Ця національна лабораторія США звернулася до штучного інтелекту, щоб полювати на розбійну ядерну зброю

Перевидано Платоном

читають: 0

Дослідники Тихоокеанської північно-західної національної лабораторії Америки (PNNL) розробляють методи машинного навчання, щоб допомогти федералам боротися з потенційно шахрайською ядерною зброєю.

Досить сказати, що будь-яка особа або група людей мають ядерну зброю, особливо в Сполучених Штатах, є незаконними. Так, є п’ять офіційно визнаних ядерних країн – Франція, Росія, Китай, Велика Британія та США – чиї уряди мають запаси цих пристроїв. І є країни, які підписали ООН Договір про заборону ядерної зброї, що означає, що вони пообіцяли не «розробляти, тестувати, виробляти, купувати, володіти, накопичувати, використовувати або погрожувати використовувати» ці гаджети.

Отже, якщо хтось має ядерну зброю, це тому, що вона є країною в офіційному ядерному клубі, це уряд, який виготовив власну ядерну зброю, терорист, який вкрав, купив або якимось чином створив власноручну зброю, чи хтось інший схематичний сценарій, принаймні в очах Америки.

(Чи варто турбуватися про вкрадені або несанкціоновані ядерні боєголовки, чи це просто мрія Тома Кленсі, це тема, яку ми залишимо на інший день або розділ коментарів.)

Виявлення ознак небажаної ядерної діяльності залежить від здатності правильно аналізувати хімічні речовини та інфраструктуру, необхідну для виробництва цієї спеціалізованої зброї кінця світу. Стівен Ешбі, директор PNNL, розповів, як фінансована Міністерством енергетики США лабораторія використовує машинне навчання для визначення ядерних загроз.

І не просто ідентифікувати: як нам сказали, методи дозволяють йому виявляти загрози «швидше та легше», ніж раніше.

Один метод, який використовує модель автокодера, обробляє зображення радіоактивного матеріалу, щоб з’ясувати, звідки він взявся та як був виготовлений. Програмне забезпечення створює сигнатуру або відбиток пальця зразка та порівнює його з базою даних зображень електронного мікроскопа, отриманих з університетів та інших національних лабораторій.

Дивлячись на те, наскільки ці частинки схожі на бібліотеку зображень, аналітики можуть оцінити, наскільки чистим є невідомий зразок, і відстежити його вихідні матеріали до можливих лабораторій, що виробляють ядерні продукти. Це корисно, якщо ви хочете знати, чи достатньо хороший матеріал для створення життєздатної ядерної зброї та хто за цим стоїть. Ешбі сказав, що робота PNNL тут допомогла правоохоронним органам визначити цілі та прискорити розслідування.

Як заявили в лабораторії, «радіоактивний матеріал матиме унікальну мікроструктуру в залежності від умов навколишнього середовища або чистоти вихідних матеріалів на його виробничому об’єкті». Цю унікальну структуру за допомогою програмного забезпечення можна використовувати, щоб визначити, яка лабораторія чи фабрика її виготовила, принаймні так нам кажуть.

Міжнародне агентство з атомної енергії спостерігає за установками ядерної переробки в неядерних державах, щоб переконатися, що вони, наприклад, належним чином утилізують плутоній, вироблений на атомних електростанціях, а не таємно сховують метал для виробництва зброї.

Чиновники контролюють ці об’єкти різними способами: від особистих перевірок до вибіркового аналізу ресурсів. Інша методика, яка зараз розробляється в PNNL, передбачає навчання програмного забезпечення на основі трансформаторів для безпосереднього відстеження діяльності лабораторій ядерної переробки та автоматичного виявлення підозрілої поведінки.

По-перше, створюється віртуальна копія, що імітує установку для переробки. Дані, згенеровані цією моделлю, що відстежують «важливі часові шаблони», використовуються для навчання моделі. Він передбачає, які моделі слід спостерігати з різних ділянок заводу, якщо він використовується в мирних цілях, і якщо дані, фактично зібрані з об’єкта, не збігаються з прогнозами моделі, можна викликати експертів для подальшого дослідження.

«Наші експерти поєднують досвід у сфері нерозповсюдження ядерної зброї та штучні аргументи для виявлення та пом’якшення ядерних загроз. Їхня мета — використовувати аналітику даних і машинне навчання для моніторингу ядерних матеріалів, які можуть бути використані для виробництва ядерної зброї», — Ешбі. сказав.

Однак ці автоматизовані методи використовуються лише для виявлення ознак можливої незаконної ядерної діяльності. Людські експерти ще мають перевірити та підтвердити звіти.

«Алгоритми машинного навчання та комп’ютери не замінять людей у виявленні ядерних загроз найближчим часом. Але вони можуть дозволити людям швидше та легше відкривати важливу інформацію та визначати ризики», – підсумував він.

Реєстр звернувся до PNNL за подальшими коментарями та інформацією. Ми підозрюємо, що деякі деталі можуть залишатися розпливчастими з міркувань безпеки. ®