Mlazni lovac kojim upravlja umjetna inteligencija pobjeđuje ljudskog pilota u simuliranoj borbi

Nedavno je održan događaj koji je suprotstavio borbeni zrakoplov kojim upravlja umjetna inteligencija i ljudskog pilota u virtualnoj zračnoj borbi, s krajnjim rezultatom da je umjetna inteligencija uspjela poraziti svog ljudskog protivnika, dodajući još jedan primjer AI-ja koji je nadmašio ljude čak iu izuzetno složenim zadacima.

Kako prenosi DefenseOne, nedavnu virtualnu zračnu borbu orkestrirala je američka vojska kao dio tekućih napora da se pokaže sposobnost autonomnih agenata da poraze zrakoplove u zračnim borbama, projekt pod nazivom AlphaDogFight izazov. Agencija za napredna obrambena istraživanja (DARPA) odabrala je osam timova umjetne inteligencije koje su razvili različiti obrambeni izvođači i suprotstavila te timove umjetne inteligencije jedne protiv drugih u virtualnim borbama. Pobjednik ovog turnira bio je AI koji je razvio Heron Systems, a nakon toga AI se suprotstavio ljudskom pilotu koji je nosio VR kacigu i sjedio u simulatoru letenja. AI je navodno pobijedio u svih pet rundi koje je igrao.

AI koji je razvio Heron Systems bio je sustav dubokog učenja s pojačanjem. Duboko učenje s pojačanjem je proces dopuštanja AI agentu da uvijek iznova eksperimentira u okruženju, učeći iz pokušaja i pogrešaka. Lockheed Martinova umjetna inteligencija bila je drugoplasirana u natjecanju i također je koristila sustav dubokog učenja s pojačanjem. Inženjeri i direktori Lockheed Martina objasnili su da je razvoj algoritama koji se mogu dobro ponašati u zračnoj borbi mnogo drugačiji zadatak od jednostavnog dizajniranja algoritma koji može letjeti i održavati određene orijentacije i visinu. Algoritmi umjetne inteligencije moraju shvatiti ne samo da postoje kazne za određene radnje, već i da nisu sve kazne jednako ponderirane. Neke radnje imaju vrlo teške posljedice u usporedbi s drugim radnjama, poput rušenja. To se mora učiniti dodjeljivanjem pondera svakoj mogućoj radnji i zatim prilagođavanjem tih pondera na temelju iskustva koje agent ima.

Heron Systems je rekao da su uvježbali svoj model kroz više od 4 milijarde simulacija, te da je model kao rezultat stekao oko 12 godina iskustva. Međutim, umjetnoj inteligenciji nije bilo dopušteno učiti iz svojih iskustava u samim borbenim pokusima. Nije jasno kako bi se rezultati natjecanja promijenili da je modelu bilo dopušteno učiti iz krugova natjecanja. Da je natjecanje trajalo dulje, mogao bi biti i drugačiji rezultat. Ljudski pilot uspio se prilagoditi taktici umjetne inteligencije nakon nekoliko rundi i postao je sposoban izdržati puno dulje protiv umjetne inteligencije do kraja igre. Samo je bilo malo prekasno kada se pilot prilagodio.

Ovo je zapravo drugi put da je umjetna inteligencija pobijedila čovjeka u simuliranoj borbi pasa. 2016. god. AI sustav porazio instruktora borbenog zrakoplova. Nedavna simulacija DARPA-e bila je snažnija od pokusa iz 2016., zbog činjenice da su brojne umjetne inteligencije suprotstavljene jedna drugoj kako bi se pronašao najbolji prije nego što se uhvati u koštac s ljudskim pilotom.

Direktor Ureda za stratešku tehnologiju DARPA-e, Timothy Grayson, citiran je kako je rekao da je cilj ispitivanja bolje razumjeti kako strojevi i ljudi međusobno djeluju i izgraditi bolje timove ljudi i strojeva. Kao što je Grayson citirao:

"Mislim da je ono što danas vidimo početak nečega što ću nazvati simbiozom čovjeka i stroja... Razmislimo o tome da čovjek sjedi u kokpitu, njime upravlja jedan od ovih algoritama umjetne inteligencije, kao da je uistinu jedan sustav oružja, gdje se čovjek fokusira na ono što čovjek radi najbolje [poput strateškog razmišljanja višeg reda], a AI radi ono što AI radi najbolje.”