آیکون خبر

خبر کامل

هوش مصنوعی F-35: تحولی در شناسایی پدافندهای هوایی و تصمیم‌گیری خلبانان

هوش مصنوعی F-35: تحولی در شناسایی پدافندهای هوایی و تصمیم‌گیری خلبانان

شرکت لاکهید مارتین، غول صنایع دفاعی، از جزئیات جدیدی پرده برداشته که نشان می‌دهد چگونه هوش مصنوعی (AI) به خلبانان جنگنده نسل پنجمی F-35 کمک می‌کند تا با دقت و سرعت بی‌سابقه‌ای، پدافندهای هوایی را شناسایی کنند. این پیشرفت انقلابی، نه تنها سیستم شناسایی رزمی F-35 را متحول می‌کند، بلکه روند استفاده از داده‌های جدید برای بهبود جنگ الکترونیک این جنگنده را نیز تسریع می‌بخشد.

نمایش قابلیت‌های هوش مصنوعی در پروژه اورواچ

قابلیت‌های پیشرفته هوش مصنوعی در یک پروژه آزمایشی با نام «اورواچ» (Overwatch) به نمایش گذاشته شد. این پروژه توسط لاکهید مارتین در پایگاه نیروی هوایی نلیس در نوادا اجرا گردید و نتایج چشمگیری را به همراه داشت.

اولین پرواز آزمایشی با AI تاکتیکی

لاکهید مارتین برای اولین بار، قابلیت «شناسایی رزمی» تقویت‌شده با هوش مصنوعی را که به طور کامل در سیستم اطلاعاتی F-35 ادغام شده بود، در حین پرواز آزمایش کرد. این رویداد نقطه عطفی است، زیرا برای نخستین بار یک مدل هوش مصنوعی تاکتیکی در حین پرواز برای ایجاد شناسایی رزمی مستقل بر روی نمایشگر خلبان به کار گرفته شد.

جنگنده F-35 برخلاف جنگنده‌های سنتی، نمایشگر هدآپ (HUD) ندارد و اطلاعات حیاتی مانند نمادهای تهدید را مستقیماً بر روی کلاه ایمنی خلبان نمایش می‌دهد. علاوه بر این، هر جت دارای یک نمایشگر عریض در کابین است که برای ارائه اطلاعات حسگرها و سایر داده‌های تکمیلی استفاده می‌شود.

سربازی درون تأسیسات نیروی هوایی ایالات متحده برای تجزیه و تحلیل سیگنال‌های فرکانس رادیویی
سربازی درون تأسیسات نیروی هوایی ایالات متحده برای تجزیه و تحلیل سیگنال‌های فرکانس رادیویی

نتایج پرواز آزمایشی: آگاهی محیطی بیشتر و تصمیم‌گیری سریع‌تر

در طول پرواز آزمایشی پروژه اورواچ، یک مدل هوش مصنوعی آموزش‌دیده توانست ابهامات شناسایی میان فرستنده‌های سیگنال را برطرف کند. این اقدام منجر به بهبود قابل توجه آگاهی محیطی خلبان و کاهش تأخیر در تصمیم‌گیری شد.

مهندسان با استفاده از یک ابزار خودکار، فرستنده‌های جدید را برچسب‌گذاری کرده، مدل هوش مصنوعی را در عرض چند دقیقه برای یادگیری کلاس جدید فرستنده‌ها بازآموزی و مدل به‌روزرسانی‌شده را برای پرواز بعدی در همان چرخه برنامه‌ریزی مأموریت بارگذاری کردند. این سرعت در به‌روزرسانی، مزیت رقابتی بزرگی در میدان نبرد فراهم می‌کند.

گنجاندن چنین هوش مصنوعی پیشرفته‌ای در سیستم مأموریت F-35، به خلبانان کمک می‌کند تا تهدیدات را سریع‌تر درک کنند و تصمیمات را با سرعت بالاتری بگیرند؛ زیرا اپراتورها در میدان نبرد زمان کافی برای ترکیب و تحلیل داده‌ها را ندارند.

به گفته سخنگوی لاکهید مارتین، فناوری جدید دقیقاً به همان روش سیستم شناسایی رزمی فعلی نمایش داده می‌شود و کار انجام‌شده در پروژه اورواچ، به تقویت اطلاعات سیستم کنونی کمک می‌کند. در طول پرواز آزمایشی، اطلاعات سیستم قدیمی در کنار داده‌های سیستم جدید به خلبان ارائه شد.

اطلاعات در حین پرواز به خلبان نشان داده می‌شوند و پس از هر مأموریت، داده‌ها در سیستم دانلود و پردازش خواهند شد که نتیجه‌اش، هوش مصنوعی ارتقایافته برای پرواز بعدی خواهد بود.

با وجود اینکه ابزارهای خودکار امکان برنامه‌ریزی مجدد و مرتبط را در عرض چند دقیقه فراهم کرده‌اند، هنوز مشخص نیست که مهندسان برای دریافت اولیه داده‌ها و سپس ارسال آن‌ها برای بارگذاری روی یک F-35 واقعی در مجموع چقدر زمان صرف کرده‌اند.

بیانیه لاکهید مارتین نشان می‌دهد که در پروژه اورواچ از روش‌های نوآورانه‌ای استفاده شده است؛ همان روش‌هایی که پیش‌تر برای استقرار به‌روزرسانی‌های نرم‌افزاری بی‌سیم و بی‌درنگ سیستم مبارزه چندمنظوره Aegis در کشتی‌های مستقر در دریای سرخ به کار گرفته شدند تا امکان اقدامات متقابل سریع علیه تهدیدات پیشرفته پهپادی و موشکی فراهم شود.

ادغام حسگرها و سایر سیستم‌ها در F-35
ادغام حسگرها و سایر سیستم‌ها در F-35

چالش‌های پیش روی هوش مصنوعی در جنگ الکترونیک

حتی با وجود قابلیت‌های پیشرفته جنگ الکترونیک کنونی در جنگنده‌های F-35 که با داده‌های سایر حسگرها ترکیب می‌شوند، این جت‌ها برای شناسایی دقیق و دسته‌بندی تهدیدها همچنان به یک کتابخانه داخلی از امضای فرکانس رادیویی متکی هستند.

با پیشرفت هوش مصنوعی، پدافندهای هوایی هم پیشرفته‌تر می‌شوند.

F-35 اشیایی را که سیگنال‌های ناشناس (خارج از کتابخانه) یا غیرعادی ساطع می‌کنند، علامت‌گذاری خواهد کرد؛ اما خلبانان در چنین مواردی اطلاعات دقیق کمتری در اختیار خواهند داشت. هرگونه تصمیم‌گیری فوری مانند اجتناب از پرواز در یک منطقه خاص یا پیشروی، باید این ناشناخته‌ها و خطرات مرتبط را در نظر بگیرد؛ به‌خصوص که خلبان ممکن است از قبل در وضعیت بسیار پرتنش یا پرمشغله‌ای باشد و با خستگی و عوامل دیگر دست‌وپنجه نرم کند.

اکوسیستم تهدیدات پدافند هوایی، از جمله در زمینه کشف و طبقه‌بندی انتشار سیگنال‌های فرکانس رادیویی، با گذشت زمان پیچیده‌تر خواهد شد. به عنوان مثال، امضای اصلی یک رادار با کار در حالت‌ها و طول موج‌های مختلف قابل تغییر است و همین موضوع چالش‌هایی را ایجاد می‌کند.

F-35 test jet

پرش سیگنال و مدولاسیون، تاکتیک‌هایی هستند که پدافندهای هوایی دهه‌ها برای دور زدن پارازیت‌های جنگ الکترونیک و سایر اقدامات متقابل استفاده کرده‌اند. تکثیر هوش مصنوعی و فناوری‌های یادگیری ماشین در سمت پدافند هوایی این پیچیدگی را تشدید خواهد کرد.

در چنین شرایطی، جنگ الکترونیک شناختی (یا جنگ الکترونیک الگوریتمی) وارد عمل می‌شود؛ حوزه‌ای به سرعت در حال توسعه که عموماً لایه‌های مختلفی از قابلیت‌های جنگ الکترونیک را پوشش می‌دهد و برای واکنش خودکار به سیگنال‌های جدید طراحی شده است.

نیروی هوایی ایالات متحده به طور ویژه روی راه‌هایی برای گسترش ظرفیت پردازش اطلاعات در حین پرواز و ارسال به‌روزرسانی‌های نرم‌افزاری به هواپیما در میانه مأموریت کار می‌کند که همگی با توسعه قابلیت‌های جدید اشتراک‌گذاری امن داده‌ها مرتبط هستند.

شناسنامه خبر:

درباره هوش‌مصنوعی دست‌اول:

تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.

دسترسی رایگان به هوشنگ ↗