Dette amerikanske nasjonale laboratoriet henvendte seg til AI for å jakte på falske atomvåpen

Publisert av Platon

Følgere: 0

Forskere ved America's Pacific Northwest National Laboratory (PNNL) utvikler maskinlæringsteknikker for å hjelpe Feds slå ned på potensielt useriøse atomvåpen.

Det er nok å si at det generelt er ulovlig for enhver person eller gruppe å eie et atomvåpen, absolutt i USA. Ja, det er de fem offisielt anerkjente atomvæpnede nasjonene – Frankrike, Russland, Kina, Storbritannia og USA – hvis regjeringer har en stash av disse enhetene. Og det er land som har signert FNs Traktat om forbud mot atomvåpen, noe som betyr at de har lovet å ikke "utvikle, teste, produsere, anskaffe, eie, lagre, bruke eller true med å bruke" disse gadgetene.

Så hvis noen har en atomvåpen i sin besittelse, er det fordi de er et land i den offisielle atomvåpenklubben, de er en regjering som har produsert sine egne atomvåpen, en terrorist som stjal, kjøpte eller på en eller annen måte bygget en selv, eller en annen. sketchy scenario, i alle fall i amerikanske øyne.

(Om stjålne eller ikke-godkjente kjernefysiske stridshoder er noe som er verdt å bekymre seg for, eller bare en Tom Clancy-drevet dagdrøm, er et emne vi lar stå til en annen dag, eller kommentarfeltet.)

Å oppdage tegn på uønsket kjernefysisk aktivitet avhenger av å kunne analysere kjemikaliene og infrastrukturen som kreves for å produsere disse spesialiserte dommedagsvåpnene. Steven Ashby, direktør for PNNL, beskrev hvordan det amerikanske energidepartementet-finansierte laboratoriet bruker maskinlæring for å identifisere kjernefysiske trusler.

Og ikke bare identifisere: teknikkene lar den fange opp "trusler raskere og enklere" enn før, blir vi fortalt.

En metode, som bruker en autoencoder-modell, behandler bilder av radioaktivt materiale for å finne ut hvor det kom fra og hvordan det ble laget. Programvaren produserer en signatur eller fingeravtrykk av prøven, og sammenligner dette med en database med elektronmikroskopbilder tatt fra universiteter og andre nasjonale laboratorier.

Ved å se på hvor like disse partiklene er til bildebiblioteket, kan analytikere estimere hvor ren den ukjente prøven er og spore kildematerialet til mulige laboratorier som produserer kjernefysiske produkter. Det er nyttig hvis du vil vite om materialet er godt nok til å lage et levedyktig atomvåpen, og hvem som står bak det. Ashby sa at PNNLs arbeid her hadde hjulpet politiet med å finne mål og fremskynde etterforskningen.

Som laboratoriet sa det, "vil radioaktivt materiale ha en unik mikrostruktur basert på miljøforholdene eller renheten til kildematerialene ved produksjonsanlegget." Den unike strukturen, ved hjelp av programvare, kan brukes til å lukke inn på hvilket laboratorium eller fabrikk som produserte den, eller det er vi fortalt.

Det internasjonale atomenergibyrået overvåker atomreprosesseringsanlegg i ikke-atomvæpnede stater for å sikre at de, for eksempel, kvitter seg med plutonium generert i atomkraftverk på riktig måte og ikke gjemmer metallet i hemmelighet for å produsere våpen.

Tjenestemenn overvåker disse fasilitetene på forskjellige måter, fra inspeksjoner personlig til prøveanalyse av ressurser. En annen teknikk som for tiden er under utvikling hos PNNL involverer opplæring av transformatorbasert programvare for å direkte spore aktiviteten til kjernefysiske reprosesseringslaboratorier og automatisk oppdage mistenkelig oppførsel.

Først bygges en virtuell kopi som simulerer et reprosesseringsanlegg. Dataene generert av denne modellen som sporer "viktige tidsmønstre" brukes til å trene modellen. Den forutsier hvilke mønstre som bør observeres fra ulike områder i en plante hvis den brukes til fredelige formål, og hvis dataene som faktisk er samlet inn fra et anlegg ikke samsvarer med modellens spådommer, kan eksperter tilkalles for å undersøke nærmere.

«Ekspertene våre kombinerer ekspertise innen ikke-spredning av atomvåpen og kunstig resonnement for å oppdage og dempe atomtrusler. Målet deres er å bruke dataanalyse og maskinlæring for å overvåke kjernefysiske materialer som kan brukes til å produsere atomvåpen," Ashby sa.

Disse automatiserte metodene brukes imidlertid bare for å oppdage tegn på mulig ulovlig atomvirksomhet. Menneskelige eksperter må fortsatt bekrefte og bekrefte rapporter.

"Maskinlæringsalgoritmer og datamaskiner vil ikke erstatte mennesker når det gjelder å oppdage kjernefysiske trusler med det første. Men de kan gjøre det mulig for folk å oppdage viktig informasjon og identifisere risikoer raskere og enklere,» konkluderte han.

Registeret har bedt PNNL om ytterligere kommentarer og informasjon. Vi mistenker at enkelte detaljer kan holdes vage av sikkerhetsgrunner. ®