Вашингтон — Пара неказистых роботов, больше похожих на гольф-кары в стиле «милитари», чем на Терминаторов, катилась по пустыне Юма, участвуя в учениях сухопутных войск в рамках проекта войн будущего под названием «Конвергенция».
Подобно солдатам из плоти и крови, эти машины по очереди прикрывали друг друга, продвигаясь вперед. Один робот находил укрытие, делал остановку и запускал привязанный к нему мини-дрон, который заглядывал за очередную высоту. В это время вторая машина двигалась вперед. Затем они менялись местами.
Целью этих машин была группа зданий на армейском полигоне в Юме. Это имитация города, которая используется при отработке приемов ведения боевых действий в городских условиях. Пока один робот делал остановку, чтобы передать сообщение своим удаленным операторам, второй въехал в город и засек «войска противника». Получив разрешение от человека, робот открыл огонь.
Затем алгоритмы бортовой системы распознавания целей с применением дополнительных средств (ATR) опознали еще одного противника, танк Т-72. Но эта цель была слишком далеко, и встроенное оружие машины не могло ее достать. Поэтому робот загрузил данные о цели в тактическую сеть и вызвал огонь артиллерии (опять же, с разрешения человека).
«Это огромный шаг вперед, Сидни, — сказал руководитель учений по проекту „Конвергенция" бригадный генерал Ричард Росс Коффман (Richard Ross Coffman). — Это компьютерное зрение, оно только зарождается, но уже работает».
Распознавание целей при помощи алгоритмов и машинное зрение — это очень важные достижения. Таких функций нет у большинства существующих военных роботов, которые не являются по-настоящему автономными. Просто у них есть дистанционное управление. Сама машина не в состоянии думать, она просто передает информацию с камеры оператору-человеку, который дает ей точные команды, куда ехать и что делать.
Такой подход называется телеуправлением. Он позволяет оградить человека от опасности, и поэтому такие машины приносят большую пользу командам саперов и небольшим разведывательным и дозорным группам. Но если мы хотим задействовать много роботов, не привлекая большое количество людей к управлению ими, надо сделать так, чтобы эти роботы часть решений принимали самостоятельно. Правда, командование сухопутных войск постоянно подчеркивает, что решение об открытии огня на поражение всегда будет принимать человек.
Поэтому Коффман, который руководит программами роботизированных боевых машин и боевых машин с управлением по выбору, обратился в Университет Карнеги — Меллона, где работает группа военных специалистов по искусственному интеллекту. «Восемь месяцев назад, — рассказал он мне, — я бросил им вызов, сказав: выпустите робота, и пусть он опознает цели, причем передвигаться он должен без лидара».
Лидар, в котором используются лазерные импульсы для обнаружения препятствий, является обычным датчиком, который ставят на экспериментальные автомобили с автономным управлением. Однако Коффман отметил, что противник может легко обнаружить такой прибор, потому что он активно излучает лазерную энергию.
Поэтому в рамках проекта «Конвергенция» провели эксперимент под названием «Источник». В ходе эксперимента использовали пассивные датчики, роль которых сыграли камеры. Таким образом, алгоритмы машинного зрения должны были быть очень хорошего качества, чтобы распознавать и истолковывать визуальную информацию, а также вычислять местонахождение вероятных препятствий, не полагаясь при этом на лидары и радары для точного измерения расстояния и направления. Для человека это довольно простая задача, так как его глаза и мозг за сотни миллионов лет эволюции очень хорошо усовершенствовались. Но для роботов это настоящий подвиг, ведь им сейчас очень трудно отличить, скажем, мелкую лужу от опасной и глубокой ямы с водой.
«Имея одно только машинное зрение, они сумели переместиться из точки А в точку Б», — сказал Коффман. Но сухопутным войскам недостаточно того, что роботы могут сами находить дорогу. Военные хотят, чтобы они вели поиск угроз и целей самостоятельно, без помощи человека, постоянно смотрящего на экран.
И вот здесь-то на помощь пришла система распознавания целей с применением дополнительных средств ATR. (У этого сокращения есть и другая расшифровка — автоматизированное распознавание целей, однако военным не нравится намек на то, что программа может заменить решение человека, и поэтому они упорно используют словосочетание «с применением дополнительных средств».)
Распознавание целей — это еще одна серьезная проблема. Безусловно, искусственный интеллект сегодня прекрасно научился распознавать лица на фотографиях, размещенных в социальных сетях. Однако частный сектор не вкладывает большие деньги в то, чтобы отличить американский танк «Абрамс» М1 от российского Т-72, или безобидный пикап «Тойота» от такого же пикапа, но с установленным в кузове станковым пулеметом, каким часто пользуются боевики и партизаны. А сухопутные войска должны иметь возможность отличить войска противника от своих войск и от гражданских в хаосе боя, причем не только по четким разведывательным снимкам с воздуха, но и с земли. И делать это надо несмотря на то, что противник использует средства маскировки и укрытия, дабы скрыть легко узнаваемые силуэты.
«Учить алгоритмы распознавать машины по типам — это невероятно сложная задача, — сказал Коффман. — Мы собрали и промаркировали свыше 3,5 миллиона изображений, чтобы использовать их при обучении алгоритмов. Чтобы проделать всю эту работу, хорошо подготовленный аналитик должен оценить каждый снимок и сказать компьютеру, что это такое: сидящий или идущий человек, танк Т-72, БМП и так далее до посинения».
Но каждый робот или дрон вовсе не должен хранить в своей бортовой памяти все эти миллионы изображений. Ему просто нужны «классифицирующие» алгоритмы, которые оценивают изображения в системах машинного обучения. А поскольку эти алгоритмы-классификаторы занимают не так уж и много памяти, их можно установить на компьютере каждого отдельного робота.
«Мы доказали, что можем сделать это с привязным или беспривязным БПЛА. Мы доказали, что можем сделать это с роботом. Мы доказали, что можем сделать это на машине, — сказал Коффман. — Мы можем распознавать противника по типу и по месту».
«Все это происходит на переднем крае, — подчеркнул он. — Нам не надо отправлять это куда-то на центральный процессор для обработки».
Иными словами, каждому отдельному роботу не нужно постоянно и в режиме реального времени передавать качественное видео всего того, что он наблюдает, какому-то далекому аналитику или на главный компьютер с искусственным интеллектом. Отправлять туда-сюда такие огромные массивы данных — это слишком большая нагрузка для низкоскоростных тактических сетей, в работе которых часто случаются сбои из-за особенностей местности, технических неполадок и радиоэлектронного противодействия противника. Вместо этого робот может сам опознать цель, воспользовавшись бортовым искусственным интеллектом, а потом просто доложить самые существенные детали: типы обнаруженных машин, их количество, местонахождение и характер действий.
«Объем передаваемой по сети информации нужно сокращать до размеров твита, делать его как можно меньше, чтобы не засорять сеть», — сказал Коффман.
Вместе с тем, он подчеркнул: перед принятием решения открыть огонь человек должен достаточно долго смотреть на поступающую информацию, чтобы подтвердить тип цели и дать команду на ее уничтожение.
«Всегда есть человек, который смотрит на сенсорное изображение, — сказал Коффман. — И только он решает: да, я хочу поразить эту цель».
«Можно ли это делать автоматически, без участия человека?— продолжил он. — Да, я думаю, технологии это позволяют. Но в сухопутных войсках США действуют правила этики. В цепочке должен присутствовать человек».