سیستم‌های هوشمند آموزشی در خدمات نظامی شامل شبیه‌ساز‌هایی می‌شوند که هزینه‌های تمرین را کاهش داده و می‌توان به کمک آن‌ها نقاط ضعف سربازان را بهتر بازشناسی و تقویت نمود.
«پایگاه رسانه‌ای گرداب جهت آگاهی و افزایش دانش مخاطبان خود به ترجمه و انتشار مطالبی در حوزه‌های مختلف فناوری اقدام می‌کند. انتشار مطالب به معنای تایید محتوای آن نیست».
یکی از کاربرد‌های نظامی هوش مصنوعی استفاده از آن برای تمرین و آموزش نیروهاست. سیستم‌های هوشمند آموزشی در خدمات نظامی شامل شبیه‌ساز‌هایی می‌شوند که هزینه‌های تمرین را کاهش داده و می‌توان به کمک آن‌ها نقاط ضعف سربازان را بهتر بازشناسی و تقویت نمود. شبیه‌سازی محیط‌های رزمی و پروازی، استفاده از ربات‌های هدف و پهپاد‌هایی که برای تمرین ضد هوایی استفاده می‌شوند، نمونه‌های ساده استفاده از این فناوری در این حوزه هستند.
از سال‌های پیش خبر استفاده از بازی‌های جنگی به منظور بالا بردن تمرکز و روحیه سربازان در کنار تمرینات فیزیکی در ارتش‌های پیشرفته مورد توجه علاقه‌مندان به حوزه آموزش رزمی و نظامی بوده است. با توجه به توسعه‌ی هوش مصنوعی و رباتیک و پیشرفت ساز و کار‌های آموزشی همان جریان بازی جنگی برای آموزش نیرو‌های نظامی به استفاده از محیط‌های شبیه‌سازی شده به کمک هوش مصنوعی تکامل یافته‌اند.
یکی از مدل‌سازی‌های میدان نبرد که مبتنی بر بازی‌های کامپیوتری توسعه یافته وی. بی. اس.۳ [۱] یا «فضای نبرد مجازی ۳» است. از این شبیه ساز جنگی که هم جوانب عملیاتی و هم جوانب استراتژیک آموزش را در خود دارد در بسیاری از نیرو‌های نظامی جهان از جمله ارتش آمریکا با اهداف تمرینی استفاده می‌شود. بازی جنگ هوایی دی. سی. اس. ورلد [۲] نیز یک شبیه ساز پرواز و جنگ هوایی با دقت بالاست که در نیرو‌های هوایی ارتش‌هایی مانند آمریکا از آن با هدف آموزشی استفاده می‌شود. در این بازی بازیکنان آموزش می‌بینند با نزدیک‌ترین حالت ممکن به واقعیت هواپیما را روشن کرده و مدل‌های معتبر پرواز را تجربه کنند. زیرسیستم‌های هواپیما، کابین، دکمه‌ها، سوئیچ‌ها و بخش‌های مختلف چندین هواپیما با جزئیات نزدیک به واقعیت در این بازی پیاده شده و بازیکنان می‌توانند گشت هوایی، داگ‌فایت، حملات هوایی، پشتیبانی هوایی، هدف قرار دادن پدافند دشمن و ترابری پشتیبانی را با کمترین هزینه تمرین و تجربه کنند.
بازی دیگری که در بحث آموزش نیرو‌های رزمی توسط ارتش‌های کشور‌های مختلف مورد توجه قرار گرفته استیل بیستز پرو[۳] است که شبیه ساز تانک و نبرد زمینی می‌باشد. محیط این بازی با تجهیزات و محیط نظامی کشور‌های استرالیا، کانادا، اتریش، شیلی، دانمارک، فنلاند، هلند، نروژ، اسپانیا، سوئد و آمریکا به منظور آموزش سربازان و افسران زرهی تطبیق داده شده است. بازی دیگری که با اهداف آموزشی مورد توجه نیرو‌های نظامی است آرما۳ [۴] است که سربازان را در محیط عملیاتی به تصویر می‌کشد. بازیکنان در این بازی باید با نیرو‌های ارتش‌های متحد شرق از جمله ایرانیان بجنگند.
بازی‌های رایانه‌ای دیگری نیز برای نبرد‌ها و عملیات زمینی، شبیه‌سازی پرواز با جنگنده‌ها، جنگ‌های زرهی و استراتژی‌های نبرد وجود دارند که در میان سربازان و فرماندهان ارتش‌های دنیا با جنبه‌های آموزشی که دارند مورد توجه قرار گرفته‌اند. بیشتر این بازی‌ها صرفا جهت سرگرمی توسعه یافته و نقش خود را در مباحث آموزش نظامی به مرور پیدا کرده‌اند، اما در این میان با اضافه شدن سیستم‌های هوشمند، اطلاعاتی از این بازی‌ها برداشته شده و مورد پردازش قرار می‌گیرد. یعنی سامانه‌های هوش مصنوعی در کنار بازی‌های جنگی مختلف گنجانده شده تا مباحث آموزشی این بازی‌ها را تقویت کند.
سیستم‌های هوش مصنوعی و ربات‌هایی که برای آموزش و تمرین نظامی به کار می‌روند، معمولاً از ترکیب متنوعی از تکنولوژی‌ها و الگوریتم‌ها استفاده می‌کنند. این سیستم‌ها ممکن است شامل شبکه‌های عصبی عمیق[۵] برای تشخیص الگو‌ها و پردازش اطلاعات از تصاویر یا داده‌های حسی باشند. استفاده از شبکه‌های عصبی برای کاهش خطا و بهبود تشخیص و پردازش تصاویر و نیز افزایش دقت در تجسم و شبیه‌سازی واقعیت کاربرد دارند. سیستم‌های هوشمند با قابلیت پیاده سازی با اهداف آموزشی و تمرین نیرو‌های نظامی می‌تواند شامل الگوریتم‌های یادگیری تقویتی[۶] برای آموزش مدل‌ها به همراه تعامل با محیط باشند. مدل‌های یادگیری تقویتی بر اساس تعامل با محیط اطراف، توانمندی برای تقلید تصمیمات و عملکرد‌های نظامی، می‌توانند به تصمیم‌گیری بهینه منجر شوند. در یادگیری تقویتی، می‌توان الگوریتم کیو لِرنینگ[۷] یا دیپ‌کیو نتورک[۸] را مورد استفاده قرار داد.
آموزش با نظارت[۹] به کمک داده‌های برچسب خورده یکی دیگر از روش‌های هوش مصنوعی در این حوزه است. آموزش با استفاده از داده‌های برچسب خورده برای تشخیص و شناسایی اشیاء و بهبود دقت در تفسیر واقعیت‌های مجازی کاربرد دارند. در بحث آموزش با نظارت الگوریتم‌هایی مانند نزدیک‌ترین همسایه[۱۰] یا شبکه‌های عصبی مورد بهره برداری قرار می‌گیرند.
سیستم‌های هوشمند آموزش و تمرین نظامی می‌توانند شامل الگوریتم‌ها و ابزار پردازش زبان طبیعی[۱۱] به منظور تفسیر و تولید زبان انسانی برای تعامل با دستورات و داده‌ها باشند. این ابزار با قابلیت تعامل و تاثیر گذاری بر نیرو‌های نظامی از طریق درک و تولید زبان طبیعی منجر به افزایش رد و بدل اطلاعات موثر و مفید در آموزش می‌گردند. یکی دیگر از روش‌هایی که در سیستم‌های هوش مصنوعی به منظور آموزش و تمرین نظامی می‌تواند مورد استفاده قرار گیرد استفاده از سامانه‌های واقعیت افزوده[۱۲] و واقعیت مجازی[۱۳] به منظور بهبود تجربه آموزش و تمرین باشد.
رباتیک و مکاترونیک برای ساخت ربات‌های قابل استفاده در محیط‌های نظامی می‌تواند یکی دیگر از ابزار آموزشی هوشمند باشد. ساختار چنین سیستم‌هایی معمولاً شامل لایه‌های مختلف پردازشی، از جمله ورودی، استخراج ویژگی[۱۴]، یادگیری، تصمیم‌گیری و خروجی است. ترکیب الگوریتم‌ها و ابزار مختلف که زیرمجموعه تکنولوژی هوش مصنوعی است می‌تواند به شکل کارآمدی برای تمرینات نظامی و تولید ربات‌های هوشمند با این هدف مورد استفاده قرار گیرد.
یکی دیگر از جنبه‌هایی که هوش مصنوعی به یاری آموزش و تمرین سربازان و افسران نظامی آمده است، سیستم‌های ارزیابی عملکرد سربازان می‌باشد که با استفاده از هوش مصنوعی به شکل‌های گوناگون به شبیه ساز‌های غیر هوشمند مانند بازی‌های رایانه‌ای افزوده شده و آن‌ها را بهبود داده و شامل عناصر متعددی هستند. برخی از جزئیات و الگوریتم‌های مورد استفاده در چنین سیستم‌هایی تحلیل داده‌های حرکتی، پردازش تصاویر و ویدئو، پردازش گفتار، مدیریت داده و گزارش‌دهی، تحلیل عملکرد در شبیه‌ساز‌های واقعیت مجازی می‌باشند.
تحلیل داده‌های حرکتی به استفاده از سنسورها و دستگاه‌های پیگیری حرکت برای جمع‌آوری داده‌های مربوط به جنبش سربازان و آموزش گیران اشاره دارد و در این حوزه از الگوریتم‌های تحلیل حرکتی برای ارزیابی دقیق حرکات و عملکرد فیزیکی استفاده می‌شود. پردازش تصاویر و ویدئو به منظور تشخیص و شناسایی صحنه‌ها و اشیاء و ارزیابی عملکرد در شرایط مختلف با استفاده از شبکه‌های عصبی عمیق و الگوریتم‌های تصویری به کار آموزش نیرو‌های نظامی می‌آید.
با استفاده از هوش مصنوعی داده‌های آموزشی و تمرینی بر مبنای عملکرد سربازان و نیرو‌های تحت آموزش نظامی گردآوری شده و به منظور بهبود تمرینات آینده و شناسایی نواقص و نقاط قوت هر تمرین مورد تجزیه و تحلیل قرار می‌گیرند. سیستم‌های هوشمندی که به این کار می‌آیند به اشکال مختلف، ولی با ساختاری یکسان توسعه یافته‌اند. در این سیستم‌ها با استفاده از سنسورها، دستگاه‌های حرکتی، داده‌های تصویری و صوتی جهت جمع‌آوری داده‌های گسترده از عملکرد سربازان به کار گرفته می‌شوند یعنی جمع‌آوری داده‌ها به عنوان یکی از بخش‌های چنین سیستم‌هایی تعریف می‌گردد. سپس از الگوریتم‌های پردازش تصویر و ویدئو، پردازش گفتار و دیگر داده‌ها به منظور شناسایی الگو‌های عملکردی بهره گرفته می‌شود. الگوریتم‌های تحلیل حرکت برای ارزیابی دقیق حرکات فیزیکی و عملکرد‌های تحرکی نیرو‌های آموزشی در این سیستم‌ها پیاده می‌شوند. الگوریتم‌های یادگیری تقویتی به منظور بهبود تصمیم گیری در شرایط مختلف، تحلیل داده‌های شبیه‌سازی، گزارش‌دهی و تجزیه و تحلیل نتایج از دیگر بخش‌های این سیستم‌هاست.
یکی دیگر از رویکرد‌های استفاده از تکنولوژی هوشمند در آموزش و تمرین نیرو‌های نظامی سیستم‌های آموزش متن‌باز مبتنی بر هوش مصنوعی هستند که به منظور تنظیم پویا و بازخورد فراوان محتوای آموزشی به صورت جداگانه ویژگی‌ها و عملکرد فردی هر سرباز را پردازش می‌کنند. این سیستم‌ها از جزئیات متنوع و الگوریتم‌های گوناگونی بهره می‌گیرند. در این سیستم‌ها، پایگاه داده‌ای با جمع‌آوری و تحلیل داده‌های فردی سربازان از جمله داده‌های حرکتی، تصویری، گفتاری و عملکردی شکل می‌گیرد. سپس الگوریتم‌های یادگیری ماشین برای تحلیل و پیش‌بینی نیاز‌های آموزشی هر فرد بر اساس داده‌های جمع‌آوری شده بر روی پایگاه داده‌ها عمل می‌کنند.
بخش دیگر این سامانه‌ها ایجاد سیستم‌های تصمیم‌گیری پویا بر اساس تغییرات عملکردی و نیاز‌های آموزشی فرد است که منجر به پیش‌بینی نیاز‌های آموزشی می‌شود. برای پیش‌بینی نیاز‌های آموزشی از الگوریتم‌های پیش‌بینی استفاده شده و تطبیق محتوا انجام می‌شود، یعنی محتوای آموزشی بر اساس نیاز‌ها و سطح مهارت فرد با استفاده از الگوریتم‌های تطبیق محتوا تنظیم می‌شود. مرحله آخر پیاده سازی چنین سیستم هوشمندی ایجاد سامانه بازخورد فراوان بر اساس عملکرد فردی و برای بهبود فرایند آموزش است. به منظور جلب توجه و اشتیاق سربازان به طرح آموزش از الگوریتم‌های تعامل بازیگوشانه استفاده می‌شود. با استفاده از ترکیب این الگوریتم‌ها و روندها، سیستم‌های آموزش متن‌باز مبتنی بر هوش مصنوعی قادر به ارائه تجربه آموزشی فردی و بهینه برای هر سرباز می‌شوند.
قوای نظامی همواره می‌کوشند از پیشرفته‌ترین تجهیزات و تکنولوژی‌های دنیا برای به روز رسانی خود استفاده کنند و در این میان توجه بسیاری از کشور‌ها به هوش مصنوعی برای تقویت قوای دفاعی و آموزش و تمرین نظامی جلب شده است. آمریکا با پروژه «محیط آموزشی مصنوعی»[۱۵] یا STE هوش مصنوعی پیشرفته را وارد بحث آموزش و تمرین نظامی کرده است. این پروژه با هدف ایجاد یک محیط شبیه‌سازی پیشرفته برای آموزش و تمرین نیرو‌های مسلح از سربازان تا فرماندهان طراحی شده است که توانمندی‌های نظامیان را ارتقاء داده و عملکرد آن‌ها را در شرایط مختلف بهبود دهد.
در این پروژه از تکنولوژی‌های پیشرفته و هوش مصنوعی مانند واقعیت مجازی، واقعیت افزوده، تحلیل داده‌های انبوه و اینترنت اشیاء جهت ایجاد یک محیط تمرین شبیه سازی شده استفاده گردیده است. در این پروژه محیط‌های مختلفی مانند شهرها، محیط‌های جغرافیایی گوناگون و تجهیزات و تسلیحات متنوع مدل شده و سربازان با آن‌ها به تمرین می‌پردازند. به کمک این سیستم تعامل و همکاری بین سربازان در حین تمرین افزایش یافته، هزینه‌ها و زمان لازم برای اجرای دوره‌های آموزشی کاهش چشمگیر می‌یابد. این پروژه کمک کرده است تمرینات نظامی آمریکایی با جذابیت بیشتری طراحی شده و علاقه نیرو‌های آموزشی را بر انگیزد. در این پروژه از بسیاری بخش‌ها و رویکرد‌هایی که پیشتر شرح داده شد استفاده شده است.
به نظر می‌رسد تا این زمان چین، روسیه، انگلیس، اسرائیل و دولت‌های دیگر از هوش مصنوعی و امکانات پیشرفته آن برای ارتقای سطح آموزش و تمرین نیرو‌های نظامی خود استفاده می‌کنند. اگرچه اطلاعات و داده‌های زیادی از این تمرینات و جزئیات هوش مصنوعی به کار رفته در آن‌ها در معرض اطلاع عمومی قرار نگرفته است. استفاده از واقعیت مجازی یکی از پرکاربردترین رویکرد‌های تمرین نظامی است که در ارتش‌های پیشرفته پیاده سازی شده است. این تکنولوژی به همراه سیستم‌های جمع‌آوری داده و پردازش آن می‌تواند سطحی از هوشمندی را به نحوی ساده به کار تمرینات نظامیان بگیرد.
پی‌نوشت‌ها:
[1] VBS3: Virtual Battlespace 3
[2] DCS World: Digital Combat Simulator World
[3] Steel Beasts Pro PE
[4] Arma 3
[5] Deep Neural Networks
[6] Reinforcement Learning Algorithms
[7] Q-learning
[8] Deep Q Network (DQN)
[9] Supervised Learning
[10] K-Nearest Neighbors
[11] Natural Language Processing: NLP
[12] Augmented Reality: AR
[13] Virtual Reality: VR
[14] Feature Extraction
[15] Synthetic Training Environment
