Μαχητικό αεροσκάφος ελεγχόμενο από AI νικά πιλότο ανθρώπινη σε模拟 μάχη

Μια εκδήλωση που αντιπαρατίθεσε ένα μαχητικό αεροσκάφος ελεγχόμενο από AI με έναν ανθρώπινο πιλότο σε μια εικονική αερομαχία διεξήχθη πρόσφατα, με αποτέλεσμα το AI να νικήσει τον ανθρώπινο αντίπαλό του, προσθέτοντας ένα ακόμη παράδειγμα AI που ξεπερνούν τους ανθρώπους ακόμη και σε εξαιρετικά σύνθετες εργασίες.

Όπως αναφέρθηκε από το DefenseOne, η πρόσφατη εικονική αερομαχία διοργανώθηκε από τις αμερικανικές ένοπλες δυνάμεις ως μέρος μιας συνεχιζόμενης προσπάθειας να αποδείξουν την ικανότητα των αυτόνομων πραγμάτων να νικήσουν αεροσκάφη σε αερομαχίες, ένα έργο που ονομάζεται Απόδοση του AlphaDogFight. Η Υπηρεσία Προηγμένων Ερευνών και Προηγμένων Τεχνολογιών Άμυνας (DARPA) επέλεξε οκτώ ομάδες AI που αναπτύχθηκαν από διάφορους αμυντικούς承包τές και τις αντιπαρατίθησε σε εικονικές αερομαχίες. Ο νικητής του τουρνουά ήταν ένα AI που αναπτύχθηκε από την Heron Systems, και στη συνέχεια το AI αντιπαρατέθηκε με έναν ανθρώπινο πιλότο που φορούσε ένα κράνος εικονικής πραγματικότητας και καθόταν σε einen симулятор πτήσης. Το AI αναφέρθηκε ότι κέρδισε όλους τους πέντε γύρους που έπαιξε.

Το AI που αναπτύχθηκε από την Heron Systems ήταν ένα σύστημα βαθιάς ενισχυτικής μάθησης. Η βαθιά ενισχυτική μάθηση είναι η διαδικασία που επιτρέπει σε ένα πράγμα AI να πειραματίζεται σε ένα περιβάλλον ξανά και ξανά, μαθαίνοντας από δοκιμή και λάθος. Το AI της Lockheed Martin (LMT ) ήταν ο δεύτερος στο διαγωνισμό και επίσης χρησιμοποίησε ένα σύστημα βαθιάς ενισχυτικής μάθησης. Οι μηχανικοί και οι διευθυντές της Lockheed Martin εξήγησαν ότι η ανάπτυξη αλγορίθμων που μπορούν να εκτελεστούν καλά σε αερομαχίες είναι μια πολύ διαφορετική εργασία από το να σχεδιάσετε έναν αλγόριθμο που μπορεί να πετάξει και να διατηρήσει συγκεκριμένες προσανατολίσεις και υψόμετρο. Οι αλγόριθμοι AI πρέπει να κατανοήσουν όχι μόνο ότι υπάρχουν ποινές για ορισμένες ενέργειες, αλλά ότι δεν όλες οι ποινές έχουν το ίδιο βάρος. Ορισμένες ενέργειες έχουν πολύ σοβαρές συνέπειες σε σύγκριση με άλλες ενέργειες, όπως η συντριβή. Αυτό πρέπει να γίνει με την ανάθεση βαρών σε κάθε δυνατή ενέργεια και στη συνέχεια την προσαρμογή αυτών των βαρών με βάση τις εμπειρίες που έχει το πράγμα.

Η Heron Systems ανέφερε ότι εκπαίδευσε το μοντέλο της passes από πάνω από 4 δισεκατομμύρια симуляции και ότι το μοντέλο είχε αποκτήσει περίπου 12 χρόνια εμπειρίας ως αποτέλεσμα. Ωστόσο, το AI δεν επιτρεπόταν να μάθει από τις εμπειρίες του στις ίδιες τις αερομαχίες. Δεν είναι σαφές πώς θα είχαν αλλάξει τα αποτελέσματα του διαγωνισμού αν το μοντέλο επιτρεπόταν να μάθει από τους γύρους του διαγωνισμού. Αν ο διαγωνισμός είχε συνεχιστεί για μεγαλύτερο χρονικό διάστημα, μπορεί να είχε διαφορετικό αποτέλεσμα. Ο ανθρώπινος πιλότος ήταν σε θέση να προσαρμοστεί στις τακτικές του AI μετά από quelques γύρους και έγινε σε θέση να διαρκέσει πολύ περισσότερο ενάντια στο AI μέχρι το τέλος του παιχνιδιού. Ήταν λίγο αργά την ώρα που ο πιλότος είχε προσαρμοστεί.

Αυτή είναι στην πραγματικότητα η δεύτερη φορά που ένα AI έχει νικήσει έναν ανθρώπινο πιλότο σε μια模拟 αερομαχία. Το 2016, ένα σύστημα AI νίκησε έναν εκπαιδευτή μαχητικού αεροσκαφους. Η πρόσφατη симуляση της DARPA ήταν πιο robust από το 2016, λόγω του ότι πολλά AI αντιπαρατέθηκαν μεταξύ τους για να βρουν το καλύτερο πριν αντιπαρατεθούν με τον ανθρώπινο πιλότο.

Ο διευθυντής του Γραφείου Στρατηγικής Τεχνολογίας της DARPA, Timothy Grayson, ανέφερε ότι ο στόχος του διαγωνισμού είναι να κατανοήσει καλύτερα πώς οι μηχανές και οι άνθρωποι αλληλεπιδρούν και να χτίζουν καλύτερες ομάδες ανθρώπων και μηχανών. Όπως ανέφερε ο Grayson:

“Νομίζω ότι βλέπουμε σήμερα την αρχή κάτι που θα ονομάσω ανθρώπινο-μηχανική συμφωνία… Ας σκεφτούμε τον άνθρωπο που κάθεται στο πιλοτήριο, που πετάει από einen από αυτούς τους αλγόριθμους AI ως πραγματικά ένα σύστημα όπλων, όπου ο άνθρωπος επικεντρώνεται σε αυτό που ο άνθρωπος κάνει καλύτερα [όπως η στρατηγική σκέψη υψηλότερης τάξης] και το AI κάνει αυτό που το AI κάνει καλύτερα”