В будущих вооруженных конфликтах победа будет одержана не той стороной, которая победит в технологиях создания огневых и разведывательных средств, а той, которая победит в технологиях создания систем управления. Скорейшее и масштабное внедрение технологий искусственного интеллекта (ИИ) в комплексах средств автоматизации (КСА) Войск ПВО-ПРО является наиболее эффективным решением по противодействию перспективным высокотехнологичным средствам воздушно-космического нападения (СВКН) ведущих держав мира. Создание таких технологий можно начать с внедрения экспертных систем из других областей техники, решающих схожие задачи.
Применение технологий искусственного интеллекта в образцах вооружений иностранных государств
В настоящее время во всем мире в совершенно различных отраслях нашли широкое применение технологии искусственного интеллекта (ИИ).
Основу технологий ИИ составляют: машинное обучение, искусственные нейронные сети и технологии Big Data (сверхбольших массивов разнородных данных). ИИ может применяться в любых сложных технических системах любого назначения. Его отличительными чертами являются высокая адаптивность и самообучаемость.
Теоретическую основу ИИ составляют: теория вероятностей, математическая статистика, искусственные нейронные сети, нечеткая логика, психология, лингвистика и компьютерные технологии.
Надо сказать, что ИИ уже превзошел человека и в решении задач, требующих интуиции, в том числе в отношении прогнозирования поведения других людей, так как интуицию можно рассматривать как бессознательное распознавание «образа» ситуации [1]. ИИ незаменим для управления и мониторинга очень быстрых или очень медленных процессов. Математический анализ также показывает, что существуют задачи, принципиально нерешаемые с применением только вычислительных алгоритмов [2].
В коммерческом секторе экономики технологии ИИ нашли широкое применение для решения таких задач, как:
— распознавание и перевод многоязычных речевых потоков в условиях помех;
— распознавание текста, распознавание эмоций в тексте, прогнозирование продолжения фразы, перевод текста;
— создание оригинальных текстов на естественном языке из большого объема данных;
— криптография (расшифровка текстов), расшифровка геномов организмов;
— объединение двухмерных изображений в трехмерные (например, картография, томография, рентгенология);
— распознавание лиц, распознавание эмоций по фотографии, распознавание подлинности фотографии, распознавание рукописных текстов, распознавание снимков местности;
— прогнозирование прочности зданий и конструкций;
— интеллектуальные обучающие системы;
— финансовое планирование, продажи, биржевые игры, управление портфелями ценных бумаг, оценка возможности выдачи кредита (оценка кредитоспособности заявителя и размера кредита);
— логистика (заказ и управление движением товаров и комплектующих);
— анализ сложных данных в медицинских системах, постановка диагноза и назначение лечения, подбор лекарственных средств, прогнозирование психических состояний;
— поиск вредоносного программного обеспечения (ПО);
— поиск киберуязвимостей;
— игры, в том числе карточные игры с возможностью блефа;
— диагностика технических систем;
— юридические консультации и уголовное судопроизводство, в том числе с прогнозом судебного решения конкретного судьи;
— автономная и автоматизированная навигация (управление движением транспортных средств) в трех физических средах;
— гибкое регулирование дорожного движения (управление работой светофоров);
— доказательство теорем, формирование гипотез, формирование баз знаний для экспертных систем;
— синтез сложных объектов: синтез новых лекарственных препаратов, синтез сложных органических соединений с заданными свойствами, синтез геномов для новых организмов.
Общее количество программных продуктов по каждой позиции очень велико. В таблице 1 приведены некоторые примеры коммерческих программных продуктов с технологиями ИИ.
В целом же все крупные мировые (Google, Facebook, Amazon) и российские («Вконтакте», Mail.group, «Яндекс») IT-компании применяют в своих коммерческих продуктах (социальные сети, online-услуги) сервисы с технологиями ИИ (перевод текстов, распознавание изображений, распознавание предпочтений пользователя, распознавание спама и вредоносных программ, распознавание снимков местности), которые функционируют явно или скрытно от пользователя.
В отчете Стэндфорского университета 2021 года [3], посвященного анализу развития ИИ за истекшие пять лет, отмечается, что наибольший прогресс был достигнут в технологиях распознавания речи, текстов, зрительных образов, а также в расшифровке геномов и распознавании функций белков, а также синтезе новых аминокислотных последовательностей или химических веществ с заданными функциями (например, для создания лекарств). Особенно успешно ИИ теперь распознает лица, помешать ему не могут ни медицинские маски, ни специальная раскраска. И это не удивительно, поскольку пандемия COVID-19 сделала данную функцию наиболее востребованной. Здесь необходимо добавить, что в широком смысле функционирование нейронной сети всегда можно представить, как «распознавание объекта» в определенной «ситуации».
Распространенность технологий ИИ в системах вооружений иностранных государств на сегодняшний день уступает коммерческому сектору экономики, тем не менее и в этих системах отмечается взрывной рост распространения таких технологий, в том числе в системах управления комплексами ПВО и ПРО.
Наибольшее внедрение технологии ИИ нашли в вооруженных силах США, Израиля и Великобритании. К примеру, в Минобороны США (DoD) создан объединенный центр JAIC по вопросам применения ИИ, а также целевая группа по вопросам ИИ A-AITF. Основным разработчиком технологий ИИ для DoD стал Университет Карнеги-Меллона.
Более того, 15 ноября 2014 г. министр обороны США Чак Хейгел в своем заявлении об Инновационной оборонной инициативе (Defense Innovation Initiative, DII) объявил о Третьей стратегии компенсации (СК-3) (Third Offset Strategy) — обеспечении военного доминирования в мире путем широкомас-штабного использования ИИ в системах вооружений (СК-1: развитие ядерных вооружений; СК-2: развитие высокоточного управляемого неядерного оружия) [4].
Внедрение ИИ в сферу вооруженной борьбы оценивается экспертами DoD так же, как изобретение пороха и ядерного оружия: как фактор, способный полностью изменить парадигму вооруженной борьбы [5].
Прогнозируется, что ИИ способен разорвать связь между численностью населения государства и мощью его экономики, с одной стороны, и боеспособностью его вооруженных сил, с другой стороны.
Совершенствование систем вооружений за счет внедрения технологий ИИ является наиболее дешевым и экономически эффективным способом их модернизации: в данном подходе отсутствуют либо существенно снижаются затраты на материалы, комплектующие, электронную компонентную базу (ЭКБ), изготовление макетов и опытных образцов, снижены затраты на испытания, так как требуется меньший их объем. Кроме того, данные технологии не зависят от иностранных поставок материалов, ЭКБ и производственного оборудования. Опыт США показывает, что ИИ может придать новые качества и уже существующим образцам вооружений, и даже устаревшим.
В основе почти всех технологий ИИ, применяемых в системах вооружений ранее названных стран, лежат искусственные нейронные сети.
Специализированный ИИ на основе нейронной сети применяется:
— в автономных (беспилотных) транспортных средствах (для воздушной, водной и наземной сред);
— в системах управления комплексами ПРО (THAAD, Patriot) и разрабатываемых системах оружия направленной энергии, где ИИ позволяет противопоставить гиперзвуковой скорости целей быстроту принятия решений;
— в авиационных симуляторах для тренировки пилотов, причем отмечается тенденция устойчивого превосходства ИИ над пилотами, особенно в маневренном воздушном бою [6];
— поиск вредоносного программного обеспечения (ПО) и киберуязвимостей в образцах вооружений.
Некоторые примеры образцов вооружений с технологиями ИИ, разрабатываемые для DoD, приведены в таблице 2.
Возможные направления применения технологий ИИ в КСА Войск ПВО-ПРО
На сегодняшний день принятые на вооружение комплексы средств автоматизации (КСА) соединений, воинских частей и подразделений Войск ПВО-ПРО используют преимущественно классические вычислительные алгоритмы. Вместе с тем существует ряд задач, которые в ходе боя решаются только лицами боевых расчетов командных пунктов соединений и частей Войск ПВО-ПРО или не решаются вовсе.
Так, например, автоматически не решаются задачи целераспределения с учетом уровня подготовки структурных боевых расчетов (нижестоящих) воинских формирований, распознавания класса цели по ее радиолокационному портрету, а также прогнозирование траектории цели и определение тактического предназначения цели (за исключением ряда «очевидных», например баллистических целей). Косвенным подтверждением этому может служить тот факт, что при работе по контрольным целям или учебно-боевым стрельбам на полигонах командиры расчетов очень редко принимают решение о выборе автоматического режима работы КСА и пунктов боевого управления (ПБУ).
Вместе с тем боевые расчеты подвержены стрессу, усталости, имеют неоднородный уровень подготовки, что не позволяет обеспечивать стабильность качества решения вышеназванных задач. Кроме того, системы ИИ, в отличие от военнослужащих, не имеют проблем психологической совместимости между собой или с операторами, а также легко переобучаемы.
Стоит обратить серьезное внимание и на тот факт, что США и ряд других ведущих мировых держав вкладывают значительные средства в создание полностью автономных ударных беспилотных летательных аппаратов (БпЛА) с ИИ, способных без поддержки извне действовать в оспариваемом пространстве (табл. 2). Таким образом, в недалеком будущем Войска ПВО-ПРО столкнутся с ситуацией, когда автономные БпЛА будут совмещать в себе интеллект пилотируемых платформ и маневренные характеристики беспилотных платформ, что чрезвычайно поднимет динамику противовоздушного боя и усложнит его характер. Боевые расчеты командных пунктов Войск ПВО-ПРО не смогут в такой обстановке принимать решения в реальном масштабе времени.
Несмотря на очевидное отставание в сфере ИИ российских образцов вооружений, необходимо отметить, что распространенность ИИ в образцах вооружений армии США на сегодняшний день также значительно уступает коммерческому сектору программных продуктов, что сокращает в этом сегменте дистанцию между отечественной и иностранной военной техникой и потенциально позволяет сократить указанный разрыв.
ИИ мог бы найти свое применение при решении следующих основных задач, не решаемых и решаемых не в полной мере традиционными вычислительными алгоритмами КСА Войск ПВО-ПРО:
— распознавание класса и типа цели по сигнальным признакам, выделение цели на фоне помех (решение задачи распознавания образа в радиочастотном диапазоне);
— распознавание типа и класса цели по траекторным признакам;
— распознавание тактического предназначения цели и группы целей (вскрытия замысла удара противника) по совокупности признаков целей, сведений о местности и объектах обороны;
— сопровождение активно маневрирующих и разделяющихся целей, в том числе осуществляющих запуск различных ложных целей, ловушек, авиационных средств поражения, применяющих «интеллектуальные» помехи;
— решение задачи оценки уровня подготовленности боевых расчетов, управляемых огневых и разведывательных средств (как в реальном масштабе, т.е. непосредственно во время боя, так и накопительное — по результатам предшествующего опыта боев);
— решение задачи целераспределения и целеуказания с учетом как прогнозирования движения и действий цели исходя из ее класса и тактического предназначения, так и уровня подготовки нижестоящих боевых расчетов.
Особенно перспективным на фоне успехов ИИ в распознавании зрительных образов здесь выглядит применение данных технологий для распознавания типа и класса цели по сигнальным признакам и на фоне помех, поскольку все различие в этих задачах сводится к разному диапазону спектра электромагнитных волн.
Дополнительно КСА с ИИ могли бы решать следующие вспомогательные задачи:
— автоматизация установленных руководящими документами алгоритмов действий различных номеров расчета в типовых ситуациях (например, действий оперативного дежурного при выявлении самолета-нарушителя, приведении в высшие степени боевой готовности и т.п.);
— создание различных учебных налетов (помощь в формировании налета и реализация замысла удара), реализация интерактивного (по отношению к действиям обучаемого расчета) поведения учебных целей;
— помощь расчету в определении неисправных узлов в самом КСА, а также в оценке исправности подчиненных средств по результатам их действий в ходе боевой работы.
Такой КСА мог бы эффективно решать задачи не только в ходе подготовки и ведения противовоздушного боя, но и в решении задач боевого дежурства по ПВО.
На следующем этапе развития систем вооружения технологии ИИ могли бы найти свое применение при решении задач:
— распознавание цели на фоне помехи;
— самообучение и моделирование (в том числе самообучение при моделировании) боевых действий;
— автоматизированное извлечение знаний (положительного опыта) в ходе учебных боев и боевых действий;
— накопление и применение знаний об особенностях тактики действий противника в регионе применения КСА;
— решение задач в общем информационном пространстве с большим объемом разнородной информации (технологии Big Data): данные о метеорологической обстановке, времени суток и года, рельефе местности, инженерной, радиационной, химической и биологической обстановке, нерадиолокационной (радио- и радиотехнической, оптической, агентурной) разведывательной информации.
Таким образом, КСА с ИИ может быть обучаемым (т.е. дополнительно принимать в себя новый боевой опыт, полученный и систематизированный другими боевыми расчетами на других пунктах управления) и самообучаемым (т.е. корректировать эвристические алгоритмы на основе собственного боевого опыта, учитывая особенности конкретной местности, противника, взаимодействующих сил, подчиненных средств).
Технологии ИИ позволят автоматизированно применить и распространить опыт наиболее опытных боевых расчетов, опыт реальных боевых действий на все расчеты Войск ПВО-ПРО.
В ходе своего развития КСА с ИИ сможет помочь сформировать принципиально новые тактические приемы борьбы с воздушно-космическим противником, по аналогии с тем, как это произошло в других сферах применения технологий ИИ, например в шахматах, которые также можно рассматривать как простейшую модель двусторонних боевых действий.
Так, например, 7 декабря 2017 года программный продукт AlphaZero компании Google выиграл у программы Stockfsh 8, чемпиона мира 2016 года среди компьютерных программ [7]. Stockfsh 8 имела доступ к опыту, накопленному человеком за сотни лет игры в шахматы, а также к данным шахматных программ за несколько десятков лет. Она могла анализировать 70 миллионов шахматных позиций в секунду. Скорость вычислений AlphaZero составляла лишь 80 тысяч операций в секунду, и создатели программы не обучили ее шахматной стратегии — даже стандартным дебютам. Осваивая шахматы, программа AlphaZero использовала самые современные методы машинного обучения, играя сама с собой. Тем не менее из ста партий, сыгранных со Stockfsh 8, AlphaZero выиграла 28 и свела вничью 72. AlphaZero, чтобы научиться играть в шахматы и подготовиться к матчу с Stockfsh 8, потребовалось четыре часа. Программа AlphaZero за четыре часа без какой бы то ни было помощи со стороны человека проделала путь от полного незнания до вершин мастерства. Иными словами, AlphaZero за четыре часа нашла более эффективные игровые стратегии, чем все человечество за несколько тысячелетий.
Созданные для КСА Войск ПВО-ПРО технологии ИИ и сам опыт их разработки в дальнейшем было бы несложно распространить на другие системы управления различных звеньев родов и видов Вооруженных Сил России.
В связи с ограниченным опытом российских разработчиков в области создания систем с ИИ задачу разработки технологий ИИ для применения в КСА Войск ПВО-ПРО целесообразно было бы начать с инициативной НИР (или аванпроекта) по определению (выбору) технологии создания перспективного КСА с ИИ.
Представляется, что на первом этапе для снижения рисков разработки оптимальным решением мог бы стать КСА с ИИ на основе эвристических алгоритмов с формальной логикой (экспертная система с базой знаний, построенной с применением существующей электронно-кибернетической базы (ЭКБ)). Такой подход был бы дешевле и легче в реализации. Дальнейшим развитием КСА по мере развития специальной ЭКБ и технологий могло бы стать внедрение технологий ИИ на основе искусственных нейронных сетей.
Таблица 1. Примеры коммерческих программных продуктов с технологиями ИИ
| Технология ИИ | Наименование продукта и/или область применения | Страна, компания потребитель и/или компания-разработчик продукта |
| Нейронная сеть | Распознавание формирующихся дефектов тканей сетчатки глаза | Россия и Великобритания. МФТИ, Институт системного программирования (Вел.), Институт глазных исследований им. Шепенса Гарвардской школы медицины (Вел.) |
| Эмоциональный искусственный интеллект | Анализ разговора «оператор-клиент», оценка качества обслуживания, Единый диспетчерский центр (ЕДЦ) ЖКХ | Россия, НИУ ВШЭ |
| Комплекс нейронных сетей | Нейросеть MTCNN: распознавание экстремистов в толпе | Россия, НИУ ВШЭ |
| Нейронные сети | Promt: многоязычный переводчик текста и речи | Россия, компания Promt |
| Нейронные сети | Яндекс-переводчик: многоязычный переводчик текста и речи | Россия, компания Яндекс |
| Эвристические алгоритмы | Антивирусное ПО: распознавание вредоносных программ | Россия, Лаборатория Касперского |
| Эвристические алгоритмы | OPAL: диагностика онкологических заболеваний | США, Стэндфордский университет |
| Эвристические алгоритмы | KRIPTON: анализ текста и структурированное извлечение информации | США |
| Эвристические алгоритмы | CATO, SCALIR: анализ судебных решений, подбор судебных прецедентов | США |
| Эвристические алгоритмы | DEMDAL: генерация гипотез на основании базы фактов | США |
| Эвристические алгоритмы | MYCIN: подбор фармакологического лечения | США |
| Нейронные сети | Watson: диагностика онкологических заболеваний | Япония, Токийский университет |
| Нейронные сети | Verily: диагностика заболеваний сетчатки глаза | США, компания Google |
| Нейронные сети | Lawgeex Contract Intelligence: юридический анализ текста контрактов | США, компания Lawgeex |
Таблица 2. Примеры образцов вооружений с технологиями ИИ, разрабатываемые для DoD
| Наименование образца вооружений и/или тип ВВТ, к которому относится образец | Компания-разработчик технологии ИИ | Для какой задачи применяется ИИ в образце вооружения | Примечание |
| Комплексная система боевого управления IBCS интегрированной системы ПВО и ПРО IAMD | Northrop Grumman | Управление разнородными средствами разведки и поражения в интересах задач ПВО-ПРО, в перспективе – комплексное управление всеми силами и средствами на театре военных действий в пяти сферах вооруженной борьбы. | Стадия изготовления опытных образцов и комплексных испытаний, начало серийного производства 2020 г. Планируется поставить в армии разных стран мира 500 ед. комплексов. |
| Система автоматического сбора и обработки разведывательной информации ProjectMaven | Автоматический сбор и распознавание фотоснимков местности из разнородных источников для выявления незаконных формирований. | Принята на вооружение DoD в составе 30 автоматизированных рабочих мест | |
| MDC2: АСУ синхронного управления боевыми действия в 5-ти сферах вооруженной борьбы | Нет сведений | Комплекс задач автоматического управления огневыми и разведывательными средствами | В стадии разработки |
| L-39 Albatros: учебный самолет | Calspan Corporation | Комплексное управление самолетом | В стадии разработки |
| F-35 Lightning: межвидовой многоцелевой тактический самолет пятого поколения | Подразделение Skunk Works компании Lockheed Martin | Комплексная обработка разнородной информации (метеообстановка, радиолокационная информация, данные о цели, данные о состоянии всех систем самолета, данные от ведомых БпЛА); управление роем ведомых БпЛА | В стадии серийного производства, поставлен в ВС США и других государств |
| XQ-58AValkyrie: многоцелевой БпЛА-напарник | Kratos Defence & Security Solutions | Управление БпЛА | Демонстрационный образец |
| Airpower Teaming System: многоцелевой БпЛА-напарник | Boeing | Управление БпЛА, в том числе в оспариваемом пространстве при огневом воздействии противника | В стадии разработки, предназначен для ВВС Австралии |
| Модуль Sniper для тактического истребителя F-16 | Подразделение SkunkWorks компании Lockheed Martin | Поиск, обнаружение, распознавание и сопровождение цели, управление обеспечивающими БпЛА. | В стадии испытаний |
Литература:
- Brian D. Ripley. Pattern Recognition and Neural Networks. — Cambridge: Cambridge University Press, 2011.
- Roger Penrose. The Large, the Small and the Human Mind. — Cambridge University Press, 1997.
- The One Hundred Year Study on Artificial Intelli-gence (AI100) 2021 Study Panel Report [Электронный ресурс]. URL: http://ai100.stanford.edu/2021-report (дата обращения: 16.01.2022).
- [Электронный ресурс]. URL: http://archive.defense.gov/pubs/OSD013411-14.pdf.
- [Электронный ресурс]. URL: https://www.csis.org/analysis/assessing-third-offset-strategy.
- Nicholas Ernest. Genetic Fuzzy based Artificial Intelligence for Unmanned Combat Aerial Vehicle Control in Simulated Air Combat Missions // Journal of Defense Management. — 2016. — Volume 6, Issue 1. — P. 1–7. Google’s AlphaZero Destroys Stockfsh in 100 Game Match [Электронный ресурс]. URL: https://www.chess.com/news/view/google-s-alphazero-destroys-stockfish-in-100-game-match (дата обращения: 16.01.2022).
