โมเดลและแพลตฟอร์ม AI

มัคนายกรายและระบบป้องกันขีปนาวุธ

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

มัคนายกรายมีปฏิกิริยาที่รวดเร็วมากและความลึกในการรับรู้ที่น้อยมาก พวกมันสามารถตอบสนองต่อเหยื่อที่เคลื่อนที่ผ่านอากาศหรือพื้นดินได้ภายใน 50 มิลลิวินาที ซึ่งเป็นเวลาเดียวกับที่ข้อมูลต้องใช้ในการข้ามสามเซลล์ประสาท ห้องปฏิบัติการแห่งชาติ Sandia กำลังทำการวิจัยเพื่อทำความเข้าใจว่าสมองของมัคนายกรายทำงานอย่างไรและเรียนรู้วิธีการคำนวณเส้นทางที่ซับซ้อน

การวิจัยนี้นำโดยนักประสาทวิทยาศาสตร์คำนวณ Frances Chance เธอเป็นผู้พัฒนาแอลกอริทึมและจะนำเสนอผลการวิจัยที่การประชุมสากลเกี่ยวกับระบบ Neuromorphic ใน Knoxville, Tennessee การวิจัยนี้ได้ถูกนำเสนอแล้วที่การประชุมประจำปีขององค์กรสำหรับวิทยาศาสตร์ประสาทคำนวณในบาร์เซโลนา, สเปน

Frances Chance มีความเชี่ยวชาญในการจำลองเครือข่ายประสาทชีวภาพ เช่น สมอง โดยเฉพาะเซลล์ประสาทและกระบวนการ傳递ข้อมูลผ่านระบบประสาท สมองมีความซับซ้อนและดีกว่าคอมพิวเตอร์ มันใช้พลังงานน้อยกว่าและเรียนรู้ได้เร็วขึ้น

“ฉันพยายามคาดการณ์ว่าเซลล์ประสาทถูกเชื่อมต่อในสมองและเข้าใจว่าเซลล์ประสาทเหล่านั้นกำลังทำการคำนวณอะไรอยู่ โดยอาศัยสิ่งที่เรารู้เกี่ยวกับพฤติกรรมของสัตว์หรือสิ่งที่เรารู้เกี่ยวกับการตอบสนองของระบบประสาท” Chance กล่าว

การวิจัยที่ดำเนินการโดยห้องปฏิบัติการแห่งชาติ Sandia รวมถึงการสร้างสภาพแวดล้อมที่ง่ายซึ่งมีมัคนายกรายที่สร้างขึ้นผ่านการจำลองคอมพิวเตอร์ พวกเขาใช้แอลกอริทึมคอมพิวเตอร์เพื่อให้มัคนายกรายจับเหยื่อได้เหมือนกับในโลกแห่งความเป็นจริง มัคนายกรายที่จำลองขึ้นสามารถประมวลผลข้อมูลภาพขณะล่าได้เหมือนกับมัคนายกรายในโลกแห่งความเป็นจริง สิ่งนี้แสดงให้เห็นว่าการเขียนโปรแกรมในลักษณะนี้เป็นไปได้ และสามารถนำไปใช้ในหลายภาคส่วน

การวิจัยใหม่นี้กำลังถูกนำไปใช้ในภาคป้องกันขีปนาวุธ โดยใช้ระบบเดียวกับที่ใช้กับมัคนายกรายที่จำลองขึ้น สามารถปรับปรุงระบบป้องกันขีปนาวุธได้ ระบบป้องกันขีปนาวุธทำงานในลักษณะเดียวกับมัคนายกรายที่จับเหยื่อ มันขัดขวางวัตถุในอากาศเหมือนกับมัคนายกรายที่จับเหยื่อในโลกแห่งความเป็นจริง มัคนายกรายเป็นหนึ่งในนักล่าที่ดีที่สุดในโลก โดยจับเหยื่อได้ 95% ของเหยื่อที่พวกมันเล็งเหยื่อ

ด้วยการพัฒนใหม่นี้ พวกเขากำลังพยายามทำให้คอมพิวเตอร์บนระบบป้องกันขีปนาวุธมีขนาดเล็กขึ้น แต่ยังคงเร็วและแม่นยำ ระบบป้องกันขีปนาวุธในปัจจุบันทำงานผ่านเทคนิคการขัดขวางที่กำหนดไว้ ซึ่งต้องใช้การคำนวณที่หนักหน่วง นี่เป็นหนึ่งในพื้นที่ที่แบบจำลองที่อิงจากมัคนายกรายและเหยื่อสามารถช่วยได้

เทคโนโลยีและวิจัยใหม่นี้สามารถช่วยปรับปรุงระบบป้องกันขีปนาวุธได้หลายวิธี รวมถึงการลดขนาด น้ำหนัก และความต้องการพลังงานของคอมพิวเตอร์บนระบบ จากนั้น ตัวขัดขวางสามารถมีขนาดเล็กและเบาได้ ทำให้พวกมันเคลื่อนที่ได้ง่ายขึ้น ระบบใหม่นี้ยังสามารถเรียนรู้วิธีการขัดขวางเป้าหมายที่เคลื่อนที่ได้ เช่น อาวุธไฮเปอร์โซนิก ซึ่งไม่ปฏิบัติตามเส้นทางที่คาดการณ์ได้เหมือนขีปนาวุธบอลิสติก ระบบนี้ยังสามารถใช้เซ็นเซอร์ที่ง่ายกว่าแทนเซ็นเซอร์ที่ซับซ้อนซึ่งใช้ในปัจจุบันในการขัดขวางเป้าหมาย

หนึ่งในปัญหาในการวิจัยและแนวคิดนี้คือ ขีปนาวุธและมัคนายกรายเดินทางด้วยความเร็วที่แตกต่างกันมาก ซึ่งอาจทำให้เกิดความไม่เท่าเทียมกัน

นอกเหนือจากระบบป้องกันขีปนาวุธแล้ว แบบจำลองการคำนวณของสมองมัคนายกรายยังสามารถช่วยพัฒนาการเรียนรู้ของเครื่องจักรและปัญญาประดิษฐ์ที่ดีกว่า เมื่อใช้เทคโนโลยีนี้และปัญญาประดิษฐ์มากขึ้น มันจะเข้าไปสู่ภาคส่วนต่างๆ มากขึ้น ภาคป้องกันคือหนึ่งในภาคส่วนที่ใช้เทคโนโลยีนี้เพื่อเพิ่มประสิทธิภาพและเติบโตอย่างรวดเร็ว การวิจัยนี้แสดงให้เห็นว่าเราสามารถพัฒนาระบบที่ซับซ้อนโดยอาศัยระบบที่มีอยู่แล้วในโลกของเรา เช่น มัคนายกรายและสมองของพวกมัน เทคโนโลยีใหม่นี้ช่วยให้เราสามารถสร้างแบบจำลองและพัฒนาระบบที่ดีกว่า

Alex McFarland เป็นนักข่าวและนักเขียน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมงานกับสตาร์ทอัพ AI และสื่อสิ่งพิมพ์ต่างๆ ทั่วโลก