AI-kontrollerad stridsflygare besegrar mänsklig pilot i simulerad strid

En händelse där en AI-kontrollerad stridsflygplan ställdes mot en mänsklig pilot i en virtuell dogfight hölls nyligen, och resultatet blev att AI:n lyckades besegra sin mänskliga motståndare, vilket är ytterligare ett exempel på att AI överträffar människor i till och med extremt komplexa uppgifter.

Enligt DefenseOne var den nyligen virtuella dogfighten arrangerad av den amerikanska militären som en del av ett pågående försök att demonstrera förmågan hos autonoma agenter att besegra flygplan i dogfighter, ett projekt som kallas AlphaDogFight-utmaningen. Forsknings- och utvecklingsbyrån för försvar (DARPA) valde ut åtta lag av AI:er utvecklade av olika försvarsleverantörer och ställde dessa AI-lag mot varandra i virtuella dogfighter. Vinnaren i denna turnering var en AI utvecklad av Heron Systems, och därefter ställdes AI:n mot en mänsklig pilot som bar en VR-hjälm och satt i en flygsimulator. AI:n vann alla fem omgångar den spelade.

AI:n utvecklad av Heron Systems var ett djupt förstärkt lärande system. Djup förstärkt lärande är processen att låta en AI-agent experimentera i en miljö om och om igen, lära av försök och misstag. Lockheed Martins AI var tvåa i tävlingen och den använde också ett djup förstärkt lärande system. Lockheed Martins ingenjörer och chefer förklarade att att utveckla algoritmer som kan prestera bra i luftstrid är en helt annan uppgift än att bara utforma en algoritm som kan flyga och upprätthålla vissa orienteringar och höjder. AI-algoritmerna måste förstå inte bara att det finns straff för vissa handlingar, utan att inte alla straff är lika viktiga. Vissa handlingar har mycket allvarliga konsekvenser jämfört med andra handlingar, som att krascha. Detta måste göras genom att tilldela vikter till varje möjlig handling och sedan justera dessa vikter baserat på de upplevelser som agenten har.

Heron Systems sa att de tränade sin modell genom att låta den genomgå över 4 miljarder simuleringar, och att modellen hade förvärvat cirka 12 års erfarenhet som ett resultat. Men AI:n tilläts inte lära av sina upplevelser i stridstesterna själva. Det är oklart hur resultaten av tävlingen skulle ha förändrats om modellen hade tillåtits lära av tävlingsomgångarna. Om tävlingen hade pågått längre, kanske det hade blivit ett annat resultat också. Den mänskliga piloten kunde anpassa sig till AI:ns taktik efter några omgångar och kunde överleva mycket längre mot AI:n mot slutet av spelet. Det var bara lite för sent när piloten hade anpassat sig.

Detta är faktiskt den andra gången som en AI har besegrat en människa i en simulerad dogfight. 2016 besegrade ett AI-system en stridsflyglärare. Den nyligen simulerade DARPA-simuleringen var mer robust än 2016 års test, på grund av att flera AI:er ställdes mot varandra för att hitta den bästa innan den mötte den mänskliga piloten.

Chefen för DARPA:s strategiska teknikutvecklingskontor, Timothy Grayson, citerades som sagt att försöket syftar till att bättre förstå hur maskiner och människor interagerar och bygga bättre mänskliga-maskin team. Som Grayson citerades av:

“Jag tror att det vi ser idag är början på något jag kommer att kalla mänsklig-maskin-symbios… Låt oss tänka på den mänskliga piloten som sitter i cockpit, som flygs av en av dessa AI-algoritmer som verkligen är ett vapensystem, där den mänskliga piloten fokuserar på vad den mänskliga piloten gör bäst [som högre strategiskt tänkande] och AI:n gör vad AI:n gör bäst.”