Tekoälyohjattu hävittäjä kukisti ihmispilotti simuloidussa ilmataistelussa

Tapahtuma, jossa tekoälyohjattu hävittäjä kävi ilmataistelun ihmispilottia vastaan virtuaalisessa simulaatiossa, pidettiin äskettäin, ja lopputuloksena tekoäly onnistui kukistamaan ihmiskilpailijansa, mikä on yksi esimerkki siitä, kuinka tekoälyt pärjäävät ihmisille jopa erittäin monimutkaisissa tehtävissä.

DefenseOnen mukaan viimeisin virtuaalinen ilmataistelu järjestettiin Yhdysvaltain armeijan toimesta osana jatkuvaa pyrkimystä osoittaa autonomisten agenttien kykyä voittaa lentokoneita ilmataisteluissa, jonka kutsutaan AlphaDogFight-haasteeksi. Puolustusministeriön eteenpäin katsova tutkimus- ja kehitysagentuuri (DARPA) valitsi kahdeksan tekoälytiimia, jotka kehittivät eri puolustusurakoitsijat, ja asetti nämä tekoälytiimit vastakkain virtuaalisissa ilmataisteluissa. Turnauksen voittaja oli Heron Systemsin kehittämä tekoäly, ja sen jälkeen tekoäly asetettiin vastakkain ihmispilotti, joka käytti virtuaalitodellisuuden kypärää ja istui lentosimulaattorissa. Tekoäly voitti kaikki viisi kierrosta, joissa se osallistui.

Heron Systemsin kehittämä tekoäly oli syvä vahvistusoppimisjärjestelmä. Syvä vahvistusoppiminen on prosessi, jossa tekoälyagentille sallitaan kokeilla ympäristöä toistuvasti, oppien koettujen asioiden kautta. Lockheed Martinin tekoäly oli kilpailun toiseksi paras, ja se käytti myös syvää vahvistusoppimisjärjestelmää. Lockheed Martinin insinöörit ja johtajat selittivät, että algoritmien kehittäminen, jotka pystyvät suoriutumaan ilmataistelusta, on erilainen tehtävä kuin yksinkertaisen algoritmin suunnittelu, joka voi lentää ja ylläpitää tiettyjä suuntia ja korkeuksia. Tekoälyalgoritmien on opittava ymmärtämään, että ei vain siinä, että tiettyihin toimiin liittyy rangaistuksia, vaan myös siinä, etteivät kaikki rangaistukset ole yhtä painavia. Jotkut toimet johtavat erittäin vakaviin seuraamuksiin verrattuna muihin toimiin, kuten vaaralliseen törmäykseen. Tämä tehdään asettamalla painot kaikille mahdollisille toimille ja säätelemällä näitä painoja agentin kokemusten perusteella.

Heron Systems kertoi, että he olivat kouluttaneet malliaan asettamalla sen läpi yli 4 miljardin simulaation, ja malli oli hankkinut noin 12 vuoden kokemukseen perustuvan osaamisen. Tekoälylle ei kuitenkaan sallittu oppia kokemuksistaan itse ilmataistelukierroksissa. On epäselvää, miten kilpailun tulokset olisivat muuttuneet, jos malli olisi sallittu oppimaan kilpailukierroksista. Jos kilpailu olisi jatkunut pidempään, tulokset olisivat saattaneet olla erilaiset. Ihmispilotti pystyi sopeutumaan tekoälyn taktiikkaan muutamien kierrosten jälkeen ja pystyi kestämään paljon kauemmin tekoälyä vastaan pelin lopussa. Se oli vain hieman liian myöhäistä, kun pilotti oli sopeutunut.

Tämä on toinen kerta, kun tekoäly on voittanut ihmispilottia simuloidussa ilmataistelussa. Vuonna 2016 tekoälyjärjestelmä voitti hävittäjälentäjän ohjaajan. Viimeisin DARPA-simulaatio oli monipuolisempi kuin vuoden 2016 koe, koska useita tekoälyjä asetettiin vastakkain toisiaan vastaan, jotta paras voittaja voisi kilpailla ihmispilottia vastaan.

DARPA:n strategisen teknologian toimiston johtaja Timothy Grayson lainattiin sanoneen, että kokeen tavoitteena on ymmärtää, miten koneet ja ihmiset vuorovaikuttavat ja rakentaa parempia ihmiskonejärjestelmiä. Graysonin mukaan:

”Luulen, että mitä näemme tänään, on alku jonkinlaiselle ihmiskone-symbioosille… Ajattele ihmistä, joka istuu ohjaamossa, lentäen yhden näistä tekoälyalgoritmeista, oikeasti olemme yksi asejärjestelmä, jossa ihminen keskittyy siihen, mitä ihminen parhaiten osaa [kuten korkeamman tason strategiseen ajatteluun] ja tekoäly tekee sitä, mihin tekoäly on parhaiten soveltuva.”