AI-gecontroleerde jachtvliegtuig verslaat menselijke piloot in gesimuleerd gevecht

Een evenement waarbij een AI-gecontroleerd vliegtuig tegen een menselijke piloot in een virtuele luchtgevecht werd uitgespeeld, vond onlangs plaats, met als resultaat dat de AI zijn menselijke tegenstander wist te verslaan, waarmee nog een voorbeeld werd toegevoegd aan de reeks waarin AI’s menselijke prestaties overtreffen, zelfs bij uitzonderlijk complexe taken.

Volgens DefenseOne werd het recente virtuele luchtgevecht georganiseerd door het Amerikaanse leger als onderdeel van een lopend project om de mogelijkheden van autonome agenten te demonstreren om vliegtuigen in luchtgevechten te verslaan, een project genaamd de AlphaDogFight-uitdaging. Het Defense Advanced Research Project Agency (DARPA) selecteerde acht teams van AI’s ontwikkeld door verschillende defensiecontractanten en zette deze AI-teams tegen elkaar op in virtuele luchtgevechten. De winnaar van dit toernooi was een AI ontwikkeld door Heron Systems, en daarna werd de AI tegen een menselijke piloot gezet die een VR-helm droeg en in een vluchtsimulator zat. De AI zou alle vijf ronden hebben gewonnen.

De AI ontwikkeld door Heron Systems was een diep versterkend leer systeem. Diep versterkend leren is het proces van toelaten van een AI-agent om in een omgeving te experimenteren en te leren van trial en error. Lockheed Martin’s (LMT ) AI was de runner-up in de competitie en het maakte ook gebruik van een diep versterkend leer systeem. Lockheed Martin-engineers en -directeuren legden uit dat het ontwikkelen van algoritmes die goed kunnen presteren in luchtgevechten een heel andere taak is dan het ontwikkelen van een algoritme dat kan vliegen en bepaalde oriëntaties en hoogtes kan behouden. De AI-algoritmes moeten niet alleen begrijpen dat er straffen zijn voor bepaalde acties, maar ook dat niet alle straffen even zwaar zijn. Sommige acties hebben zeer ernstige gevolgen in vergelijking met andere acties, zoals crashen. Dit moet worden gedaan door gewichten toe te kennen aan elke mogelijke actie en deze gewichten vervolgens aan te passen op basis van de ervaringen van de agent.

Heron Systems zei dat ze hun model hebben getraind door het door meer dan 4 miljard simulaties te voeren, en dat het model ongeveer 12 jaar ervaring had opgedaan als resultaat. Echter, de AI mocht niet leren van zijn ervaringen in de gevechtsproeven zelf. Het is onduidelijk hoe de resultaten van de wedstrijd zouden zijn veranderd als het model wel had mogen leren van de wedstrijdronden. Als de wedstrijd langer had geduurd, had het resultaat mogelijk anders kunnen zijn. De menselijke piloot kon zich aanpassen aan de tactieken van de AI na een paar ronden en kon langer overleven tegen de AI tegen het einde van het spel. Het was alleen een beetje te laat toen de piloot zich had aangepast.

Dit is eigenlijk de tweede keer dat een AI een mens heeft verslagen in een gesimuleerd luchtgevecht. In 2016 versloeg een AI-systeem een gevechtsvliegtuig-instructeur. De recente DARPA-simulatie was robuuster dan de proef uit 2016, vanwege het feit dat meerdere AI’s tegen elkaar werden opgezet om de beste te vinden voordat deze tegen de menselijke piloot werd opgezet.

De directeur van DARPA’s Strategic Technology Office, Timothy Grayson, werd geciteerd als zeggende dat de proef erop gericht is om beter te begrijpen hoe machines en mensen interactie hebben en om betere mens-machine-teams te bouwen. Zoals Grayson werd geciteerd:

“Ik denk dat we vandaag het begin zien van iets dat ik mens-machine-symbiose zal noemen… Laten we denken aan de mens die in de cockpit zit, die wordt gevlogen door een van deze AI-algoritmes, en die één wapensysteem vormt, waarbij de mens zich richt op wat de mens het beste doet [zoals hogere-orde strategisch denken] en de AI doet wat de AI het beste doet.”