Northrop sfrutta l'apprendimento automatico per aiutare l'analisi dei missili della Space Force

WASHINGTON – Northrop Grumman sta sviluppando un software che, a suo dire, può semplificare il processo ad alto rischio di scoperta, classificazione e monitoraggio dei lanci missilistici in tutto il mondo, appoggiandosi alle capacità di riconoscimento dei modelli.

L'azienda di difesa sta perfezionando quella che chiama False Track Reduction utilizzando l'apprendimento automatico per la US Space Force, con consegna prevista all'inizio del 2025. Si prevede che venga utilizzato nel Sistema a infrarossi spaziale programma, o SBIRS, e ha una potenziale applicazione in altri incarichi a infrarossi persistenti generali.

Il personale della Space Force monitora ogni mese migliaia di potenziali incidenti missilistici e deve fare i conti con i falsi allarmi. Tecnologie di spionaggio sempre più delicate, satelliti in proliferazione, armi in continua evoluzione e fiammate militari all’estero possono aggravare il processo già complicato.

L'offerta di Northrop è progettata per facilitare la valanga di informazioni gli analisti devono affrontare analizzando quello che potrebbe non essere un vero lancio o un proiettile in uscita e, allo stesso tempo, assicurandosi che nessun "evento reale o vero missile" venga classificato in modo improprio, secondo John Stengel, il direttore dell'impresa di sfruttamento della missione della compagnia.

“Man mano che i sensori migliorano, man mano che i sensori nello spazio migliorano, diventano più sensibili. Man mano che i sensori diventano più sensibili, più tracce false otteniamo”, ha detto Stengel in un’intervista a C4ISRNET. "Avere la capacità di sfruttare l'apprendimento automatico per aiutare l'essere umano nel circuito, per così dire, a svolgere il proprio lavoro diventerà assolutamente fondamentale."

RELATIVA

La riduzione delle false tracce utilizzando l’apprendimento automatico è addestrata su dati del mondo reale e può essere modificata come forze armate straniere far avanzare i rispettivi arsenali. Il sistema utilizza quelli che Stengel chiamava profili, o caratteristiche comprovate come velocità, forma e altitudine, per rilevare e contrassegnare gli oggetti per un'ulteriore ispezione da parte degli utenti.

"Ciò che il sistema farà è dire: 'Ehi, questo non sembra un vero missile, ma lo presenterò all'operatore, l'essere umano nel circuito, per essere sicuro e prendere quella decisione, '", ha detto Stengel.

“Mentre diversi paesi nel mondo modificano, adattano o inventano nuovi sistemi d’arma, dobbiamo prenderli e aggiungerli agli scenari di addestramento, in modo che il sistema lo sappia, abbia il più recente e il migliore”, ha aggiunto. “Non ho mai sentito parlare di sostituzione dell'umano in questi scenari. Questo è tutto sull'assistenza. "

Il Dipartimento della Difesa considera da anni l’intelligenza artificiale e l’apprendimento automatico fondamentali per il rapido smistamento delle informazioni sul campo di battaglia. La sua attuazione sta guadagnando velocità e diffusione; secondo il Government Accountability Office, il dipartimento si sta destreggiando tra più di 685 progetti legati all’intelligenza artificiale, inclusi diversi legati ai principali sistemi d’arma.

La giornalista di C4ISRNET Courtney Albon ha contribuito a questo articolo.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://www.defensenews.com/artificial-intelligence/2024/01/25/northrop-harnesses-machine-learning-to-aid-space-force-missile-parsing/