Célkövetésre még nem alkalmas a mesterséges intelligencia

Erre a következtetésre jutott az amerikai légierő, ám minden az adatok mennyiségén múlik.

Ahogy arról a napokban mi is írtunk, az Egyesült Államok tulajdonképpen már harcban áll Kínával, ebben a harcban pedig számos eltérő, olykor teljesen új eszközre is szükségük van. Arról szintén beszéltünk, hogy jövőre jön az új lopakodó bombázó, eközben azonban a mesterséges intelligencia teszteléséről, annak eddigi eredményeiről is beszámoltak az illetékesek.

A légierő egyik tábornoka a hónap közepén értekezett az általuk tesztelt platform eredményességéről és megbízhatóságáról, legalábbis ami a számára kijelölt célpontok felismerését, valamint azok követését illeti. Ez utóbbi két funkció nyilván kiemelten fontos a fegyveres erők számára, ugyanis az AI bevetésével, annak széles körű alkalmazásával nagyban javíthatnának a hatékonyságon, viszont a jelek szerint a platform erre még egyáltalán nem áll készen, hiszen az esetek alig 25 százalékában ismerte fel helyen a számára felmutatott célokat (amelyek többnyire orosz és kínai föld-levegő rakétákból álltak), ennél is rosszabb hír azonban, hogy 90 százalékban nagy magabiztossággal választott helytelenül a rendszer, vagyis egyértelmű, hogy még messze vannak a megbízható üzemeléstől.

Az illetékesek leszögezték, hogy gyakorlatilag minden a betáplált adatok mennyiségén múlik, az AI ugyanis ezek révén képezhető ki, tanítható meg a helyes felismerések és döntések meghozatalára. Ezzel kapcsolatban viszont komoly akadály, hogy az önvezető autókkal ellentétben egyáltalán nem könnyű a megfelelő adatok begyűjtése és azok felhalmozása, hiszen meglehetősen ritkán tudják lefotózni az ellenségesnek vélt államok fejlett fegyverrendszereit, azok elemeit, ez tehát már önmagában alaposan megnehezíti az úgynevezett mélytanulás folyamatát. Egyelőre nem látni világosan, hogy miként szeretnék áthidalni ezt a problémát, ám bízhatunk abban, hogy az amerikai szakértők gőzerővel dolgoznak a kérdésen. Az egyik potenciális megoldás az nVidia által kidolgozott eljárás, az Omniverse Replicator, amely szintetikus adatokkal, a valós objektumok külalakját utánzó ábrákkal, tréningeli a mesterséges intelligenciát, amíg az eléri a kívánt szintet.

Amint újabb részleteket (eredményeket) közölnek a jelenleg zajló tesztekről, erről mindenképpen beszámolunk majd.