KI-Modelle und Plattformen

KI-gesteuerter Kampfjet besiegt menschlichen Piloten in simuliertem Kampf

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Eine Veranstaltung, bei der ein KI-gesteuerter Kampfjet gegen einen menschlichen Piloten in einem virtuellen Luftkampf antrat, fand kürzlich statt, und das Ergebnis war, dass die KI ihren menschlichen Gegner besiegte, was ein weiteres Beispiel dafür ist, dass KIs Menschen bei sogar außergewöhnlich komplexen Aufgaben überlegen sind.

Wie von DefenseOne berichtet, fand der recente virtuelle Luftkampf im Rahmen eines laufenden Projekts der US-Militär statt, um die Fähigkeit autonomer Agenten zu demonstrieren, Flugzeuge in Luftkämpfen zu besiegen, ein Projekt, das als AlphaDogFight-Herausforderung bezeichnet wird. Die Defense Advanced Research Project Agency (DARPA) wählte acht Teams von KIs aus, die von verschiedenen Verteidigungsunternehmen entwickelt wurden, und ließ diese KI-Teams in virtuellen Luftkämpfen gegeneinander antreten. Der Gewinner dieses Turniers war eine KI, die von Heron Systems entwickelt wurde, und danach wurde die KI gegen einen menschlichen Piloten angetreten, der eine VR-Brille trug und in einem Flugsimulator saß. Die KI soll alle fünf Runden, die sie gespielt hat, gewonnen haben.

Die von Heron Systems entwickelte KI war ein tiefes Verstärkungslernsystem. Tiefes Verstärkungslernen ist der Prozess, bei dem einem KI-Agenten erlaubt wird, in einer Umgebung wiederholt zu experimentieren und aus Versuch und Irrtum zu lernen. Lockheed Martins KI war der Zweitplatzierte in dem Wettbewerb und sie nutzte auch ein tiefes Verstärkungslernsystem. Lockheed Martin (LMT ) -Ingenieure und -Direktoren erklärten, dass die Entwicklung von Algorithmen, die in Luftkämpfen gut abschneiden, eine viel schwierigere Aufgabe ist als die Entwicklung eines Algorithmus, der einfach fliegen und bestimmte Orientierungen und Höhen halten kann. Die KI-Algorithmen müssen nicht nur verstehen, dass es Strafen für bestimmte Aktionen gibt, sondern auch, dass nicht alle Strafen gleich gewichtet sind. Einige Aktionen haben sehr schwerwiegende Konsequenzen im Vergleich zu anderen Aktionen, wie zum Beispiel dem Absturz. Dies muss durch die Zuweisung von Gewichten zu jeder möglichen Aktion und deren Anpassung anhand der Erfahrungen des Agents erreicht werden.

Heron Systems erklärte, dass sie ihr Modell durch über 4 Milliarden Simulationen trainiert haben und dass das Modell etwa 12 Jahre Erfahrung als Ergebnis erlangt hat. Allerdings wurde der KI nicht erlaubt, aus ihren Erfahrungen in den Kampfversuchen zu lernen. Es ist unklar, wie sich die Ergebnisse des Wettbewerbs geändert hätten, wenn das Modell aus den Wettbewerbsrunden gelernt hätte. Wenn der Wettbewerb länger gedauert hätte, könnte es auch ein anderes Ergebnis gegeben haben. Der menschliche Pilot konnte sich an die Taktiken der KI nach einigen Runden anpassen und wurde in der Lage, viel länger gegen die KI zu bestehen, bis zum Ende des Spiels. Es war jedoch ein bisschen zu spät, als der Pilot sich angepasst hatte.

Dies ist actually das zweite Mal, dass eine KI einen Menschen in einem simulierten Luftkampf besiegt hat. Im Jahr 2016 besiegte ein KI-System einen Kampfjet-Instruktor. Die recente DARPA-Simulation war robuster als der 2016er Versuch, da zahlreiche KIs gegeneinander antraten, um die beste zu finden, bevor sie gegen den menschlichen Piloten antrat.

Der Leiter des Strategischen Technologiebüros von DARPA, Timothy Grayson, wurde wie folgt zitiert: dass der Versuch darauf abzielt, die Interaktion zwischen Maschinen und Menschen besser zu verstehen und bessere Mensch-Maschine-Teams zu bauen. Wie Grayson zitiert wurde:

„Ich denke, was wir heute sehen, ist der Beginn von etwas, das ich Mensch-Maschine-Symbiose nennen werde… Lassen Sie uns über den Menschen nachdenken, der im Cockpit sitzt und von einem dieser KI-Algorithmen geflogen wird, als wahrhaft ein Waffensystem, bei dem der Mensch sich auf das konzentriert, was der Mensch am besten kann [wie höhere strategische Denkfähigkeit], und die KI tut, was die KI am besten kann.“

Blogger und Programmierer mit Spezialisierungen in Machine Learning und Deep Learning Themen. Daniel hofft, anderen zu helfen, die Macht von KI für das soziale Wohl zu nutzen.