Legerleiders zeggen dat het moderne slagveld zo verzadigd is met sensoren en netwerkwapens die meer gegevens genereren dan soldaten realistisch gezien zelf kunnen verwerken, dat kunstmatige intelligentie is nodig om alles op een zinvolle manier te sorteren.
Jarenlang lag de focus van het leger op het inzetten van meer sensoren voor informatie en bewustzijn op het slagveld, maar nu moet de dienst ook nadenken over de overdaad aan informatie en het beheren van de enorme hoeveelheden gegevens die binnenkomen.
Tijdens een recente Amerikaanse leger- en NAVO-oefening in Europa gebruikten troepen een eigen AI-systeem om gegevens te consumeren en te sorteren. De waarde was niet strikt dat de AI het sneller zou kunnen doen, maar dat het zich context en patronen kon herinneren die mensen niet konden.
De casus van de Dynamic Front-oefening is een ander voorbeeld van hoe het Amerikaanse leger steeds meer AI en automatisering implementeert in alles, van vijandelijke aanvalssimulaties tot papierwerk.
“Het moderne slagveld, wat we over de hele wereld al zien, zwemt in sensoren en we verdrinken in gegevens”, zei kolonel Jeff Pickler, commandant van de 2e Multi-Domain Task Force van het leger, tijdens een mediarondetafelgesprek over Dynamic Front.
Er zijn niet genoeg mensen om alle beschikbare informatie te ontcijferen, zei hij. “Ze zullen dat nooit allemaal volledig kunnen verwerken.”
Het Dynamic Front telde dit jaar bijna 2.000 Amerikaanse personeelsleden en bijna 4.000 personeelsleden van bondgenoten en partners. Foto van het Amerikaanse leger door Kevin Sterling Payne
De software die dat probleem moet aanpakken, blijft in bètatesting. In de volgende versie van Dynamic Front – die zal samengaan met een andere oefening, Arcane Front, om technologie-experimenten te combineren met gevechtsrepetities op theaterniveau – zeggen legerleiders dat ze van plan zijn de AI op grotere schaal te testen.
“Als we kijken naar een doelstelling die zich in het Europese theater heeft gesteld en waarvan we denken dat we meer dan 1.500 doelwitten per dag moeten verwerken, dan valt dat buiten het menselijke bereik”, aldus Pickler. “Het antwoord op de vergelijking ligt in AI en automatisering.”
Tijdens een potentieel grootschalig conflict in Europa zou AI hierbij kunnen helpen het lokaliseren en beoordelen van deze doelen.
Het systeem kan dit snel doen, maar de snelheid is niet het belangrijkste voordeel. AI kan patronen onthouden die mensen misschien vergeten of niet eens opmerken. Pickler gaf een voorbeeld van AI die zich realiseerde dat niet-gerelateerde scheepsrapporten, een lokale stroomstoring en een levering van kunstmest samen zouden kunnen duiden op raketbrandstofactiviteit.
“Het verschil is dus niet seconden versus minuten – het zijn minuten in plaats van maanden. Niet omdat de machine snel scant, maar omdat het context over bronnen bewaart die mensen niet in het geheugen kunnen bewaren”, zei Pickler na de rondetafelconferentie.
“Het vervangt analisten niet door sneller te lezen”, zei hij, “het vervangt de weken die analisten besteden aan het opnieuw verbinden van informatie verspreid over duizenden rapporten.”
AI, autonomie en machine learning vormen de voorhoede van de moderniseringsinspanningen van het leger. Foto van het Amerikaanse leger door kapitein Regina Koesters
In een conflictscenario zou dat kunnen betekenen dat analisten sneller een duidelijker beeld van het slagveld krijgen. Correlaties tussen gegevens verzameld door verschillende sensoren zouden sneller aan het licht kunnen komen. Als een tegenstander wapens zou aanwakkeren, bewapenen of verplaatsen op een manier die niet meteen voor de hand lag, AI zou kunnen helpen markeer deze links.
Mensen zouden echter nog steeds beslissen hoe ze zouden reageren.
Soldaten hebben succes gezien met het herhalen van de stroming Je hebt een modelaldus het leger. Het is tijdens het testen opnieuw ontworpen en mensen blijven op de hoogte en beoordelen de resultaten in meerdere fasen.
Het doel is om de overlap die het model zou hebben met door mensen geproduceerde informatie verder te vergroten. In een targetingvoorbeeld zou het een mijlpaal zijn als AI 90 tot 95% overeenstemming zou bereiken met mensen over 100 doelen.
De drang van het leger naar AI en automatisering stimuleert ook de ontwikkeling ervan Commando en controle van de volgende generatie software, een prioritair initiatief.
De technologie die wordt ontwikkeld door leveranciersteams, waaronder Anduril, Palantir en Lockheed Martin, maakt gebruik van AI en machinaal leren om commandanten en soldaten te voorzien van realtime gegevens over munitieniveaus, onderhoudsbehoeften, inlichtingenfeeds, doelgerichtheid en gesimuleerde vijandelijke aanvallen.
Maar AI verandert ook andere aspecten van de manier waarop het leger werkt. Autonome functies in drones, wapens en targeting staan misschien op de voorgrond, maar achter de schermen gebruikt het personeel nieuwe tools, opnieuw ontworpen workflows en data-integratie voor rekrutering, onderhoud en uitvinders. Dit zijn handmatige taken waarvan de dienst denkt dat ze mogelijk zijn verbeterd met AI.
