Quando la persona media pensa all’intelligenza artificiale e ai robot, ciò che spesso viene in mente sono visioni post-apocalittiche di macchine spaventose, super-intelligenti che conquistano il mondo o persino l’universo. La serie di film Terminator è un buon riflesso di questa paura dell’IA, con la tecnologia di base dietro le macchine intelligenti alimentate da Skynet, indicata come “mente di gruppo cosciente basata su rete neurale artificiale e sistema di superintelligenza generale artificiale”. Tuttavia, l’IA di oggi non assomiglia affatto alla preoccupante rappresentazione della fantascienza. Piuttosto, l’IA sta svolgendo molte attività noiose e manuali e sta fornendo valore dai sistemi di riconoscimento e conversazione ai sistemi di analisi predittiva di corrispondenza e sistemi autonomi.
In tale contesto, il fatto che i governi e le organizzazioni militari stiano investendo molto nell’intelligenza artificiale non dovrebbe essere tanto preoccupante quanto intrigante. I modi in cui l’apprendimento automatico e l’intelligenza artificiale vengono implementati sono entrambi banali dal punto di vista della possibilità per gli umani di svolgere meglio i loro compiti esistenti e molto interessante vedere come le macchine vengono rese più intelligenti per offrire agli umani una migliore comprensione e controllo dell’ambiente circostante.
John Fossaceca, APM per AI & ML for Maneuver & Mobility presso US Army Research Laboratory (ARL), che ha parlato a una recente IA nel governo, condivide anche alcuni spunti su come l’IA viene applicata quotidianamente come e dove stanno andando le cose con robot autonomi e altre macchine dell’esercito americano.
In che modo l’esercito sta attualmente sfruttando l’IA?
John Fossaceca: L’esercito sta sfruttando l’IA in molti modi, ad esempio nella manutenzione predittiva . Le tecniche di intelligenza artificiale possono aiutare a prevedere quando le parti del veicolo devono essere sostituite o riparate prima che il veicolo si rompa. Se ciò può essere fatto bene, si risparmia denaro e si aumenta la sicurezza operativa. Questo è stato implementato con il Bradley Fighting Vehicle e altri.
L’esercito ha una grande quantità di dati e molte tecniche di intelligenza artificiale e apprendimento automatico (AI / ML) richiedono grandi quantità di dati. Alcuni programmi che sfruttano i dati includono Project Maven che consuma i dati dai droni e aiuta ad automatizzare parte del lavoro svolto dagli analisti. Project Maven sfrutta alcuni strumenti di intelligenza artificiale standard come TensorFlow di Google e strumenti personalizzati creati internamente.
L’esercito ha attivamente condotto ricerche sull’intelligenza artificiale per migliorare i veicoli autonomi, la guerra elettronica e l’intelligenza del segnale, la fusione dei sensori e la realtà aumentata. L’intelligenza artificiale migliorerà la consapevolezza situazionale sul campo di battaglia e migliorerà il processo decisionale con programmi come l’iniziativa Joint All-Domain Command & Control (JAD-C2).
identificare le competenze e gli attributi che portano a prestazioni di successo che possono quindi essere utilizzate per trovare potenziali candidati per posizioni nell’esercito.
Presso il Army Research Laboratory (ARL) del Comando Capabilities Development Command, l’intelligenza artificiale è considerata un’area di ricerca primaria. ARL è il laboratorio di ricerca aziendale dell’Esercito e ha molte iniziative che sfruttano l’intelligenza artificiale. Ad esempio, il programma di ricerca essenziale intitolato Intelligenza artificiale per manovra e mobilità (AIMM) sta aprendo la strada a come l’esercito darà ai veicoli da combattimento di nuova generazione (NGCV) la capacità di operare fuori strada senza la necessità di essere sorvegliati da un soldato con una radio telecomando. Questi veicoli intelligenti di prossima generazione saranno in grado di ragionare su situazioni specifiche, condizioni ambientali e prendere le decisioni sulle migliori azioni da intraprendere mantenendo informati i compagni di squadra dei soldati e migliorando la consapevolezza della situazione generale.
A breve termine, l’esercito sta usando l’ intelligenza artificiale per sfruttare gli input di più sensori al fine di creare un quadro accurato delle minacce sul campo di battaglia e accelerare il processo di targeting e decisione in Project Convergence , un’iniziativa guidata dall’Esercito Futures Command.
Quali sono alcune sfide nell’esercito quando si tratta di adozione AI / ML?
John Fossaceca: L’intelligenza artificiale commerciale si basa su vaste risorse informatiche e una grande quantità di dati, incluso il cloud computing, può essere recuperata quando necessario. L’intelligenza artificiale di Battlefield, d’altra parte, deve operare entro i limiti dei dispositivi periferici: i processori per computer devono essere relativamente leggeri e piccoli con una larghezza di banda di comunicazione potenzialmente limitata in condizioni contraddittorie.
Nelle applicazioni dell’esercito spesso non ci sono abbastanza dati di addestramento o i dati sono corrotti o rumorosi. Gli ambienti operativi tendono a cambiare in modo dinamico e talvolta non sono strutturati con strade, edifici e infrastrutture danneggiati. Esistono dati eterogenei da molte fonti, a volte questi dati sono ingannevoli o influenzati dagli avversari.
Le tecniche di IA di oggi tendono ad essere fragili e possono guastarsi anche in condizioni operative ideali. Questi metodi sono molto limitati nella loro capacità di ragionare, specialmente in tempo reale. Esistono alcuni sistemi distribuiti che propongono funzionalità AI che sono limitati a regole hardcoded e non hanno la capacità di ragionare e dedurre dagli input dai sensori e da altri sistemi e non forniscono una valutazione situazionale migliorata.
Molti approcci di IA dipendono dall ‘”apprendimento supervisionato” (ad es. L’apprendimento profondo) e queste tecniche creano modelli enormi, spesso con da 10 a 100 milioni di parametri appresi in modalità “basata su batch” su potenti infrastrutture informatiche. L’esercito ha bisogno di alternative a questi metodi di addestramento offline e che richiedono tempo.
In definitiva, i sistemi attuali non sono in grado di funzionare autonomamente e richiedono costante attenzione umana, intervento e controllo manuale. Nel 2018 stavamo guardando l’apprendimento dal feedback in cui un osservatore umano avrebbe semplicemente fornito un segnale positivo o negativo all’agente intelligente e abbiamo dimostrato che potevamo ridurre drasticamente il tempo di apprendimento di ordini di grandezza. Stiamo estendendo questa ricerca all’apprendimento dalla dimostrazione di cui parlerò presto.
Mentre la nostra ricerca procedeva, ci siamo resi conto che abbiamo bisogno di un modo per interagire e comunicare con agenti intelligenti in modo naturale. Oltre al semplice dialogo e fondamento naturali, sorgono molti problemi a causa della mancanza di una comprensione condivisa del mondo e del “ragionamento del senso comune”. Queste carenze vengono affrontate attraverso numerosi programmi di ricerca nell’ambito della seconda linea di sforzi di AIMM: il processo decisionale consapevole del contesto.
In che modo l’esercito sta lavorando per portare i propri dati in uno stato utilizzabile per AI / ML?
John Fossaceca: Ci sono molte iniziative per la raccolta e l’etichettatura dei dati su cui l’esercito e il DoD stanno preparando i dati per l’uso con algoritmi AI. Ad esempio, Project Maven ha molti video di droni militari. A volte l’etichettatura viene eseguita attraverso tecniche di crowdsourcing a seconda del livello di classificazione. Altre iniziative includono il lavoro di ARL per raccogliere internamente dati da varie località e con partner di ricerca per curare ed etichettare i dati da una varietà di terreni. ARL ha un campus di collaborazione per la ricerca sulla robotica (R2C2) nel Maryland, dove vengono raccolti i dati e vengono condotti esperimenti autonomi.
Oltre al progetto Maven, ci sono diversi sforzi in tutto il DoD per l’analisi dell’intelligence usando strumenti all’avanguardia. Molti di questi progetti si concentrano sul rilevamento di oggetti specifici nelle immagini utilizzando metodi di apprendimento profondo e ciascuno di questi programmi richiede che grandi quantità di dati vengano puliti, curati ed etichettati per essere utili. Questi sforzi richiedono anche una pipeline di intelligenza artificiale composta da storage, toolkit algoritmici, risorse di elaborazione, strumenti di test e distribuzione. Spesso vengono sviluppati standard di formato dei dati per garantire la coerenza tra esperimenti e test e fornire agli utenti un ambiente familiare. Questi repository di dati devono essere catalogati e accessibili agli utenti, nonché avere utili descrizioni dei dati in essi contenuti. Ci sono alcuni sforzi per standardizzare queste informazioni di accesso attraverso diversi database per renderne più semplice l’utilizzo da parte della comunità dell’intelligence.
In che modo l’esercito sfrutta veicoli autonomi abilitati all’intelligenza artificiale per manovra e mobilità?
John Fossaceca: Nella strategia dell’Esercito dei sistemi robotici e autonomi (RAS), il Generale Daniel B. Allyn, Vice Capo di Stato Maggiore, afferma: “L’integrazione della RAS aiuterà le future forze dell’esercito, che operano come parte di squadre congiunte, a sconfiggere le organizzazioni nemiche, controllare il terreno, proteggere le popolazioni e consolidare i guadagni. Le capacità di RAS consentiranno inoltre alle future forze dell’esercito di condurre operazioni coerenti con il concetto di battaglia multidominio, proiettando il potere verso l’esterno dalla terra ai domini marittimi, spaziali e del cyberspazio per preservare la libertà di movimento e di azione della Forza congiunta “.
Secondo la strategia RAS “Un’efficace integrazione di RAS migliora la capacità delle forze statunitensi di mantenere la sovrapposizione e rende un nemico incapace di rispondere efficacemente. L’esercito deve perseguire con urgenza le capacità RAS perché gli avversari stanno sviluppando e impiegando una vasta gamma di tecnologie RAS avanzate, nonché impiegando nuove tattiche per interrompere i punti di forza militari statunitensi e sfruttare le debolezze percepite “
Per realizzare la visione definita nella strategia RAS, i veicoli autonomi dovranno garantire la “libertà di manovra” riducendo al contempo i rischi per i soldati. Ciò richiederà una collaborazione autonoma tra uomo e macchina. I veicoli saranno compagni di squadra per i soldati sul campo di battaglia piuttosto che un altro pezzo di equipaggiamento. Questi “team integrati uomo-macchina consentiranno alle forze di apprendere, adattarsi, combattere e vincere in situazioni incerte”.
L’intelligenza artificiale è uno dei fattori chiave per questi sistemi autonomi intelligenti. Questi sistemi saranno in grado di affrontare avversari vicini o pari che possono operare a velocità elevate consentendo alle nostre forze di prendere decisioni più rapidamente. L’esercito dovrà anche fare i conti con il fatto che anche i nostri avversari useranno i propri sistemi autonomi. Con maggiore autonomia, i sistemi autonomi robotizzati saranno meno dipendenti da collegamenti di comunicazione che sono spesso inaffidabili in condizioni di campo di battaglia a causa di problemi di blocco o di capacità.
In termini di priorità, la strategia RAS richiede miglioramenti a breve termine nella consapevolezza situazionale e contribuendo a ridurre il carico fisico sui soldati. A medio termine, le “operazioni automatizzate di convoglio” non solo aiuteranno a sostenere, ma proteggeranno i soldati. A lungo termine, i veicoli autonomi eseguiranno manovre tattiche avanzate e “aumenteranno le capacità all’interno delle squadre di combattimento delle brigate”.
Quali sono alcune sfide ambientali uniche che incidono sulla ricerca che riguarda veicoli e attrezzature autonomi?
John Fossaceca: Oltre al terreno complesso e agli ambienti non strutturati in cui opera l’Esercito, l’ambiente spesso è costituito da avversari e questi avversari possono essere imprevedibili. L’esercito ha una ricerca che si concentra in particolare sui cosiddetti “comportamenti tattici”, cioè quali sono le formazioni specifiche che i veicoli autonomi dovrebbero utilizzare? Come può un veicolo autonomo raggiungere una posizione di vantaggio rispetto a un avversario? Come può funzionare un veicolo autonomo senza essere rilevato da una forza nemica? L’esercito ha svolto ricerche sull’esplorazione sotterranea autonoma e, al fine di rendere operativa l’autonomia, i veicoli da combattimento di nuova generazione dovranno essere in grado di ragionare sulla possibilità di tutte le potenziali rotte, anche sui passaggi d’acqua.
In che modo la ricerca dell’ARL sui veicoli autonomi differisce da ciò che l’industria sta facendo?
John Fossaceca: Spesso, nei contesti dell’esercito perché non sono disponibili grandi quantità di dati etichettati militarmente rilevanti, quindi un’area di ricerca molto importante che ARL sta perseguendo sono algoritmi AI che possono apprendere con molti meno esempi rispetto ai tradizionali approcci supervisionati. In concerto con questi, l’esercito ha sviluppato alcuni approcci senza supervisione per cose come la segmentazione della scena che può usare metodi di auto-etichettatura. Tuttavia, tali metodi richiedono ancora molta potenza di calcolo ed è difficile da eseguire in tempo reale sul veicolo autonomo. Per aiutare a risolvere questo problema, l’esercito ha diversi scienziati informatici specializzati in architettura e algoritmi informatici per adottare metodi avanzati e farli funzionare entro le dimensioni del processore e i vincoli di potenza dei veicoli autonomi dell’esercito.
L’esercito ha sfide tecniche uniche che il settore commerciale non sta affrontando. I veicoli autonomi generalmente non operano in un ambiente contestato in tutti i settori. Certamente ci sono persone, ostacoli e eventi a volte inaspettati, tuttavia si verificano operazioni militari in ambienti molto incerti, terreni complessi e pericolosi che possono essere riempiti con avversari e altri pericoli.
La prima istanza di questo sarà teleoperata e man mano che l’esercito gestisce questi veicoli, impareremo come impiegare robot sul campo di battaglia. Ciò informerà i comportamenti autonomi che dobbiamo sviluppare. In definitiva, i veicoli da combattimento di nuova generazione avranno la possibilità di apprendere sul campo, adattarsi alla situazione attuale, ragionare e agire efficacemente a sostegno della missione operativa multidominio.
Qual è una visione unica delle tue sfide AI che altri potrebbero essere interessati a imparare?
John Fossaceca: La recente ricerca dell’Esercito ha trovato successo con tecniche di apprendimento di rinforzo profondo che sfruttano la dimostrazione e il feedback umani. I metodi più recenti hanno avuto successo nel ridurre notevolmente il tempo necessario per addestrare un sistema su nuove attività. Altre ricerche che implicano l’apprendimento dalla dimostrazione umana stanno mostrando una promessa e un’utilità precoci per la riqualificazione del campo di battaglia con il potenziale per l’apprendimento in tempo reale usando esempi limitati. Queste tecniche sembrano consentire il trasferimento dell’apprendimento, ovvero l’apprendimento in una serie di condizioni e il funzionamento in una nuova serie di condizioni senza la necessità di allenarsi da zero.
In che modo l’esercito immagina il combattente e il campo di battaglia del futuro?
John Fossaceca: La visione dell’esercito sul futuro campo di battaglia avrà una formazione senza pilota diversi chilometri prima di una formazione con equipaggio. Un obiettivo è fare in modo che i sistemi autonomi facciano area e instradino la ricognizione per trovare o stabilire un contatto con il nemico e allo stesso tempo fornire supporto ai soldati.
Quanto è importante l’IA per la visione dell’esercito del futuro?
John Fossaceca: l’ intelligenza artificiale sarà un fattore determinante per il futuro successo delle operazioni multidominio. Secondo l’ex segretario dell’esercito e l’attuale segretario alla Difesa, Mark Esper , “… se riusciamo a dominare l’IA … allora penso che ci posizionerà davvero meglio per assicurarci di proteggere il popolo americano. Per vincere sul futuro campo di battaglia ci impone di agire più velocemente dei nostri nemici, mettendo le nostre truppe e risorse a un rischio inferiore … Chiunque arrivi per primo manterrà un vantaggio decisivo sul campo di battaglia per gli anni a venire. “
L’attuale segretario dell’esercito, Ryan McCarthy, ha dichiarato che le tecnologie e le capacità basate sul cloud sono fondamentali per “massimizzare l’IA”. McCarthy vuole vedere l’infrastruttura cloud messa in atto come motore per il progresso dell’IA. Secondo McCarthy, questo sarà fondamentale per il processo decisionale sul campo di battaglia.
Qual è la prospettiva dell’esercito sull’etica e l’uso responsabile dell’IA?
John Fossaceca: L’esercito e il DoD nel suo insieme si occupano di AI Ethics e lo scorso ottobre una bozza di ” Raccomandazioni sull’uso etico dell’intelligenza artificiale “. Queste regole si applicheranno a tutti i militari statunitensi. L’esercito americano avrà umani che avranno il controllo di tutti i sistemi abilitati all’IA.
La Task Force AI dell’Esercito ha un ufficiale di etica che aiuta a informare le politiche di etica dell’IA. Ryan McCarthy, segretario dell’esercito, “Un sistema può sgranocchiare i dati molto rapidamente e darti una risposta, ma non ha contesto”, ha detto. “Solo un essere umano può portare il contesto a una decisione.”
Cosa stai facendo per ottenere una forza lavoro pronta per l’IA e un combattente di guerra? Stai fornendo formazione e istruzione sull’intelligenza artificiale?
John Fossaceca: ARL e l’Esercito offrono molte opportunità agli studenti di svolgere tirocini e borse di studio SMART che aiutano gli studenti a pagare per l’educazione e in cambio lo studente lavorerà per l’Esercito per un periodo di tempo. ARL assume anche nuovi dottorandi come PostDocs e li porta a fare ricerche all’avanguardia. Alla fine alcuni PostDocs diventeranno dipendenti. Poiché l’intelligenza artificiale è un’area di competenza chiave, l’esercito assume sempre più scienziati e ingegneri con questa competenza.
Cosa stai facendo ora per addestrare i soldati a renderli più comodi lavorando insieme a sistemi e robot autonomi?
John Fossaceca: Poiché i tipi di sistemi autonomi di cui stiamo parlando sono ancora in fase di sviluppo, utilizziamo la simulazione nei nostri ambienti di addestramento per aiutare i soldati a sentirsi a proprio agio con i sistemi autonomi. L’esercito è in fase iniziale, ma ci sono alcune iniziative in corso come il Reconfigurable Virtual Collective Trainer (RVCT) che include piattaforme terrestri e aeree che offrono la possibilità di provare le missioni con dati simulati.
Molti degli sforzi di addestramento si concentrano su simulazioni realistiche di sistemi semi-autonomi e autonomi intelligenti che offrono ai soldati un’esperienza di addestramento coinvolgente. I soldati si allenano contro avversari virtuali in questo Synthetic Training Environment (STE) . Questi avversari virtuali sono impregnati di comportamenti intelligenti che hanno una certa imprevedibilità per simulare gli avversari, nonché un ragionevole livello di cognizione basato sulla leva dell’intelligenza artificiale all’avanguardia con ambienti realistici.
A livello di ricerca di base, ARL ha usato i soldati per interagire con prototipi autonomi per imparare come parlano i soldati e quali comandi tendono a usare. Questo ha anche aiutato alcuni soldati a imparare come si comportano i sistemi autonomi. Infatti, mentre i soldati si allenano con sistemi autonomi, tendono ad adattare la loro lingua nel tempo per comunicare e controllare in modo più efficace tali sistemi.
Quali tecnologie di intelligenza artificiale ti aspettano di più nei prossimi anni?
John Fossaceca: Stiamo facendo progressi nell’uso dell’intelligenza artificiale per ragionare sull’ambiente e poter raccomandare specifiche linee d’azione ai compagni di squadra dei soldati. Ciò rappresenterà il superamento di una stretta intelligenza artificiale, in cui agenti autonomi possono svolgere bene compiti molto specifici, potersi adattare a situazioni nuove mai viste prima. Determineranno quali azioni sono possibili e la probabilità di successo per ciascuna di queste azioni. Questa non è “AI generale”, cioè AI che può ragionare a un livello vicino agli esseri umani. Ciò che prevediamo in futuro è la capacità dei sistemi autonomi di elaborare ragionamenti sofisticati su una determinata situazione, prendere decisioni complesse e anticipare quali potrebbero essere i risultati per garantire il successo della missione.
