در نبردهای هوایی مدرن، فقط سرعت و قدرت تسلیحاتی یک جنگنده تعیین‌کننده نیست؛ گاهی تشخیص درست یک تهدید، چند ثانیه زودتر از طرف مقابل، می‌تواند نتیجه یک مأموریت را تغییر دهد. جنگنده F-35 آمریکا حالا قرار است از کمک هوش مصنوعی برای انجام دقیق‌تر همین وظیفه استفاده کند. شرکت لاکهید مارتین با آزمایش سامانه‌ای جدید نشان داده است که هوش مصنوعی می‌تواند در تحلیل سیگنال‌های الکترونیکی و شناسایی سریع‌تر تهدیدهای احتمالی نقش مؤثری داشته باشد.
این قابلیت در قالب پروژه‌ای با نام Overwatch آزمایش شده است. هدف اصلی آن، کمک به خلبان برای تشخیص بهتر فرستنده‌های راداری و منابع انتشار سیگنال در محیط‌های پیچیده عملیاتی است؛ محیط‌هایی که در آن‌ها ممکن است چندین سامانه مختلف به‌صورت هم‌زمان فعال باشند و شناسایی دقیق هرکدام به تحلیل حجم زیادی از اطلاعات نیاز داشته باشد.
پروژه Overwatch چیست و چه تغییری در F-35 ایجاد می‌کند؟
پروژه Overwatch بخشی از تلاش لاکهید مارتین برای واردکردن مدل‌های هوش مصنوعی به سامانه‌های عملیاتی جنگنده F-35 است. در این آزمایش، یک مدل هوش مصنوعی و یادگیری ماشین که توسط این شرکت توسعه یافته و آموزش دیده بود، در سیستم ادغام اطلاعات جنگنده قرار گرفت و توانست در جریان پرواز آزمایشی، برخی ابهام‌ها در شناسایی فرستنده‌های الکترونیکی را برطرف کند.
این آزمایش در پایگاه نیروی هوایی نلیس در ایالت نوادا انجام شد. به گفته لاکهید مارتین، برای نخستین‌بار یک مدل هوش مصنوعی تاکتیکی در حین پرواز توانست ارزیابی مستقلی از شناسایی رزمی یا Combat ID تولید کند و نتیجه آن را در اختیار خلبان قرار دهد. اهمیت این موضوع در آن است که هوش مصنوعی دیگر صرفاً ابزاری برای تحلیل داده‌های پس از مأموریت نیست و می‌تواند در جریان عملیات نیز به پردازش اطلاعات کمک کند.
هوش مصنوعی چگونه سیگنال‌های پدافندی را شناسایی می‌کند؟
سامانه‌های راداری و تجهیزات جنگ الکترونیک معمولاً با انتشار امواج و سیگنال‌های رادیویی فعالیت می‌کنند. هر سامانه می‌تواند الگوی مشخصی از انتشار سیگنال داشته باشد که متخصصان از آن برای تشخیص نوع و گاهی هویت تجهیزات استفاده می‌کنند. این الگوها را می‌توان مانند یک اثر انگشت الکترونیکی در نظر گرفت؛ هرچند در عمل شناسایی آن‌ها همیشه ساده نیست.
جنگنده F-35 پیش از این نیز از کتابخانه‌ای شامل اطلاعات مربوط به امضاهای فرکانس رادیویی برای شناسایی و دسته‌بندی تهدیدها استفاده می‌کرد. مشکل زمانی به وجود می‌آید که یک فرستنده سیگنالی ناشناخته ارسال کند، الگوی فعالیت آن با اطلاعات ثبت‌شده مطابقت نداشته باشد یا سامانه پدافندی از روش‌های متفاوتی برای تغییر مشخصات سیگنال خود استفاده کند.
مدل هوش مصنوعی جدید برای کمک به حل همین ابهام‌ها طراحی شده است. این مدل داده‌های دریافتی را تحلیل می‌کند و می‌تواند تشخیص دهد که سیگنال مشاهده‌شده به کدام دسته از فرستنده‌ها شباهت بیشتری دارد. در نتیجه، خلبان به‌جای مواجهه با اطلاعات مبهم و پراکنده، تصویر روشن‌تری از محیط الکترونیکی اطراف خود دریافت می‌کند.
Combat ID چه کاربردی دارد؟
Combat Identification یا شناسایی رزمی، به مجموعه فرایندهایی گفته می‌شود که برای تشخیص ماهیت اهداف و منابع سیگنال در محیط عملیاتی به کار می‌روند. این فرایند به خلبان کمک می‌کند تا میان تهدیدهای احتمالی، تجهیزات خودی و سایر منابع اطلاعاتی تمایز قائل شود. خروجی این سامانه می‌تواند در افزایش آگاهی محیطی و کاهش احتمال برداشت اشتباه از وضعیت میدان نبرد مؤثر باشد.
نمایش اطلاعات هوش مصنوعی به خلبان چگونه انجام می‌شود؟
F-35 برخلاف بسیاری از جنگنده‌های قدیمی، نمایشگر سربالای سنتی یا HUD ندارد. بخش مهمی از اطلاعات پروازی و عملیاتی از طریق نمایشگر تعبیه‌شده در کلاه ایمنی خلبان ارائه می‌شود. به این ترتیب، خلبان می‌تواند بدون نیاز به تغییر مداوم زاویه نگاه خود به نمایشگرهای کابین، اطلاعات مهم را در میدان دیدش دریافت کند.
در آزمایش Overwatch نیز اطلاعات تولیدشده توسط مدل هوش مصنوعی به شیوه‌ای مشابه سامانه فعلی شناسایی رزمی در اختیار خلبان قرار گرفت. نکته مهم این است که در طول پرواز آزمایشی، اطلاعات سامانه قدیمی و خروجی مدل جدید در کنار یکدیگر نمایش داده شدند. بنابراین، هدف این آزمایش حذف کامل سامانه قبلی نبود؛ بلکه قرار بود هوش مصنوعی اطلاعات موجود را تکمیل کند و به تشخیص سریع‌تر شرایط کمک برساند.
مدل هوش مصنوعی F-35 چقدر سریع آموزش می‌بیند؟
یکی از بخش‌های قابل‌توجه پروژه Overwatch، سرعت به‌روزرسانی مدل هوش مصنوعی است. در جریان آزمایش، مهندسان توانستند با کمک یک ابزار خودکار، فرستنده‌های جدید را برچسب‌گذاری کنند و مدل را برای شناسایی یک دسته تازه از سیگنال‌ها دوباره آموزش دهند. طبق اعلام لاکهید مارتین، این مرحله در عرض چند دقیقه انجام شد و نسخه به‌روزشده مدل برای پرواز بعدی آماده شد.
چنین قابلیتی می‌تواند در شرایطی که مشخصات تجهیزات راداری دشمن تغییر می‌کند، اهمیت زیادی داشته باشد. اگر یک سامانه پدافندی از الگوی تازه‌ای برای انتشار سیگنال استفاده کند، اطلاعات آن را می‌توان به مجموعه داده‌های آموزشی اضافه کرد تا مدل در مأموریت‌های بعدی عملکرد بهتری داشته باشد.
البته باید میان زمان بازآموزی مدل و مدت‌زمان کل فرایند به‌روزرسانی تفاوت قائل شد. لاکهید مارتین از بازآموزی چنددقیقه‌ای صحبت کرده است، اما زمان لازم برای جمع‌آوری داده‌های اولیه، بررسی و تأیید آن‌ها و انتقال نسخه جدید به هواپیما به‌طور کامل مشخص نشده است. بنابراین نمی‌توان نتیجه گرفت که هر تهدید تازه‌ای در هر شرایطی ظرف چند دقیقه در تمام ناوگان F-35 قابل شناسایی خواهد بود.
آیا هوش مصنوعی در حین پرواز به‌روزرسانی می‌شود؟
بر اساس توضیحات منتشرشده، اطلاعات در جریان پرواز در اختیار خلبان قرار می‌گیرند؛ اما فرایند پردازش داده‌های مأموریت و آماده‌سازی مدل بهبودیافته برای پرواز بعدی انجام می‌شود. این موضوع با به‌روزرسانی مستقیم و خودکار مدل در میانه یک مأموریت تفاوت دارد. لاکهید مارتین هنوز جزئیات کاملی درباره امکان اجرای تمام مراحل این چرخه در زمان واقعی منتشر نکرده است.
چرا شناسایی پدافندهای هوایی دشوارتر شده است؟
سامانه‌های پدافندی امروزی برای پنهان‌ماندن یا مقابله با تجهیزات جنگ الکترونیک، الزاماً از یک الگوی ثابت استفاده نمی‌کنند. تغییر فرکانس، جابه‌جایی میان حالت‌های مختلف راداری و تکنیک‌هایی مانند پرش فرکانسی می‌توانند شناسایی منبع سیگنال را دشوارتر کنند. به همین دلیل، اتکا به یک فهرست ثابت از مشخصات راداری همیشه کافی نیست.
از طرف دیگر، استفاده گسترده‌تر از فناوری‌های هوشمند در تجهیزات نظامی باعث می‌شود رقابت میان سامانه‌های شناسایی و پدافندی پیچیده‌تر شود. اگر یک طرف از یادگیری ماشین برای تحلیل سریع‌تر سیگنال‌ها استفاده کند، طرف مقابل نیز ممکن است به سراغ روش‌های جدیدی برای تغییر الگوهای انتشار و دشوارترکردن شناسایی برود. در چنین شرایطی، برتری فنی به توانایی تطبیق سریع با تغییرات وابسته خواهد بود.
جنگ الکترونیک شناختی؛ قدم بعدی در توسعه جنگنده‌های هوشمند
یکی از مفاهیمی که در ارتباط با این فناوری مطرح می‌شود، جنگ الکترونیک شناختی یا Cognitive Electronic Warfare است. این رویکرد به سامانه‌هایی اشاره دارد که فقط به شناسایی الگوهای از پیش تعریف‌شده محدود نیستند و می‌توانند داده‌های تازه را تحلیل کنند، از تجربه‌های قبلی یاد بگیرند و خود را با شرایط جدید سازگار کنند.
در شکل پیشرفته‌تر این فناوری، سامانه جنگ الکترونیک می‌تواند سیگنال ناشناخته‌ای را ثبت کند، اطلاعات اولیه آن را استخراج کند و داده‌های لازم را برای تحلیل دقیق‌تر در اختیار متخصصان قرار دهد. اگر زیرساخت ارتباطی و امنیتی مناسبی وجود داشته باشد، اطلاعات به‌روزشده نیز می‌توانند سریع‌تر به تجهیزات عملیاتی منتقل شوند.
چشم‌انداز بلندمدت این حوزه، ساخت سامانه‌هایی است که بتوانند بخش بیشتری از چرخه شناسایی، تحلیل و سازگاری با تهدید را به‌صورت خودکار انجام دهند. بااین‌حال، رسیدن به چنین سطحی از خودمختاری به‌مراتب دشوارتر از یک آزمایش موفق شناسایی سیگنال است و به آزمون‌های گسترده، داده‌های قابل‌اعتماد و سازوکارهای کنترلی دقیق نیاز دارد.
تفاوت جنگ الکترونیک شناختی با جنگ الکترونیک معمولی
در سامانه‌های سنتی، بخش زیادی از عملکرد بر پایه اطلاعات و الگوهایی است که از قبل در سیستم تعریف شده‌اند. در رویکرد شناختی، یادگیری از داده‌های جدید و سازگاری با شرایط متغیر اهمیت بیشتری پیدا می‌کند. به زبان ساده، هدف این است که سامانه فقط تهدیدهای شناخته‌شده را تشخیص ندهد، بلکه برای مواجهه با الگوهای تازه نیز آمادگی بیشتری داشته باشد.
آیا هوش مصنوعی می‌تواند جای خلبان جنگنده F-35 را بگیرد؟
آزمایش پروژه Overwatch به معنای واگذاری کنترل جنگنده یا تصمیم‌گیری نهایی درباره حمله به هوش مصنوعی نیست. آنچه تاکنون اعلام شده، به استفاده از یک مدل یادگیری ماشین برای تحلیل سیگنال‌ها و ارائه اطلاعات تکمیلی به خلبان مربوط می‌شود. تصمیم‌گیری در محیط عملیاتی همچنان به عوامل متعددی از جمله ارزیابی خلبان، اطلاعات سایر حسگرها و دستورالعمل‌های مأموریت وابسته است.
البته نقش هوش مصنوعی در هواپیماهای نظامی به‌تدریج در حال گسترش است. ترکیب داده‌های حسگرهای مختلف، شناسایی الگوهای غیرعادی و کاهش زمان لازم برای تحلیل اطلاعات می‌تواند فشار کاری خلبان را کمتر کند. در محیطی که تصمیم‌ها باید در زمانی بسیار محدود گرفته شوند، حتی چند ثانیه صرفه‌جویی در پردازش اطلاعات نیز ارزش عملیاتی دارد.
محدودیت‌ها و چالش‌های استفاده از هوش مصنوعی در جنگنده‌ها
با وجود نتایج امیدوارکننده آزمایش، عملکرد یک مدل هوش مصنوعی به کیفیت داده‌هایی وابسته است که با آن آموزش دیده است. اگر اطلاعات ورودی ناقص، قدیمی یا اشتباه باشند، خروجی مدل نیز ممکن است دقت لازم را نداشته باشد. در محیط جنگ الکترونیک، احتمال فریب سیگنال‌ها و ایجاد داده‌های گمراه‌کننده نیز وجود دارد؛ موضوعی که می‌تواند فرایند شناسایی را پیچیده‌تر کند.
مسئله دیگر، اعتماد بیش از حد به خروجی سیستم‌های خودکار است. خلبان باید بتواند اطلاعات ارائه‌شده را در کنار سایر داده‌ها ارزیابی کند و در صورت وجود تناقض، صرفاً به پیشنهاد یک الگوریتم تکیه نکند. به همین دلیل، آزمایش مداوم، بررسی خطاها و حفظ امکان نظارت انسانی از الزامات مهم توسعه چنین سامانه‌هایی به شمار می‌روند.
از سوی دیگر، به‌روزرسانی سریع مدل‌ها بدون توجه به امنیت سایبری می‌تواند خطرهای تازه‌ای ایجاد کند. داده‌ها و نسخه‌های نرم‌افزاری باید از مسیرهای امن منتقل شوند و پیش از استفاده عملیاتی مورد بررسی قرار بگیرند. در سامانه‌ای مانند F-35 که اجزای مختلف آن به یکدیگر وابسته‌اند، کوچک‌ترین اختلال نرم‌افزاری نیز می‌تواند اهمیت زیادی داشته باشد.
آینده هوش مصنوعی در جنگنده‌های نسل پنجم و ششم
پروژه Overwatch را می‌توان نمونه‌ای از روند گسترده‌تر استفاده از هوش مصنوعی در تجهیزات نظامی دانست. شرکت‌های دفاعی به‌دنبال آن هستند که قابلیت‌هایی را که برای نسل آینده هواپیماهای رزمی توسعه می‌دهند، به‌تدریج در پلتفرم‌های موجود نیز به کار بگیرند. لاکهید مارتین نیز این آزمایش را گامی در مسیر انتقال فناوری‌های پیشرفته‌تر به یک جنگنده نسل پنجم معرفی کرده است.
در آینده، احتمالاً نقش هوش مصنوعی به شناسایی سیگنال‌های راداری محدود نخواهد ماند. تحلیل هم‌زمان اطلاعات رادار، حسگرهای فروسرخ، سامانه‌های ارتباطی و داده‌های دریافتی از سایر واحدها می‌تواند تصویر جامع‌تری از محیط عملیاتی ایجاد کند. چنین رویکردی در کنار افزایش سرعت تحلیل، به هماهنگی بهتر میان هواپیماها و سامانه‌های دفاعی نیز کمک خواهد کرد.
بااین‌حال، فاصله میان یک آزمایش موفق و استفاده گسترده عملیاتی همچنان قابل‌توجه است. قابلیت‌های جدید باید در شرایط متنوع و در برابر تهدیدهای واقعی و شبیه‌سازی‌شده ارزیابی شوند. آنچه فعلاً می‌توان با اطمینان گفت این است که هوش مصنوعی به یکی از ابزارهای مهم برای افزایش توان تحلیل و آگاهی محیطی جنگنده‌های مدرن تبدیل شده است؛ ابزاری که احتمالاً در طراحی نسل بعدی هواپیماهای رزمی نقش پررنگ‌تری خواهد داشت.