Northrop memanfaatkan pembelajaran mesin untuk membantu penguraian rudal Angkatan Luar Angkasa

WASHINGTON — Northrop Grumman sedang mengembangkan perangkat lunak yang dikatakan dapat menyederhanakan proses berisiko tinggi dalam menemukan, mengklasifikasikan, dan memantau peluncuran rudal di seluruh dunia dengan mengandalkan kemampuan pengenalan pola.

Perusahaan pertahanan tersebut sedang dalam proses menyempurnakan apa yang disebutnya Pengurangan Jalur Palsu Menggunakan Pembelajaran Mesin untuk Angkatan Luar Angkasa AS, dengan target pengiriman pada awal tahun 2025. Teknologi ini diperkirakan akan digunakan dalam Sistem Inframerah Berbasis Luar Angkasa program, atau SBIRS, dan memiliki potensi penerapan dalam penugasan inframerah persisten overhead lainnya.

Personil Angkatan Luar Angkasa melacak ribuan potensi insiden rudal setiap bulan dan harus menghadapi peringatan palsu. Teknologi mata-mata yang semakin rumit, satelit yang berkembang biak, senjata yang terus berkembang, dan peningkatan kekuatan militer di luar negeri dapat memperburuk proses yang sudah rumit ini.

Penawaran Northrop dirancang untuk memudahkan longsoran informasi yang dihadapi para analis dengan menguraikan apa yang mungkin bukan merupakan peluncuran sebenarnya atau proyektil keluar, dan pada saat yang sama, memastikan tidak ada “peristiwa nyata atau rudal nyata” yang disortir secara tidak tepat, menurut John Stengel, direktur perusahaan eksploitasi misi perusahaan tersebut.

“Saat sensor menjadi lebih baik – seiring dengan peningkatan sensor di luar angkasa – sensor menjadi lebih sensitif. Ketika sensor menjadi lebih sensitif, semakin banyak jejak palsu yang kita dapatkan,” kata Stengel dalam sebuah wawancara dengan C4ISRNET. “Memiliki kemampuan untuk memanfaatkan pembelajaran mesin untuk membantu manusia dalam menjalankan tugasnya adalah hal yang sangat penting.”

TERKAIT

Pengurangan Jalur Palsu Menggunakan Pembelajaran Mesin dilatih berdasarkan data dunia nyata dan dapat diubah sesuai dengan kebutuhan militer asing memajukan persenjataan mereka masing-masing. Sistem ini menggunakan apa yang disebut Stengel sebagai profil, atau karakteristik yang telah terbukti seperti kecepatan, bentuk, dan ketinggian, untuk mendeteksi dan menandai objek untuk diperiksa lebih lanjut oleh pengguna.

“Apa yang akan dilakukan sistem adalah mengatakan: 'Hei, ini sepertinya bukan rudal sungguhan, tapi saya akan menyampaikannya kepada operator, manusia yang terlibat, untuk memastikan dan mengambil keputusan. '”Kata Stengel.

“Ketika berbagai negara di dunia memodifikasi atau menyesuaikan atau menghasilkan sistem senjata baru, kita kemudian harus mengambilnya dan menambahkannya ke dalam skenario pelatihan, sehingga sistem tersebut mengetahuinya, memiliki yang terbaru dan terhebat,” tambahnya. “Saya belum pernah mendengar tentang penggantian manusia dalam skenario seperti ini. Ini semua tentang membantu. "

Departemen Pertahanan selama bertahun-tahun menganggap kecerdasan buatan dan pembelajaran mesin penting untuk memilah informasi medan perang dengan cepat. Implementasinya semakin cepat dan menyebar; departemen ini menangani lebih dari 685 proyek terkait AI, termasuk beberapa proyek yang terkait dengan sistem senjata utama, menurut Kantor Akuntabilitas Pemerintah.

Reporter C4ISRNET Courtney Albon berkontribusi pada artikel ini.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://www.defensenews.com/artificial-intelligence/2024/01/25/northrop-harnesses-machine-learning-to-aid-space-force-missile-parsing/