Sztuczna inteligencja rozpoznaje wyrzutnie rakiet

Systemy sztucznej inteligencji pomagają amerykańskim agencjom wywiadowczym w analizie zdjęć satelitarnych i identyfikowaniu nieujawnionych reaktorów atomowych czy tajnych baz i instalacji wojskowych. Niedawno amerykańscy eksperci nauczyli sztuczną inteligencję identyfikować chińskie wyrzutnie rakiet ziemia-powietrze.

W agencjach wywiadowczych pracują eksperci od analiz zdjęć satelitarnych, jednak zdjęć jest tak wiele, że ekspertów wciąż brakuje. Naukowcy dowiedli właśnie, że specjalne algorytmy mogą wspomagać w analizie zdjęć satelitarnych osoby, które nie mają doświadczenia w tego typu pracach. Sztuczną inteligencję zaprzęgnięto do wyszukiwania wyrzutni rakiet na zdjęciach obejmujących niemal 90 000 kilometrów kwadratowych w południowo-wschodnich Chinach. Okazało się, że SI dorównuje skutecznością ekspertom specjalizującym się w analizach zdjęć satelitarnych. Jest jednak od nich znacznie szybsza. Praca, która człowiekowi zajmuje 60 godzin w przypadku SI trwa zaledwie 42 minuty.

Algorytmy były wykorzystane do znalezienia miejsc, w których z wysokim prawdopodobieństwem znajduje się wyrzutnia rakiet. Oznaczony obszar był następnie analizowany przez eksperta, który oceniał skuteczność działania algorytmu oraz szacował, ile czasu dzięki niemu zaoszczędzono. O ile wiem, nikt nigdy nie próbował dokonywać takich ocen, mówi profesor Curt Davies z Center for Geospatial Intelligence na University of Missouri.

Badania prowadzone na University of Missouri są nieocenioną pomocą dla analityków. Eksperci przestają sobie radzić z olbrzymią ilością danych jaką muszą analizować. Sama tylko firma DigitalGlobe, światowy lider komercyjnego satelitarnego obrazowania naszej planety, generuje codziennie 70 terabajtów surowych danych satelitarnych. Jeśli do tego dodamy inne przedsiębiorstwa komercyjne oraz satelity szpiegowskie, to łatwo sobie wyobrazić, że mamy do czynienia z tak olbrzymią ilością danych, iż ludzie nie są w stanie samodzielnie ich przeanalizować.

Davis i jego zespół postanowili pokazać, w jaki sposób powszechnie dostępne komercyjne systemy analizy obrazów mogą zostać zmodyfikowane i nauczone analiz potrzebnych agencjom wywiadowczym i ekspertom ds. bezpieczeństwa. Wykorzystali w tym celu modele GoogleNet oraz microsoftowy ResNet. Ich twórcy zbudowali je po to, by identyfikowały i klasyfikowały one obiekty widoczne na tradycyjnych fotografiach i materiałach wideo. Zespół Davisa przystosował je do analizy obrazów satelitarnych i wyszkolił do poszukiwania wyrzutni rakiet.

Poligonem doświadczalnym stały się Chiny ze swoim olbrzymim terytorium. To rozległe obszary stanowią problem dla analityków. Na przykład w niewielkiej Korei Północnej wywiad satelitarny zidentyfikował wszystkie lub niemal wszystkie miejsca stacjonowania baterii rakiet przeciwlotniczych. Cała praca została wykonana ręcznie przez analityków. Tego typu analizy są wykonywane nie tylko po to, by dowiedzieć się, gdzie znajduje się broń, ale by przeanalizować sąsiednie obszary. Baterie przeciwlotnicze są stawiane w miejscach o szczególnym znaczeniu. Tam, gdzie znajduje się taka bateria można z dużym prawdopodobieństwem znaleźć istotny obiekt, do obrony którego bateria jest przypisana.

Jednym z problemów, z jakim musieli zmierzyć się naukowcy, jest brak dużych zestawów dobrze opisanych zdjęć satelitarnych, które mogłyby posłużyć do nauczania algorytmów SI. Naukowcy wykorzystali publicznie dostępne dane o około 2200 wyrzutniach rakiet, na tej podstawie stworzyli zestaw treningowy i zaimplementowali go czterem różnym modelom SI, by wyłonić ten, który będzie sprawował się najlepiej. Davis i jego grupa dysponowali zaledwie 90 zdjęciami satelitarnymi chińskich wyrzutni. To zdecydowanie zbyt mało, by nauczyć SI rozpoznawania takich miejsc. Dlatego też na podstawie tych zdjęć stworzono zestaw 893 000 obrazów, obracając w różnych kierunkach każde w oryginalnych zdjęć. Profesor Davis mówi, że znaczącym ułatwieniem był tutaj fakt, iż stacjonarne wyrzutnie rakiet są duże i mają charakterystyczny wygląd. Jego zdaniem algorytmy SI będą miały znacznie więcej problemów ze znalezieniem mniejszych obiektów, takich jak ruchome wyrzutnie rakiet, niewielkie systemy radarowe czy pojazdy wojskowe.

Algorytmy podobne do opisywanych powyżej, będą jednak wykorzystywane coraz szerzej. Dość wspomnieć, że Międzynarodowa Agencja Energii Atomowej musi nadzorować infrastrukturę nuklearną w 200 krajach oraz poszukiwać miejsc, do istnienia których kraje się nie przyznają.

sztuczna inteligencja wyrzutnia rakiet