ارتش آمریکا 700 میلیون دلار روی هوش مصنوعی شرط بندی می کند که به سربازان کمک می کند اطلاعات میدان جنگ را به اهداف تبدیل کنند.

برنامه Striveworks' Chariot عوامل و مدل های هوش مصنوعی را توسعه داده و آموزش می دهد که از عملیات میدان نبرد پشتیبانی می کنند. عکس ارتش ایالات متحده توسط Spc. جاناتان ریس ارتش ایالات متحده صدها میلیون دلار برای هوش مصنوعی هزینه می کند که تصمیم گیری در میدان جنگ را سرعت می بخشد.

برنامه Striveworks' Chariot یک جزء اصلی هوش مصنوعی نرم افزار جدید NGC2 ارتش در میدان جنگ است.

این قرارداد، Chariot را به واحدهای ارتش بیشتری خواهد آورد زیرا پنتاگون سرمایه گذاری زیادی در هوش مصنوعی انجام می دهد. ارتش ایالات متحده در حال انجام یک سرمایه گذاری بزرگ در گسترش استفاده از یک پلت فرم هوش مصنوعی برای کمک به سربازان در پردازش اطلاعات میدان جنگ و تصمیم گیری سریعتر است.

قرارداد 700 میلیون دلاری بین ارتش و Striveworks یک افزایش ده برابری نسبت به قرارداد اولیه سازمانی است و پلتفرم Chariot AI این شرکت را به واحدها و ماموریت های بیشتری خواهد رساند. Chariot همچنین در هسته نرم افزار جنگی جدید ارتش، فرماندهی و کنترل نسل بعدی یا NGC2 قرار دارد.

روز پنج‌شنبه، Striveworks پس از ماه‌ها تقاضای فزاینده برای Chariot، توافق توسعه‌یافته را اعلام کرد. جیم ربسکو، یکی از بنیانگذاران و مدیرعامل Striveworks، به Business Insider گفت که سربازان در تخصص‌های مختلف، از لجستیک گرفته تا توپخانه، از این فناوری برای کارهای مختلف استفاده می‌کنند.

Chariot به عنوان مرکزی برای تصمیم‌گیری هوش مصنوعی عمل می‌کند و عواملی را برای پردازش داده‌ها و ارائه اطلاعات و مراحل بعدی به کاربران انسانی که با شغل، اولویت‌ها و تصمیم‌های فرمانده آنها همسو می‌شود، ارائه می‌کند.

ربسکو توضیح داد: "این افراد دائما این داده‌ها را از رادیو، گزارش‌ها، از حسگرها، از هواپیماهای بدون سرنشین دریافت می‌کنند، و اولین کار این است که تصمیم بگیریم: آیا این هدف ارزش توجه دارد؟ آیا این یک وسیله نقلیه نظامی است؟ آیا یک تانک است؟ آیا چیزی ارزشمند است؟ اگر چنین است، آیا این با اولویت‌های فرمانده من مطابقت دارد؟"

ارابه به سربازان کمک می کند تا از طریق آن سوالات، تجزیه و تحلیل داده های دریافتی، بررسی دکترین و استانداردهای قانونی مربوطه، و مقایسه اهداف بالقوه با اولویت های فرمانده کار کنند.

ربسکو گفت: "این هر کاری را که یک تیم 4 تا 10 نفره در یک بازه زمانی حدود یک ساعت انجام می دهند انجام می دهد؛ آن را به چند دقیقه فشرده می کند." Chariot یک عنصر اصلی هوش مصنوعی NGC2، نرم افزار جنگی جدید ارتش است که پس از پیشرفت های تکراری قبلی، به I Corps تبدیل شده است. کورتنی هریس/ فرماندهی آزمون و ارزیابی ارتش ایالات متحده برای مثال، فرماندهان و سربازان در لشکر 4 پیاده نظام ارتش، از Chariot استفاده کرده‌اند و بازخورد خود را به Striveworks ارائه کرده‌اند.

در پروژه Convergence Capstone 6 در فورت ایروین، کالیفرنیا، Chariot به سربازان کمک کرد تا اهداف بالقوه بیشتری را تجزیه و تحلیل و پردازش کنند.

ربسکو گفت که بازخورد آن تمرینات و تمرینات دیگر به سرعت برای بهبود دقت، سرعت و کیفیت اطلاعات ارائه شده به سربازان اجرا شده است.

ارابه یکی از اجزای کلیدی هوش مصنوعی NGC2 است، برنامه فرماندهی و کنترل جدید ارتش که در سال گذشته با سربازان و شرکای صنعتی در کلرادو و هاوایی توسعه و آزمایش شده است. پس از پروژه Convergence Capstone، ارتش تصمیم گرفت NGC2 را به مرحله بعدی مقیاس‌بندی انتقال دهد و آن را به سپاه I در پایگاه مشترک لوئیس-مک‌کورد منتقل کند.

گام‌های بعدی شامل در دسترس قرار دادن این فناوری برای سربازان بیشتر و حصول اطمینان از اینکه به اندازه کافی ناهموار برای عملیات در محیط‌های سخت و پراکنده، از جمله اقیانوس هند و اقیانوس آرام است، خواهد بود. Chariot همچنین با سایر سیستم های نظامی، از جمله Maven و سیستم فرماندهی نبرد یکپارچه، با همان داده ها و فرآیندهای عاملی کار می کند.

پنتاگون و سرویس‌های نظامی مختلف میلیاردها دلار برای هوش مصنوعی هزینه می‌کنند تا تصمیمات میدان نبرد را تسریع بخشند، مقادیر زیادی از داده‌های حسگر را تجزیه و تحلیل کنند، و کمبود مهمات و نیازهای تعمیر و نگهداری را پیش‌بینی کنند. هدف دیگر این است که با کمک به سربازان در درک سریعتر اطلاعات بیشتر، بارهای شناختی را بر روی کاربران انسانی کاهش دهیم.

دن دریسکول، وزیر سابق ارتش پس از پروژه Convergence Capstone در ماه ژوئیه گفت: "ما می دانیم که بزرگترین خطر برای امنیت ملی و دفاع ملی ما این است که خیلی سریع حرکت نمی کند. به اندازه کافی سریع حرکت نمی کند."

طرفی که می‌تواند هدف را حس کند، داده‌ها را پردازش کند و اثر جنبشی را سریع‌ترین زمان ارائه دهد، برنده است.»

مقاله اصلی را در Business Insider بخوانید