Todo lo que querías saber de inteligencia Artificial y sus aplicaciones en la Industria Militar

0
459
General Dynamics adquirirá $ 10 mil millones en CSRA
General Dynamics adquirirá $ 10 mil millones en CSRA

El Departamento de Defensa de los Estados Unidos (DoD) está cada vez más interesado en la Inteligencia Artificial (IA). Durante un reciente viaje a Amazon, Google y otras compañías de Silicon Valley, el secretario de Defensa, James Mattis, comentó que la IA «tiene que ser mejor integrada por el DoD». ¿Qué queremos decir con el término IA? En particular, ¿qué significa «aprendizaje profundo»? ¿Cuáles son las ventajas, desventajas y riesgos de usar IA? ¿Cuáles son potenciales aplicaciones militares adicionales para la IA?

¿Qué es IA?

IA se entiende mal en parte porque su definición está en constante evolución. Como las computadoras dominan tareas adicionales previamente pensadas sólo posibles por los seres humanos, la barra para lo que se considera «inteligente» se eleva más. Recientemente, una de las áreas más productivas en el campo de la IA ha sido en tecnologías que pueden entrenar software para aprender y pensar por sí mismo.

Esta área se está moviendo rápidamente y parece estar acelerando. Simultáneamente, la IA de la «vieja escuela» que utiliza enfoques basados ​​en reglas está siendo abandonada. En las próximas décadas, los sistemas de IA que pueden ser entrenados, aprender y pensar independientemente, probablemente dominarán el campo de la IA. Esto nos lleva a un aprendizaje profundo, un campo que ha dado grandes pasos en los últimos años y que ha generado un entusiasmo considerable.

¿Qué es el aprendizaje profundo?

El aprendizaje profundo es un potente conjunto de técnicas para el aprendizaje con redes neuronales artificiales (RNAs). Las RNA son un software modelado libremente después de la estructura neuronal de la corteza cerebral de los mamíferos. En la actualidad son mucho más simples; Las RNA como AlphaGo son poderosas debido a su enfoque láser en una sola cosa. Las unidades de procesamiento (denominadas nodos) se organizan en capas: entrada, oculto y salida. Las capas de entrada corresponden aproximadamente a fotorreceptores en la retina, estas capas ocultas son como las neuronas que procesan las señales de la retina y pasan esas señales a la corteza visual. Y las capas de salida corresponden a la corteza visual. Las ANNs simples tienen una sola capa oculta. Las RNA con dos o más capas ocultas son capaces de aprender en profundidad; tales RNAs pueden procesar conjuntos de datos más complejos que RNAs que sólo tienen una capa oculta. El aprendizaje profundo proporciona actualmente las mejores soluciones a los problemas de reconocimiento de imagen y de voz, y procesamiento del lenguaje natural (PNL). La clave del aprendizaje profundo es el acceso a grandes conjuntos de datos de alta calidad para el entrenamiento de las RNA. Sin datos, sin aprendizaje (profundo).

¿Cuáles son las ventajas, desventajas y riesgos de usar AI?

La frase «El software se está comiendo el mundo» fue acuñada en 2011 para reflejar el uso creciente de software para hacerse cargo de tareas mundanas o bien estructuradas. En 2016, la frase «la IA se está comiendo el software» surgió. Reconociendo que los sistemas de IA son el mismo software, preferimos el concepto clarificador de «software congelado» – software que no se puede aprender y por lo tanto sólo se puede mejorar a través de actualizaciones. El software de preparación de impuestos es un ejemplo clásico de software congelado; su rendimiento no mejora con el uso. La IA ahora se está el comiendo software de preparación de impuestos congelados.

Una clara ventaja de la IA es su capacidad para aprender y evolucionar de manera que el software congelado no puede. El software congelado basado en reglas está limitado por el conocimiento humano usado para desarrollarlo.

Una clara desventaja de aprender para la IA es que no es tan bueno como los datos que obtiene. Un número de chatbots han desarrollado respuestas indeseables, sexistas o incluso racistas, el software de Mein Kampf- usado para cotizaciones ha adquirido “comportamientos” después de interactuar con los seres humanos u otros chatbots que ha «envenenado» los insumos.

Otra gran desventaja es que la IA, todavía no está lista para muchas tareas que requieren un nivel profundo de conocimiento contextual y representa un riesgo clave en su capacidad de objetividad y la dificulta es en determinar que es opaco, lo que hace que la gente se sienta vacilante en ciertos ámbitos como la justicia penal.

¿Cuáles son las implicaciones potenciales para los militares?

Existen varias posibles aplicaciones de IA para los militares. La sustitución de software congelado por sistemas que no necesitan ser actualizados periódicamente crea un amplio potencial para crear sistemas más ágiles, posiblemente a un costo menor. Una vez más, IA podría ser utilizado en los sistemas de formación. Por ejemplo, podría proporcionar adversarios impredecibles y adaptativos para entrenar pilotos de caza. La visión por ordenador, la capacidad del software para entender las fotos y los videos, podría ayudar mucho en el procesamiento de las montañas de datos de los sistemas de vigilancia o para la vigilancia del «patrón de vida». Reconocimiento facial Las IA se están desarrollando rápidamente (incluso en China).

La realidad aumentada se puede usar para cerrar «brechas de habilidades» en el mantenimiento complejo; ahora está siendo utilizado por las líneas aéreas internacionales. La PNL, utilizada por sistemas como el Alexa de Amazon, permite a los sistemas interactuar con seres humanos usando lenguaje natural. La PNL podría permitir que los sistemas tomen órdenes sin usar teclados. PNL también puede traducir documentos y podría servir como traductor en el futuro.

Otras aplicaciones sugeridas podrían incluir: usar IA para resolver desafíos logísticos; para apoyar los juegos de guerra; en el momento de automatizar el combate en las llamadas operaciones tripuladas-no tripuladas; y finalmente para acelerar el desarrollo y la optimización de armas, y para identificar objetivos (así como no combatientes).

Sin embargo, también hay implicaciones de la adopción de la IA por los militares. El actual proceso de verificación y validación de los militares está pensado para software congelado y no es adecuado para los IA que aprenden. Los datos corrompidos, posiblemente de los adversarios, podrían tener consecuencias fatales. También es difícil confiar en un sistema que no se puede entender. Por último, los datos serán críticos, ya que el aprendizaje del éxito de la IA depende de manera crítica de los datos.

DEJA UNA RESPUESTA

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