외국 무기에 인공 지능 기술 적용
현재 인공 지능 (AI) 기술은 전 세계적으로 널리 사용되고 있습니다.
AI 기술은 머신 러닝, 인공 신경망 및 빅 데이터 기술 (이종 데이터의 초대형 배열)을 기반으로합니다. AI는 다양한 목적으로 복잡한 기술 시스템에서 사용할 수 있습니다. 그것의 독특한 특징은 높은 적응성과 자기 학습입니다. AI의 이론적 기초는 확률 이론, 수학적 통계, 인공 신경망, 퍼지 논리, 심리학, 언어학 및 컴퓨터 기술로 구성됩니다.
직관이 무의식적 패턴 인식으로 판명 되었기 때문에 AI는 다른 사람의 행동을 예측하는 것과 관련하여 직관이 필요한 문제를 해결하는 데 이미 인간을 능가했습니다 [1]. AI는 매우 빠르거나 너무 느린 프로세스를 관리하고 모니터링하는 데 없어서는 안될 필수 요소입니다. 수학적 분석은 또한 계산 알고리즘만으로는 근본적으로 해결할 수없는 문제가 있음을 보여줍니다 [2].
경제의 상업 부문에서 AI 기술은 다음 문제를 해결하는 데 널리 사용됩니다.
-간섭이있는 경우 다국어 음성 스트림의 인식 및 번역
-텍스트 인식, 텍스트의 감정 인식, 문구의 연속 예측, 텍스트 번역;
-다량의 데이터에서 자연어로 된 원본 텍스트 생성
-암호화 (텍스트 해독), 유기체 게놈 해독;
-XNUMX 차원 이미지를 XNUMX 차원으로 병합 (예 :지도 제작, 단층 촬영, 방사선학)
-얼굴 인식, 사진의 감정 인식, 사진의 진위 인식, 손글씨 텍스트 인식, 영역 이미지 인식;
-건물 및 구조물의 강도 예측;
-지능형 교육 시스템
-재무 계획, 판매, 주식 시장 게임, 증권 포트폴리오 관리, 대출 발행 가능성 평가 (신청자의 신용도 및 대출 규모 평가)
-물류 (상품 및 구성품의 이동 주문 및 관리)
-의료 시스템의 복잡한 데이터 분석, 진단 및 치료, 의약품 선택, 정신 상태 예측;
-멀웨어 검색
-사이버 취약성 검색
-블러핑 가능성이있는 카드 게임을 포함한 게임
-기술 시스템의 진단;
-특정 판사의 사 법적 결정에 대한 예측을 포함한 법률 자문 및 형사 소송
-3 가지 물리적 환경에서 자율적이고 자동화 된 내비게이션 (차량 교통 관제)
-유연한 교통 규제 (신호등 제어)
-정리 증명, 가설 형성, 전문가 시스템을위한 지식 기반 형성;
-복잡한 물체의 합성 : 신약 합성, 원하는 특성을 가진 복잡한 유기 화합물 합성, 새로운 유기체를위한 게놈 합성.
각 직책에 대한 총 소프트웨어 제품 수는 매우 많습니다. 표 1에는 상용 AI 소프트웨어 제품의 몇 가지 예가 나와 있습니다.
표 1
일반적으로 모든 주요 글로벌 (Google, Facebook, Amazon) 및 러시아어 (Vkontakte, Mail.group, Yandex) IT 회사는 AI 기술 (텍스트 번역, 이미지 인식)을 통해 상용 제품 (소셜 네트워크, 온라인 서비스) 서비스를 제공합니다. , 사용자 환경 설정, 스팸 및 멀웨어, 해당 지역의 이미지) 사용자로부터 명시 적으로 또는 은밀하게 작동합니다.
외국의 무기 시스템에서 AI 기술의 보급은 현재 경제의 상업 부문보다 열등하지만, 이러한 시스템에서는 방공 및 미사일 제어 시스템을 포함하여 이러한 기술의 사용이 폭발적으로 증가하고 있습니다. 방어 시스템.
AI 기술의 가장 큰 채택은 미국, 이스라엘 및 영국 군대에서 발견되었습니다. 예를 들어, 미국 국방부 (DoD)는 AI를위한 JAIC 공동 센터와 AI 태스크 포스 A-AITF를 설립했습니다.
Carnegie Mellon University는 DoD를위한 AI 기술의 주요 개발자가되었습니다.
또한 15 년 2014 월 3 일 척 헤이 겔 미 국방 장관은 국방 혁신 이니셔티브 (DII) 성명에서 대규모 군사력을 통해 세계에서 군사적 우위를 확보하기위한 방법으로 제 3 차 오프셋 전략 (CK-XNUMX)을 발표했습니다. 무기 시스템에서 AI 사용 [XNUMX]. 전쟁 분야에 AI의 도입은 화약과 핵의 발명과 같은 방식으로 국방부 전문가에 의해 평가됩니다. оружия: 이것은 무장 투쟁의 패러다임을 완전히 바꿀 수있는 요인이다 [4].
AI는 국가의 인구와 경제의 힘, 그리고 다른 한편으로는 군대의 전투 효과 사이의 연결을 끊을 수있을 것으로 예상됩니다.
AI 기술의 도입을 통해 무기 시스템을 개선하는 것은 무기 시스템을 현대화하는 가장 저렴하고 비용 효율적인 방법입니다.이 접근 방식에는 재료, 부품, 전자 부품 기반 (EEE), 목업 및 프로토 타입 생산 비용, 테스트 비용이 포함되지 않습니다. 볼륨이 적기 때문에 감소합니다. 또한 이러한 기술은 재료, 전자 부품 및 생산 장비의 해외 공급에 의존하지 않습니다. 미국의 경험에 따르면 AI는 기존 무기는 물론 구식 무기에도 새로운 특성을 부여 할 수 있습니다.
이전에 명명 된 국가의 무기 시스템에 사용되는 거의 모든 AI 기술은 인공 신경망을 기반으로합니다. 이를 기반으로 한 전문 AI가 사용됩니다.
-자율 (무인) 차량 (항공, 수중 및 지상 환경 용)
-미사일 방어 시스템 (THAAD, Patriot)의 제어 시스템과 개발 된 지향성 에너지 무기 시스템에서 AI는 의사 결정 속도로 표적의 초음속 속도에 반대 할 수 있습니다.
-에 항공 조종사 훈련을위한 시뮬레이터, 특히 조종 가능한 공중전에서 AI가 조종사보다 안정적으로 우세하는 경향이있다 [5];
-무기의 악성 소프트웨어 (소프트웨어) 및 사이버 취약점을 검색합니다.
DoD 용으로 개발중인 AI 무기 설계의 몇 가지 예가 표 2에 나와 있습니다.
표 2
대공 미사일 방어 군의 CSA에서 AI 기술 적용 가능한 분야
현재까지 방공 미사일 방어 군 (이하 방공 미사일 방어 군이라고 함)의 대형, 군부대 및 소단위의 자동화 장비 시스템 (KSA)은 주로 고전적인 계산 알고리즘을 사용합니다. 동시에, 전투 과정에서 항공 우주 방위 지휘소의 전투 팀 인원에 의해서만 해결되거나 전혀 해결되지 않는 많은 작업이 있습니다.
예를 들어, 목표 할당 작업은 낮은 군대의 전투 승무원 훈련 수준, 레이더 초상화를 통한 목표 등급 인식, 목표 궤적 예측 및 목표 전술 지정을 고려하여 자동으로 해결되지 않습니다. 명백한 "목표 (예 : 탄도 목표)). 이것에 대한 간접적 인 확인은 통제 목표를 작업하거나 범위에서 훈련 및 전투 사격을 할 때 승무원 지휘관이 KSA 및 전투 통제 지점 (PBU)의 자동 작동 모드를 선택하는 결정을 거의 내리지 않는다는 사실 일 수 있습니다.
동시에 전투 승무원은 스트레스, 피로를 겪고 이질적인 수준의 교육을 받으므로 위의 작업을 해결하는 품질의 안정성을 보장 할 수 없습니다. 또한 AI 시스템은 군인과 달리 서로 간 또는 운영자와의 심리적 호환성 문제가없고 재교육도 용이하다.
미국과 다른 여러 주요 세계 강대국이 외부 지원없이 경쟁 공간에서 작동 할 수있는 AI를 갖춘 완전 자율 공격 무인 항공기 (UAV)를 만드는 데 막대한 투자를하고 있다는 사실에 심각한 관심을 기울일 필요가 있습니다. (1 번 테이블). 따라서 가까운 장래에 방공 및 미사일 방어 군은 자율 무인기가 유인 플랫폼의 지능과 무인 플랫폼의 기동성 특성을 결합하여 대공 전투의 역학을 크게 증가시키고 복잡하게 만드는 상황에 직면하게 될 것입니다. 자연. 방공 미사일 방어 군 지휘소의 전투 승무원은 그러한 환경에서 실시간으로 결정을 내릴 수 없습니다.
러시아 무기 AI 분야의 명백한 지연에도 불구하고 오늘날 미군 무기에서 AI의 보급이 소프트웨어 제품의 상업 부문보다 현저히 열등하다는 사실을 취소해야합니다. 이 부문의 국내 및 해외 군사 장비는 잠재적 으로이 휴식을 줄일 수 있습니다.
AI는 다음과 같은 주요 작업을 해결하는 데 적용 할 수 있습니다. 해결할 수없고 방공 미사일 방어 군의 KSA의 전통적인 계산 알고리즘으로 완전히 해결되지 않았습니다.
-신호 기호에 의한 표적의 등급 및 유형 인식, 간섭 배경에 대한 표적 식별 (무선 주파수 범위의 이미지 인식 문제 해결)
-궤적 특징에 의한 표적의 유형 및 등급 인식;
-표적 표지, 지형 및 방어 물체에 대한 정보의 조합에 의한 표적 및 표적 그룹의 전술적 지정 인식 (적 공격의 의도를 드러냄)
- "지능형"간섭을 사용하여 다양한 미끼, 함정, 항공기 무기를 발사하는 표적을 포함하여 적극적으로 기동하고 분리하는 표적을 추적합니다.
-통제 된 화재 및 정찰 수단의 전투 승무원 준비 수준을 평가하는 문제를 해결합니다 (실제 규모, 즉 전투 중 직접 및 누적-이전 전투 경험의 결과를 기반으로 함).
-클래스 및 전술적 목적에 따라 표적의 움직임과 행동을 예측하고 하위 전투 팀의 훈련 수준을 모두 고려하여 표적 할당 및 표적 지정 문제를 해결합니다.
또한 AI가있는 KSA는 다음과 같은 보조 작업을 해결할 수 있습니다.
-지배 문서에 의해 수립 된 일반적인 상황에서 다양한 계산 숫자의 동작 알고리즘 자동화 (예 : 침입 항공기를 감지 할 때 작전 담당관의 행동, 최고 수준의 전투 준비 상태 등)
-다양한 훈련 습격의 생성 (습격 형성 및 파업 계획의 구현에 대한 지원), 훈련 목표의 상호 작용 (연수생 계산의 행동과 관련하여) 행동의 구현;
-KSA 자체의 결함 단위를 식별하고 전투 작전 중 조치 결과를 기반으로 종속 자산의 서비스 가능성을 평가하는 계산 지원.
이러한 KSA는 대공 전투 준비 및 수행 과정 에서뿐만 아니라 방공에서의 전투 임무 해결에서도 효과적으로 과제를 해결할 수 있습니다.
무기 시스템 개발의 다음 단계에서 AI 기술은 문제 해결에 적용 할 수 있습니다.
-간섭의 배경에 대한 표적 인식;
-전투 작전의 자체 학습 및 시뮬레이션 (시뮬레이션 중 자체 학습 포함)
-훈련 전투 및 전투 작전 중 자동 지식 추출 (긍정적 경험)
-KSA 적용 지역에서 적의 전술의 특성에 대한 지식의 축적 및 적용
-다량의 이기종 정보 (빅 데이터 기술)로 공통 정보 공간 문제 해결 : 기상 조건, 시간, 지형, 공학, 방사선, 화학적 및 생물학적 조건, 비 레이더 (무선 및 무선 공학, 광학, 지능) 지능 정보.
따라서 AI가 포함 된 CSA는 훈련 가능 (즉, 다른 제어 지점에서 다른 전투 승무원이 획득하고 체계화 한 새로운 전투 경험을 추가로 취할 수 있음) 및자가 학습 (즉,이를 기반으로 휴리스틱 알고리즘을 수정할 수 있음) 특성 특정 지형, 적, 상호 작용하는 힘, 종속 수단을 고려한 자신의 전투 경험).
AI 기술은 가장 경험이 많은 전투 승무원의 경험, 방공 미사일 방어 군의 모든 승무원에 대한 실제 전투 작전 경험의 적용 및 전파를 자동화 할 수있게합니다.
KSA with AI는 개발 과정에서 인공 지능 기술의 다른 응용 분야 (예 : 체스)에서 발생했던 것과 유사하게 항공 우주 적을 처리하기위한 근본적으로 새로운 전술을 형성 할 수 있습니다. 양면 전투 액션의 단순한 모델로 간주됩니다.
예를 들어 7 년 2017 월 8 일에 Google의 AlphaZero 소프트웨어는 2016 년 컴퓨터 프로그램 세계 챔피언 Stockfsh 6을 상대로 우승했습니다 [8]. Stockfsh 70은 수백 년 동안 체스를하면서 얻은 인간의 경험과 수십 년에 걸친 체스 프로그램의 데이터에 액세스했습니다. 그녀는 초당 80 천만 개의 체스 위치를 분석 할 수 있습니다. AlphaZero의 계산 속도는 초당 8 만 회에 불과했으며 프로그램 제작자는 표준 오프닝조차도 그녀의 체스 전략을 가르치지 않았습니다. 체스를 마스터 할 때 AlphaZero는 가장 현대적인 기계 학습 방법을 사용하여 스스로 놀았습니다. 그럼에도 불구하고 Stockfsh 28과의 72 경기에서 AlphaZero는 8 승 4 패를 기록했습니다. AlphaZero는 체스를 배우고 Stockfsh XNUMX과의 경기를 준비하는 데 XNUMX 시간이 걸렸습니다. XNUMX 시간 만에 인간의 도움없이 AlphaZero 프로그램은 완전한 무지에서 정점에 도달했습니다. 즉, AlphaZero는 수천 년 동안 인류 전체보다 XNUMX 시간 만에 더 효과적인 게임 전략을 찾았습니다.
방공 미사일 방어 군의 KSA를 위해 만들어진 AI 기술과 그 개발 경험은 미래에 군대의 다양한 통제 수준의 다른 통제 시스템으로 쉽게 확장 될 것입니다. 러시아.
대공 미사일 방어 군의 CSA에서 AI 기술 구현에 대한 가능한 접근 방식
AI로 시스템을 만드는 분야에서 러시아 개발자의 제한된 경험으로 인해 이니셔티브 R & D (또는 예비 프로젝트)를 통해 방공 미사일 방어 부대의 CSA에서 사용할 AI 기술 개발 작업을 시작하는 것이 좋습니다. AI로 유망한 CSA를 만들기위한 기술을 결정 (선택)합니다.
첫 번째 단계에서는 개발 위험을 줄이기위한 최적의 솔루션은 기존 ECB를 사용하여 구축 된 공식 로직 (지식 기반이있는 전문가 시스템)이있는 휴리스틱 알고리즘을 기반으로하는 AI 기반 CSA 일 수 있습니다. 이 접근법은 더 저렴하고 구현하기 쉽습니다.
특수 ECB 및 기술 역량의 개발로 KSA의 추가 개발은 인공 신경망을 기반으로 한 AI 기술의 도입이 될 것입니다.
제안 된 연구 작업의 틀 내에서 해결을 위해 다음 작업을 설정하는 것이 좋습니다.
1. 기존의 상업 및 군사 외국 정보 및 기술 시스템과 AI 기술이 사용되는 러시아 경제 상업 부문의 유사한 시스템에 대한 다양한 출처 (정보 네트워크, 정기 간행물, 서적)로부터 정보 수집. 정보의 체계화. AI가 해결하는 상업 및 군사 부문의 과제와 대공 미사일 방어 군의 적대 행위 중 발생하는 과제의 대응을 검색하십시오.
2. 도메인 온톨로지 구축. KSA에서 방공 미사일 방어 군 사용을위한 최적의 AI 기술 선정 및 정당화 인공 지능으로 문제를 해결하기위한 최적의 자동화 수준 선택 및 정당화.
3. AI로 CSA 지식 기반을 구축하기위한 최적의 방법 선택 및 정당화.
4. 전투 승무원의 직원으로부터 필요한 지식과 경험을 추출하기위한 최적의 방법의 선택 및 입증, 전투 작전의 기존 경험을 구성하는 방법.
이 연구 작업을 수행하면서 얻은 과학적, 기술적 결과는 차세대 CSA 생성을위한 개발 작업 과정에서 향후 적용되어야합니다.
조사 결과
미래의 무력 충돌에서 중기 적으로 무게 중심은 무기 통제와 정찰 시스템 간의 대결로 이동할 것입니다. 왜냐하면 세계에서 군사적 지배를 보장하기 위해 미국은 대규모 사용 전략을 선택했기 때문입니다. 무기 시스템의 AI는 역사적인 회고는 다른 국가가 같은 길을 따르도록 강요합니다.
세계 유망 강대국의 유망한 첨단 지능형 방공 미사일 시스템에 대응할 수있는 효과적인 해결책 중 하나는 대공 미사일 방어 부대에 AI 기술을 도입하는 것입니다.
이러한 CSA의 생성은 알고리즘 본질에서 유사한 작업이 해결되는 다른 기술 분야의 전문가 시스템 기술을 선택하고 구현하는 것으로 시작해야합니다.
참고 문헌 :
1. 브라이언 D. 리플리. 패턴 인식 및 신경망. 케임브리지 : Cambridge University Press, 2011.
2. 로저 펜로즈. 큰 것, 작은 것, 인간의 마음. 케임브리지 대학 출판부, 1997.
3. URL : http://archive.defense.gov/pubs/OSD013411-14.pdf
4. URL : https://www.csis.org/analysis/assessing-third-offset-strategy
5. Nicholas Ernest et al., Simulated Air Combat Missions에서 무인 전투 항공기 제어를위한 Genetic Fuzzy 기반 인공 지능, Journal of Defense Man-agement 6 : 1 (2016), 1-7.
6. Google의 AlphaZero, 100 게임 매치에서 Stockfsh 파괴, Chess.com, 6 년 2017 월 100 일, URL : https://www.chess.com/news/view/google의 alphazero, 11.02.2018 년 XNUMX 월 XNUMX 일 접속, XNUMX 게임 매치에서 스톡 피쉬 파괴 .