Northrop використовує машинне навчання, щоб допомогти космічним силам аналізувати ракети

Перевидано Платоном

читають: 0

ВАШИНГТОН. Northrop Grumman розробляє програмне забезпечення, яке, за його словами, може спростити важкий процес виявлення, класифікації та моніторингу запусків ракет по всьому світу, спираючись на можливості розпізнавання образів.

Оборонна компанія зараз удосконалює те, що вона називає False Track Reduction за допомогою машинного навчання для Космічних сил США, з поставкою на початку 2025 року. Очікується, що він буде використовуватися в Інфрачервона система космічного базування програма, або SBIRS, і має потенційне застосування в інших постійних інфрачервоних призначеннях.

Щомісяця співробітники Космічних сил відстежують тисячі потенційних ракетних інцидентів і мають боротися з помилковими тривогами. Дедалі делікатніші шпигунські технології, розповсюдження супутників, зброя, що постійно розвивається, і військові спалахи за кордоном можуть погіршити і без того складний процес.

Пропозиція Northrop створена для полегшення інформаційна лавина Аналітики стикаються, аналізуючи те, що може не бути фактичним запуском або вихідним снарядом, у той же час гарантуючи, що жодна «реальна подія чи справжня ракета» не сортуються неправильно, за словами Джона Стенгеля, директора компанії з експлуатації місії.

«У міру того, як датчики стають кращими — коли сенсори в космосі вдосконалюються — вони стають більш чутливими. Чим чутливішими стають датчики, тим більше помилкових слідів ми отримуємо», — сказав Стенгел в інтерв’ю C4ISRNET. «Можливість використовувати машинне навчання, щоб допомогти людині в циклі, так би мовити, виконувати свою роботу, означає стати абсолютно критичною».

В ЗВ'ЯЗКУ

Зменшення помилкових слідів за допомогою машинного навчання тренується на реальних даних і може бути змінено як іноземні війська розвивати свої відповідні арсенали. Система використовує те, що Стенгел назвав профілями, або перевіреними характеристиками, такими як швидкість, форма та висота, для виявлення та позначення об’єктів для подальшого огляду користувачами.

«Система скаже: «Гей, це не схоже на справжню ракету, але я покажу її оператору, людині в циклі, щоб переконатися та прийняти рішення. ', - сказав Стенгель.

«Оскільки різні країни світу модифікують, налаштовують або створюють нові системи зброї, ми повинні взяти їх і додати до сценаріїв навчання, щоб система знала про це, мала найновіші та найкращі», — додав він. «Я ніколи не чув про заміну людини в цих сценаріях. Це все про допомогу».

Міністерство оборони роками вважало штучний інтелект і машинне навчання критично важливими для швидкого сортування інформації на полі бою. Його впровадження набирає швидкості та поширення; Відповідно до Управління урядової звітності, департамент жонглює понад 685 проектами, пов’язаними зі штучним інтелектом, у тому числі кількома пов’язаними з основними системами зброї.

Репортер C4ISRNET Кортні Албон внесла свій внесок у цю статтю.

Колін Демарест є репортером у C4ISRNET, де він висвітлює військові мережі, кібернетичні та інформаційні технології. Колін раніше висвітлював Департамент енергетики та його Національну адміністрацію з ядерної безпеки, а саме ліквідацію холодної війни та розробку ядерної зброї, для щоденної газети в Південній Кароліні. Колін також є фотографом, удостоєним нагород.