I.A en el campo de Batalla

0
524

La inteligencia artificial está llegando pronto a un campo de batalla cerca de usted – con mucha ayuda del sector privado. Dentro de seis meses el ejército estadounidense comenzará a utilizar algoritmos comerciales de I.A para clasificar sus datos de inteligencia sobre el Estado Islámico.

«Vamos a poner un algoritmo en una zona de combate antes del final de este año calendario, y la única manera de hacerlo es con socios comerciales», dijo el coronel Drew Cukor.

Capacidad en números

¿Qué tan grande es esto? Encabeza de esto se encuentra el Equipo de Función de la Cruz de Guerra Algorítmica, creado personalmente por el secretario de Defensa de Saliente Bob Work para aplicar I.A a la clasificación del diluvio digital de datos de inteligencia.

Este no es un programa plurianual para desarrollar la solución perfecta: «El estado del arte es lo suficientemente bueno para el gobierno», dijo en la conferencia de tecnología DefenseOne. La tecnología comercial existente puede integrarse en los sistemas gubernamentales existentes.

«No estamos hablando de tres millones de líneas de código», dijo Cukor. «Estamos hablando de 75 líneas de código … colocadas dentro de un software más grande (arquitectura)» que ya existe para la recopilación de inteligencia.

Inversión en I+D

Durante décadas, el ejército estadounidense ha invertido en mejores sensores para reunir más inteligencia, mejores redes para transmitir esos datos y más humanos para mirar la información hasta encontrar algo. «Nuestra fuerza de trabajo está francamente abrumada por la cantidad de datos», dijo Cukor.

El problema, señaló, es «mirar fijamente las cosas durante largos períodos de tiempo no es claramente no es para lo que fueron diseñados los humanos». Los analistas estadounidenses no pueden obtener todos los datos que recopilamos, y no podemos calcular los datos faltantes.

No podemos seguir tirando a la gente del problema. En la Agencia Nacional de Inteligencia Geoespacial, por ejemplo, el director de integración de la misión de la NGA, Scott Currie, dijo a la conferencia: «si miramos la proliferación de los nuevos satélites con el tiempo y seguimos haciendo negocios de la manera que lo hacemos, tendremos que Contratar a dos millones más de analistas de imágenes «.

Socios del sector privado

El equipo de trabajo de Cukor está ahora encabezando este esfuerzo en todo el Departamento de Defensa. «Estamos trabajando con él y su equipo», dijo Dale Ormond, director principal de investigación de la Oficina del Secretario de Defensa. «Estamos llevando la experiencia combinada de nuestro sistema de laboratorio a través del complejo del Departamento de Defensa.

Del mismo modo que el Pentágono necesita que el sector privado lidere el camino, muchas empresas emergentes prometedoras pero en dificultades necesitan fondos del gobierno para tener éxito. Mientras que Tesla, Google, GM y otros inversionistas en automóviles autodirigidos están generosamente financiando el trabajo en la visión artificial para evitar la colisión, hay un mercado comercial mucho más pequeño para otras tecnologías como el reconocimiento de objetos.

Todo lo que un coche de Google necesita saber sobre un vehículo o un edificio es cómo evitar chocar contra él. Una aplicación en I.A militar necesita saber si se trata de una camioneta civil o un auto de ISIS armado con una ametralladora en la cama del camión, un hospital o un escondite.

El proyecto Algorithmic Warfare se centra en derrotar a ISIS, dijo, no en reconocer cada arma y vehículo en, por ejemplo, el orden de batalla. Él cree que sólo hay «unas 38 clases de objetos» que el software necesitará distinguir.

Dificultades de programación

Sin embargo, no es fácil programar una inteligencia artificial para distinguir objetos. No hay un solo ideal de un terrorista que puedas cargar para que la I.A compare las imágenes de la vida real con ellas.

En cambio, las modernas técnicas de aprendizaje de la máquina alimentan a los lotes de I.A de diferentes datos del mundo real – cuanto más mejor – hasta que aprende por ensayo y error cuáles son las características de cada objeto de un tipo dado tiene en común. Es básicamente la forma en que un niño aprende la diferencia entre un coche y un tren (protip: contar las ruedas). Este proceso va mucho más rápido cuando los seres humanos ya han etiquetado qué datos van en qué categoría.

«Estos algoritmos necesitan grandes conjuntos de datos, y estamos empezando a etiquetar», dijo Cukor. «Es sólo una cuestión de lo grande que nuestros conjuntos de datos etiquetados podamos obtener». Parte de este etiquetado debe ser hecho por personal del gobierno, dijo Cukor; Él no dijo por qué, pero presumiblemente esto incluye el material más altamente clasificado. Gran parte de este personal está siendo subcontratado a «una importante compañía de etiquetado de datos», que no mencionó.

DEJA UNA RESPUESTA

¡Por Favor deje su comentario!
Por favor ingrese su nombre