۴۰. Brussels, Belgium, available at: https://www.nato.int/nato_static_fl۲۰۱۴/ assets/pdf/۲۰۲۰/۴/pdf/۱۹۰۴۲۲-ST_Tech_Trends_Report_۲۰۲۰-۲۰۴۰.pdf, accessed on ۱۹ March ۲۰۲۱.
Saalman, L. (۲۰۱۹). The Impact of Artificial Intelligence on Strategic Stability and Nuclear Risk. Vol. II, Sweden: Stockholm International Peace Research Institute.

NATO Allied Command Transformation Operational Experimentation. (۲۰۲۰). Military Uses of Artificial Intelligence, Automation, and Robotics (MUAAR) , available at: https://www.act.nato.int/application/files/۵۵۱۵/۸۲۵۷/۴۷۲۵/۲۰۲۰_mcdc-muaar.pdf, accessed on ۱۹ March ۲۰۲۱.
NATO Parliamentary Assembly. (۲۰۱۹). Artificial Intelligence: Implications for NATO Armed Forces. NATO PA ۱۴۹ STCTTS ۱۹ E rev.۱ fin, Science and Technology Committee.