A Northrop a gépi tanulást használja az Űrerő rakétaelemzésének elősegítésére

A Northrop a gépi tanulást használja az Űrerő rakétaelemzésének elősegítésére

Időbélyeg: 25. január 2024. 9:40
Forrás csomópont: 3084130

WASHINGTON – A Northrop Grumman szoftvert fejleszt, amely szerint a mintafelismerő képességekre támaszkodva leegyszerűsítheti a rakéták fellövéseinek felfedezésének, osztályozásának és megfigyelésének nagy tétet jelentő folyamatát szerte a világon.

A védelmi vállalat az általa az Egyesült Államok Űrhaderőinek gépi tanulást használó hamis nyomcsökkentésnek nevezett folyamat finomításán dolgozik, és várhatóan 2025 elején lesz kézbesítve. Űralapú infravörös rendszer program vagy SBIRS, és potenciálisan alkalmazható más, állandó infravörös feladatokhoz.

Az Űrerő személyzete havonta több ezer lehetséges rakétaeseményt követ nyomon, és téves riasztásokkal kell megküzdenie. Az egyre kényesebb kémtechnológiák, a szaporodó műholdak, a folyamatosan fejlődő fegyverek és a tengerentúli katonai fellángolások súlyosbíthatják az amúgy is bonyolult folyamatot.

A Northrop ajánlatát úgy tervezték, hogy megkönnyítse az információs lavina John Stengel, a vállalat küldetéskihasználási vállalatának igazgatója szerint az elemzők azzal szembesülnek, hogy elemzik azt, ami nem lehet tényleges kilövés vagy kimenő lövedék, ugyanakkor biztosítják, hogy „valódi esemény vagy valódi rakéta” ne legyen helytelenül rendezve.

„Ahogy az érzékelők javulnak – ahogy az űrben lévő érzékelők javulnak –, egyre érzékenyebbek lesznek. Ahogy az érzékelők érzékenyebbek lesznek, annál több hamis nyomot kapunk” – mondta Stengel a C4ISRNET-nek adott interjújában. „Ha képesek vagyunk kihasználni a gépi tanulást, hogy segítsünk az embernek, hogy úgy mondjam, elvégezze a munkáját, az abszolút kritikussá válik.”

KAPCSOLÓDÓ

A gépi tanulást használó téves nyomkövetés csökkentése valós adatokra épül, és külföldi hadseregként módosítható előmozdítani saját arzenáljukat. A rendszer a Stengel által profiloknak nevezett, bevált jellemzőket, például sebességet, alakot és magasságot használ az objektumok észlelésére és kijelölésére a felhasználók általi további vizsgálat céljából.

„A rendszer azt fogja mondani: „Hé, ez nem tűnik igazi rakétának, de bemutatom az üzemeltetőnek, a hurokban lévő embernek, hogy megbizonyosodjon róla, és meghozza a döntést. – mondta Stengel.

„Ahogy a világ különböző országai módosítanak, kiigazítanak vagy új fegyverrendszerekkel rukkolnak elő, ezeket fel kell vennünk, és hozzá kell adnunk a kiképzési forgatókönyvekhez, hogy a rendszer tudjon róla, rendelkezzen a legújabb és legjobb eszközzel” – tette hozzá. „Soha nem hallottam arról, hogy ezekben a forgatókönyvekben az embert lecserélnék. Ez minden a segítésről szól. "

A Védelmi Minisztérium évek óta kritikusnak tartja a mesterséges intelligenciát és a gépi tanulást a harctéri információk gyors válogatása szempontjából. Megvalósítása egyre felgyorsul és terjed; a minisztérium több mint 685 mesterséges intelligenciával kapcsolatos projekttel zsonglőrködik, köztük több jelentős fegyverrendszerhez kapcsolódó projekttel a Kormányzati Elszámoltathatósági Hivatal szerint.

Courtney Albon, a C4ISRNET riportere hozzájárult ehhez a cikkhez.

Colin Demarest a C4ISRNET riportere, ahol katonai hálózatokkal, kiberrel és IT-vel foglalkozik. Colin korábban egy dél-karolinai napilapban foglalkozott az Energiaügyi Minisztériummal és a Nemzeti Nukleáris Biztonsági Igazgatósággal – nevezetesen a hidegháborús tisztítással és a nukleáris fegyverek fejlesztésével. Colin díjnyertes fotós is.

Időbélyeg:

Még több Védelmi Hírek Tér