معرفی پروژه «میون» در وزارت دفاع آمریکا

مقدمه

سال‌هاست که رهبران ارشد وزارت دفاع امریکا بر این واقعیت تأسف می‌خورند که ارتش و سازمان‌های جاسوسی امریکا، جایی که پای فناوری هوش مصنوعی در میان است، از فناوری تجاری روز به‌شدت عقب هستند. اگرچه شرکت‌ها و دانشگاه‌های آمریکایی در عرصه پژوهش و تجاری‌سازی پیشرفته هوش مصنوعی، پیشگام هستند، بسیاری از فعالیت‌های ارتش امریکا همچنان به شیوه ارتش دوران جنگ جهانی دوم اجرا می‌شود.

ژنرال نیروی هوایی امریکا، جک شاناهان (Jack Shanahan)، میون (MAVEN) را پروژه‌ای می‌داند که هدف از طراحی آن این است که به‌عنوان یک پروژه آزمایشی و مسیریاب، مانند جرقه‌ای عمل کند که منطقه اشتعال هوش مصنوعی را در بخش‌های وزارت دفاع روشن می‌سازد.

پروژه میون، یکی از برنامه‌های جنجالی وزارت دفاع امریکا است که با هدف عرضه فناوری‌های هوش مصنوعی – به‌طور مشخص، فناوری‌هایی که شامل شبکه‌های عصبی یادگیری عمیق – در صحنه جنگ و در مدت‌زمان شش ماه پس از دریافت بودجه پروژه، طراحی شده است. ورود بسیاری از فناوری‌های اکتساب دفاعی به میدان نبرد، سال‌ها و حتی دهه‌ها طول می‌کشد، اما فناوری‌های توسعه یافته از طریق پروژه میون، هم‌اکنون در پروازهایی که علیه داعش انجام می‌شود، با موفقیت به کار گرفته شده است. این فناوری‌ها علیرغم توسعه و به‌کارگیری سریع، موردستایش جدی کاربران نظامی قرار گرفته است. موفقیت فوق‌العاده پروژه میون، فرصت‌های بزرگی فراروی جامعه امنیت ملی امریکا قرار می‌دهد- همچنین چالش‌های عظیم سازمانی، اخلاقی و راهبردی نیز با خود به همراه دارد.

1. بنیان‌گذاری پروژه میون:

 در اواخر ماه آوریل 2017، رابرت ورک (Robert Work) که آن زمان معاون وزیر دفاع بود، در یادداشتی به معرفی رسمی گروه Algorithmic Warfare Cross-Functional Team، معروف به پروژه میون پرداخت. گروه یادشده، در شروع کار فقط شش عضو داشت اما این ساختار کوچک، اهمیت چارت سازمانی آن را می‌پوشاند. وظیفه پروژه میون- تحت مدیریت سپهبد نیروی هوایی امریکا، جک شاناهان و با هدایت سرهنگ نیروی دریایی، درو کاکور (Drew Cukor)- این بود که به توسعه و زمینه‌سازی نخستین کاربرد عملیاتی فناوری‌های هوش مصنوعی یادگیری عمیق در حوزه اطلاعات دفاعی بپردازد. وزارت دفاع از مدت‌ها پیش بودجه پژوهش و توسعه مقدماتی هوش مصنوعی را فراهم کرده و سامانه‌های نیمه‌خودکار را مستقر کرده است؛ اما وزارت دفاع برآمده است که در قالب پروژه میون، از یادگیری عمیق و شبکه‌های عصبی، در سطح هوش مصنوعی تجاری و مدرن، در عملیات‌های وزارتخانه در صحنه رزم، بهره‌برداری کند.

قبل از ایجاد پروژه میون، کارشناسان برجسته هوش مصنوعی فعال در صنعت و دانشگاه، به وزارت دفاع توصیه کردند تا به جستجوی یک مسئله بپردازد که به دقت تعریف شده و با کلان‌داده در ارتباط باشد؛ به‌گونه‌ای که زندگی انسان‌ها در خطر نیفتد و خطاهای گاه‌وبیگاه، فاجعه‌آمیز نباشد. اطلاعات خامی که هواپیماها و ماهواره‌های جاسوسی امریکا روزانه جمع‌آوری می‌کنند، بیش از آن است که وزارت دفاع بتواند تجزیه‌وتحلیل کند. حتی اگر تمام نیروهای وزارتخانه هم بسیج شوند و کل عمر خود را صرف این کار کنند، باز هم کافی نیست.

وزارتخانه، پروژه میون را به‌عنوان سرپل خود در حوزه هوش مصنوعی برگزید. این پروژه روی تحلیل داده‌های ویدئویی full-motion تمرکز می‌کند که از سکوهای پهپادهای تاکتیکی نظیر اسکن‌ایگل (ScanEagle) و سکوهای ارتفاع متوسط مانند گری ایگل (MQ-1C Gray Eagle) و ریپر (MQ-9) به دست می‌آید. این سکوهای پهپاد و حسگرهای ویدئویی full-motion آن‌ها نقشی اساسی در مقابله با داعش در سرتاسر جهان ایفا می‌کنند. حسگرهای ویدئویی تاکتیکی و ارتفاع متوسط اسکن‌ایگل، MQ-1C و MQ-9، عکس‌هایی تهیه می‌کند که کمابیش به آنچه در گوگل ارث مشاهده می‌کنید، شباهت دارد. یک پهپاد منفرد، با استفاده از این حسگرها روزانه چندین ترابایت داده تولید می‌کند. قبل از آن‌که هوش مصنوعی در تحلیل این داده‌ها به کار گرفته شود، یک گروه از تحلیلگران باید به‌طور شبانه‌روزی روی داده‌ها کار می‌کردند تا بتوانند فقط بخش کوچکی از داده‌های حاصل از حسگر یک پهپاد را مورد بهره‌برداری قرار دهند.

وزارت دفاع برای توسعه و استقرار این حسگرها و سکوها، ده‌ها میلیارد دلار هزینه کرد و توانمندی‌های حاصل از این کار، فوق‌العاده است. هر زمآن‌که یک بمب کنار جاده‌ای در عراق منفجر شود، تحلیلگران می‌توانند به‌سادگی، فید ویدئویی را عقب و جلو کنند تا ببینند چه کسی بمب را کار گذاشته، زمان کاشت بمب چه زمانی بوده و بمب‌گذاران از کجا آمده و به کجا رفته‌اند. متأسفانه تحلیل اغلب تصاویر، کار طاقت‌فرسایی است- افراد به صفحه‌نمایش چشم می‌دوزند و ماشین‌ها، اشخاص یا فعالیت‌ها را زیر نظر می‌گیرند و آنگاه مشاهدات خود را در قالب اسلایدهای پاورپوینت یا برگه‌های اکسل تایپ می‌کنند. بدتر از همه، اکثر داده‌های حاصل از حسگرها حذف می‌شود – هیچ‌گاه بررسی نمی‌شود- حتی با وجود آن‌که وزارتخانه سال‌هاست با حداکثر سرعت ممکن، تحلیلگران را به خدمت گرفته است.

در حال حاضر، هزاران نفر در وزارتخانه مشغول تجزیه‌وتحلیل داده‌های ویدئویی full-motion تهیه شده توسط پهپادها هستند. با خودکار شدن کامل فعالیت‌های نظارت سطح پایین، کار تحلیل باارزش‌تر به مقدار کافی در دسترس این افراد و پیمانکاران خواهد بود. بدین ترتیب، پروژه میون دقیقاً با صرفه‌جویی در حقوق نیست که هزینه‌های صورت گرفته برای خود را جبران می‌کند. با وجود این، مزیت خودکارسازی این وظیفه خاص- همچنین مزیتی که پروژه‌های وزارت دفاع از به‌کارگیری توانمندی‌ها و زیرساخت هوش مصنوعی میون به دست می‌آورند- بدین معنا است که پروژه میون حتماً قابلیت‌های دیگری هم دارد که هزینه 70 میلیون دلاری آن را توجیه می‌کند.

2. دفترچه راهبردهای پروژه میون

اگرچه 6 مؤسس پروژه میون، موظف به اجرای یک پروژه هوش مصنوعی بودند، اما تخصصی در حوزه هوش مصنوعی یا حتی علوم رایانه نداشتند؛ بلکه نخستین وظیفه آن‌ها ایجاد مشارکت با کارشناسان هوش مصنوعی فعال در صنعت و دانشگاه و با اجتماعات تحلیلگران حسگر پهپاد فعال در وزارت دفاع بود.

در دروان سیاسی پس از افشاگری‌های ادوارد اسنودن و انتخاب دونالد ترامپ، شرکت‌های فناوری در زمینه کمک به جامعه امنیت ملی برای پرداختن به چالش‌های فناوری، محتاط و نگران بوده‌اند. کارشناسان و سازمان‌های مرتبط هوش مصنوعی که به کمک به مأموریت امنیت ملی امریکا علاقه دارند، اغلب متوجه می‌شوند که رویه‌های عقد قرارداد با وزارتخانه، آنقدر کند، پرهزینه و دشوار است که بهتر است از آن بگذرند. گروه پروژه میون – با کمک سازمان تجربی اطلاعات دفاعی (Defense Information Unit Experimental) که با هدف شتاب بخشیدن به استفاده از فناوری‌های تجاری در وزارتخانه راه‌اندازی شده، توانسته است پشتیبانی برخی از استعدادهای برتر حوزه هوش مصنوعی را به دست آورد (اکثریت قریب به اتفاق آن‌ها در خارج از پایگاه سنتی پیمانکاری دفاعی قرار دارند.)

تا پیش از میون، هیچ کسی در وزارتخانه نمی‌دانست که چگونه به طرز مطلوبی می‌توان هوش مصنوعی را خریداری، مستقر و اجرا کرد. یک فرآیند اکتساب سنتی دفاعی چندین سال به طول می‌انجامد و در این میان، سازمان‌های جداگانه به تعریف عملکردهایی می‌پردازند که طرح‌های اکتسابی باید انجام دهند یا به مدیریت توسعه، تولید یا بهره‌برداری عملیاتی از فناوری مشغول می‌شوند. هر یک از این سازمان‌ها باید قبل از آن‌که نتایج به سازمان بعدی منتقل شود، فعالیت‌های خود را کامل کرده باشد. زمانی که نوبت به فناوری‌های دیجیتالی می‌رسد، این رویکرد اغلب به سامانه‌هایی منتهی می‌شود که عملکرد ضعیفی از خود نشان می‌دهند و حتی قبل از استقرار میدانی، منسوخ و از رده خارج می‌شوند.

پروژه میون رویکرد متفاوتی را در پیش گرفته است؛ رویکردی که با الگوبرداری از فنون مدیریت پروژه در بخش فناوری تجاری تهیه شده است: نمونه‌های اولیه محصول و زیرساخت‌های زیربنایی به‌صورت تکراری توسعه می‌یابند و بر یک مبنای مستمر توسط جامعه کاربران مورد آزمون قرار می‌گیرند. توسعه‌دهندگان می‌توانند راهکارهای خود را برای نیازهای مصرف‌کننده نهایی، سفارشی‌سازی کنند و کاربران نهایی می‌توانند سازمان‌های خود را به‌گونه‌ای آماده کنند که از توانمندی‌های هوش مصنوعی به طرز سریع و مؤثری استفاده کنند. همه فعالیت‌های کلیدی در توسعه سامانه هوش مصنوعی- برچسب‌زنی داده، توسعه زیرساخت محاسباتی هوش مصنوعی، توسعه و یکپارچه‌سازی الگوریتم‌های شبکه عصبی و دریافت بازخورد کاربر- به‌صورت تکراری و هم‌زمان اجرا می‌شود.

اگرچه فنون هوش مصنوعی برای تحلیل تصاویر، به‌شدت کارآمد هستند، توسعه الگوریتم‌هایی برای کاربرد مشخص همچنان خالی از فایده نیست – نه فقط اتصال و اجرا (plug-and-play). طراحی سامانه‌های هوش مصنوعی یادگیری عمیق و مستحکم نیازمند مجموعه داده‌های عظیمی است که با آن، الگوریتم‌های یادگیری عمیق را آموزش داد. داده‌های آموزش نه‌تنها باید در دسترس باشد، بلکه ابتدا توسط انسان‌ها دسته‌بندی و برچسب‌گذاری شود. به نحو تناقض‌آمیزی، این مرحله از خودکارسازی می‌تواند کار بسیار دشواری باشد. درمورد میون، انسان‌ها مجبور بودند برای ایجاد نخستین مجموعه از داده‌های آموزشی، بیش از 150 هزار تصویر را به‌طور فردی برچسب‌گذاری کنند؛ گروه امیدوار است که تا پایان ماه ژانویه بتواند یک‌میلیون تصویر را در مجموعه داده آموزشی ذخیره کند. برای حصول اطمینان از عملکرد مستحکم در طیف متنوع و عظیم شرایط عملیاتی احتمالی، از جمله ارتفاعات مختلف، تراکم اشیای ردیابی شده، وضوح تصویر، زوایای دید و از این قبیل، به چنین مجموعه‌های بزرگی از داده‌های آموزشی نیاز است. در تمام بخش‌های وزارت دفاع، هر برنامه مرتبط با هوش مصنوعی که بعد از پروژه میون عرضه شود، به راهبردی برای اکتساب و برچسب‌گذاری یک مجموعه عظیم از داده‌های آموزشی نیاز خواهد داشت.

به‌محض آن‌که داده‌های برچسب‌گذاری شده آماده شد، فرآیند آموزش الگوریتمی، مقتضیات محاسباتی به‌شدت فشرده و متمرکزی ایجاد خواهد کرد. زیرساخت سنتی فناوری اطلاعات عملاً در چنین محاسباتی کارایی ندارد. بسیاری از شرکت‌های پیشرو در حوزه فناوری تجاری تابه‌حال تلاش کرده‌اند برای اجرای محاسبات هوش مصنوعی، پردازشگرهای شخصی و شبکه‌های زیرساخت ابری خود را توسعه دهند. وزارت دفاع امریکا سال‌ها و میلیون‌ها دلار صرف انتقال فعالیت دیجیتالی خود به ابر کرده است اما در زمان ساخت هیچ‌کدام از این زیرساخت‌ها، الزامات آموزش هوش مصنوعی و محاسبات استنتاجی، در ذهن طراحان نبوده است. پروژه میون ناگزیر بود تا زیرساخت هوش مصنوعی آماده‌به‌کار خود، از جمله کلاسترهای محاسباتی برای پردازش گرافیکی را از صفر بسازد. خوشبختانه، برخی از این توانمندی را می‌توان برای آموزش الگوریتم در آینده در سایر پروژه‌های وزارت به کار گرفت.

حتی قبل از آن‌که نسخه‌های نهایی مجموعه داده برچسب‌گذاری شده و زیرساخت محاسباتی پروژه میون آماده شود، نسخه‌های آلفا و بتای آن برای توسعه الگوریتم‌هایی به کار گرفته شد که با جامعه کاربری به اشتراک گذاشته شد تا بازخورد بگیرد. گروه میون از کاربرانی شنید که از تکنیک ویدئوی full-motion در بافت خاصی از عملیات‌های ضد داعش در خاورمیانه استفاده می‌کردند. توسعه‌دهندگان میون، با اطلاع کاربران خود به‌سرعت دریافتند که چه زمانی مسیر را اشتباه رفته‌اند- و توانستند مسیر را اصلاح کنند. فقط این رویکرد می‌توانسته در بازه زمانی شش ماه از آغاز تأمین بودجه پروژه تا بهره‌برداری عملیاتی از محصول، قابلیتی باکیفیت بالا و آماده بهره‌برداری میدانی فراهم آورد. در اوایل دسامبر، درست شش ماه پس از آغاز پروژه، نخستین الگوریتم‌های میون، به‌منظور پشتیبانی از مأموریت‌های حقیقی پهپادها در جنگ با داعش، در اختیار تحلیلگران اطلاعات دفاعی قرار گرفت.

پروژه میون قابلیتی عرضه کرده است که زمین‌بازی را عوض خواهد کرد. برای تحقق این امر، این اقدام، سطحی از نوآوری فنی و چابکی برنامه‌ریزی شده را از خود نشان داده است که اکثر برنامه‌های دیجیتالی وزارت دفاع به‌طورجدی فاقد آن بوده‌اند. خبر بد این است که موفقیت پروژه میون، سند روشنی است از این‌که فناوری فعلی هوش مصنوعی آماده آن است که در بسیاری از مأموریت‌های امنیت ملی، انقلابی ایجاد کند- حتی اگر وزارتخانه هنوز آماده پیامدهای سازمانی، اخلاقی و راهبردی این انقلاب نباشد.

اکنون‌که پروژه میون، انتظارات بسیار رفیع مقام دوم سابق وزارتخانه را برآورده ساخته است، موفقیت آن احتمالاً باعث می‌شود که صدها مقلد مانند قارچ در سراسر جامعه اطلاعاتی و ارتش بیرون بریزند. وزارت دفاع باید اطمینان حاصل کند که این مقلدها عملاً جعبه سیاه پروژه میون را تکثیر کنند- که صرفاً منحصر به تمرکز آن روی فناوری هوش مصنوعی نیست. موفقیت پروژه حاصل ساختار سازمانی آن است:

یک گروه کوچک، متمرکز به لحاظ عملیاتی و متقابل به لحاظ کارکردی که در جریان توسعه، اختیار توسعه مشارکت بیرونی، بهره‌گیری از زیرساخت‌ها و بسترهای موجود و تعامل با اجتماعات کاربری به‌صورت مکرر را داشت. هوش مصنوعی باید جای خود را در سرتاسر ساختار وزارت دفاع باز کند و بسیاری از نهادهای فعلی وزارت، اگر قرار است برنامه‌های اکتساب مؤثری در حوزه هوش مصنوعی اجرا کنند، باید ساختارهای مدیریت پروژه مشابه میون را در پیش بگیرند. به‌علاوه، وزارت دفاع باید مفاهیم عملیاتی را به‌گونه‌ای توسعه دهد که امکان بهره‌برداری مؤثر از قابلیت‌های هوش مصنوعی فراهم شود- و به افسران و جنگاوران نظامی خود، در زمینه بهره‌برداری کارآمد از این قابلیت‌ها، آموزش دهد. یکی از راهبرددانان تیزهوش پنتاگون به من گفت: «فناوری، کارایی محدودی خواهد داشت؛ مخصوصاً اگر افرادی را نداشته باشیم که بتوانند از آن استفاده کنند، درباره بهره‌برداری از آن فکر و اندیشه خاصی نداشته باشیم و نحوه کاربرد درست آن را آموزش ندهیم.

هم‌اکنون، جامعه تحلیل تصاویر ماهواره‌ای در حال کار کردن روی نسخه سفارشی پروژه میون است. گام بعدی، رفتن تحلیل تصویربرداری پهپادها به ورای کارزار شکست دادن داعش و ورود به سایر بخش‌های وزارت دفاع است که از سکوهای تصویربرداری ماهواره‌ای استفاده می‌کنند. پس از آن، احتمالاً در سایر انواع بسترهای حسگر و داده‌های اطلاعاتی از قبیل تحلیل رادار، اطلاعات سیگنال و حتی تحلیل اسناد دیجیتال، سروکله مقلدان پروژه میون پیدا خواهد شد. البته، پروژه در آنجا متوقف نمی‌ماند. سپهبد شاناهان به‌طور خاص نسبت به قابلیت‌های هوش مصنوعی در عرصه سایبری، خوش‌بین است و سازمان امنیت ملی امریکا نیز با او موافق است. در اکتبر 2016، مایکل راجرز (رئیس سازمان امنیت ملی و فرماندهی سایبری امریکا) گفته است:

هوش مصنوعی و یادگیری ماشینی- استدلال من این است – در آینده امنیت سایبری، اهمیت بنیادی دارد... در این مورد شک ندارم فقط زمان آن را نمی‌دانم.

جامعه امنیت ملی امریکا حق دارد که دنبال بهره‌برداری بیشتر از قابلیت‌های هوش مصنوعی باشد. چشم‌انداز امنیت جهانی – که در آن، روسیه و چین برای منطبق ساختن هوش مصنوعی با اهداف جاسوسی و جنگی از یکدیگر سبقت می‌گیرند- اساساً این امر را اجتناب‌ناپذیر ساخته است. هم رابرت ورک (Robert Work) و هم مدیر سابق گوگل، اریک اشمیت (Eric Schmidt) اظهار داشته‌اند که رهبری در حوزه فناوری هوش مصنوعی در آینده قدرت اقتصادی و نظامی، اهمیت حیاتی دارد و تضمینی وجود ندارد که رهبری مستمر امریکا ادامه یابد. با وجود این، وزارت دفاع باید در بررسی این چشم‌انداز فناورانه جدید، از خطرات آن نیز درک روشنی داشته باشد.

کار بزرگی که وزارت دفاع انجام داد این بود که قطعه ویدئویی پهپاد را به‌عنوان یک سرپل هوش مصنوعی برگزید چراکه می‌خواست از برخی چالش‌های اخلاقی و راهبردی مرتبط با خودکارسازی در جنگ که چالش‌های مشکل سازی به شمار می‌روند، اجتناب کند. همچنان که ارتش و سازمان‌های اطلاعاتی امریکا به اجرای فناوری مدرن هوش مصنوعی در طیف وسیع‌تری از مأموریت‌ها می‌پردازند، با چالش‌های آزاردهنده راهبردی، اخلاقی و حقوقی روبرو خواهند شد- که تمرکز دقیق پروژه میون به کمک کرد جلوی آن گرفته شود. زمانی که هوش مصنوعی صرفاً به شمارش تعداد خودروهای فیلم‌برداری شده با دوربین پهپاد می‌پردازد، خطرات نسبتاً اندک است اما از داده‌های نظارتی پهپاد می‌توان در تشخیص این مطلب هم استفاده کرد که آیا یک فرد خاص، در عملیات جنگی دخالت مستقیم دارد یا خیر و درنتیجه، به‌طور بالقوه در معرض حمله مستقیم قرار دارد یا خیر. همچنان که سامانه‌های هوش مصنوعی قدرتمندتر شده و در برنامه‌های بیشتری به کار گرفته می‌شوند، تنگناهای اخلاقی و حقوقی دشوارتری به همراه می‌آورند.

ارتش و سازمان‌های اطلاعاتی امریکا ناگزیر خواهند بود که تدابیر سازمانی و فنی کارآمدی توسعه دهند تا به این اطمینان برسند که استفاده ارتش امریکا از هوش مصنوعی باارزش‌های ملی مطابقت دارد. آن‌ها ناگزیر خواهند بود که این کار را به شیوه‌ای انجام دهند که اعتماد مقامات منتخب، مردم امریکا و متحدان واشنگتن حفظ شود. جنبه مسابقه تسلیحاتی هوش مصنوعی مطمئناً این کار را آسان‌تر نخواهد کرد. اخیراً خبری منتشر شد که تیتر آن این بود: «روسیه خطاب به سازمان ملل: تلاش نکنید جلوی ساخت روبات‌های قاتل از سوی ما را بگیرید» این تیتر، متأسفانه آن‌قدری که به نظر می‌رسد، اغراق‌آمیز نیست.

فراتر از ملاحظات حقوقی و اخلاقی، آسیب‌پذیری‌ها و حالات شکست فناوری هوش مصنوعی، با موارد مشابه در نرم‌افزارهای سنتی، کاملاً متفاوت است. برای مثال این احتمال وجود دارد که – با به‌کارگیری اصلاح تصویر که چشم انسان قادر به تشخیص آن نیست- «نمونه‌های خصمانه» ای تولید کرد که بتواند سامانه‌های بینایی رایانه‌ای هوش مصنوعی را کاملاً فریب دهد. سامانه‌های هوش مصنوعی، در برابر حملات سایبری که مجموعه داده‌های آموزشی را آلوده می‌کند نیز آسیب‌پذیر هستند. وزارت دفاع باید سامانه‌های هوش مصنوعی را به نحوی توسعه داده و مستقر کند که زمانی که پای مرگ و زندگی در میان است – و زمانی که دشمنان دائماً در جستجوی یافتن یا ایجاد آسیب‌پذیری در این سامانه‌ها هستند- کاملاً ایمن باشند.

به‌علاوه، وزارتخانه باید نوعی راهبرد امنیت ملی را توسعه دهد که روی تثبیت مزیت‌های امریکا تمرکز کند، حتی با وجود این‌که در محیط امنیت بین‌الملل امروزی، توان اجرای الگوریتم‌های پیشرفته هوش مصنوعی، به‌سرعت اشاعه می‌یابد. زمانی که وزارت دفاع امریکا و پیمانکاران آن، در دهه 1970 اقدام به توسعه فناوری سلاح‌های هدایت‌شونده دقیق کردند، بنیان انحصار را در فناوری‌هایی پایه‌گذاری کردند که به مدت 4 دهه، پیروزی آن‌ها را در هر جنگ غیرهسته‌ای تضمین کرد. در مقابل، امروزه بهترین فناوری هوش مصنوعی، حاصل فعالیت‌های آن دسته از جوامع تجاری و دانشگاهی است که بیشتر پژوهش‌های خود را به‌صورت رایگان در فضای مجازی در دسترس قرار می‌دهند. درهرصورت، این جوامع، فاصله زیادی با حلقه‌های فناوری سنتی وزارت دفاع دارند. حداقل تا امروز، منشأ بهترین پژوهش‌ها در حوزه هوش مصنوعی، امریکا و متحدان آن بوده است اما راهبرد ملی هوش مصنوعی چین که در ماه جولای منتشر شد، رهبری امریکا در عرصه فناوری را به‌طورجدی به چالش کشیده است.

پروژه میون، بهترین نوع فناوری هوش مصنوعی را همراه با شیوه‌های مدیریت پروژه برگرفته شده از بخش فناوری تجاری با موفقیت در اختیار ارتش امریکا قرار داده است. این دستاورد قابل‌توجهی است؛ اما تا آنجا که پای امنیت ملی و هوش مصنوعی در میان است، این صرفاً شروع چالش‌هایی است که امریکا با آن روبرو خواهد بود.

3. چند نکته درباره استفاده هوش مصنوعی در نیروهای مسلح آمریکا

کریستوفر وگیمن (Christopher Weggeman)، فرماندهی واحدهای 24 نیروی هوایی و فرماندهی سایبری نیروی هوایی:

دو انتظاری که ما از خودکارسازی داریم، مقیاس و سرعت است.

جی‌دی مک‎کری (JD McCreary)، رئیس برنامه‌های فناوری مختل‌کننده در موسسه تحقیقاتی فناوری جورجیا:

فریب‌کاری یکی از برنامه‌های اضافی هوش مصنوعی یا یادگیری ماشینی است که می‌تواند برای فرماندهی ارتش مفید باشد.

ران کارباک (Ron Carback)، از مسئولان ارشد اطلاعات سایبری آژانس اطلاعات دفاعی آمریکا:

تا حدود سه سال پیش، مقامات، هر گزارش و اطلاعاتی که درباره تهدیدات منتشر می‌شد را دریافت می‌کردند؛ اما هم‌اکنون، آن‌ها تمایلی ندارند تا روزانه، با هزاران صفحه اطلاعات و گزارش روبرو شوند. آن‌ها تنها یک یا دو صفحه از اطلاعات را می‌خواهند و تمایلی به خواندن این حجم بالا از اطلاعات ندارند.

توسعه رویکرد جنگ الکترونیک شناختی، یکی از اهداف وزارت دفاع برای تقویت هوش مصنوعی است. سیستم‌های خودکار می‌توانند در مقابله با رادارها و پارازیت‌های دشمن که به‌عنوان «جنگ الکترونیک شناختی» (cognitive electronic warfare) شناخته می‌شود، به نیروهای مسلح کمک کند.

به شبکه‌های عصبی، ذهن مجازی نیز گفته می‌شود؛ زیرا آن‌ها، از ساختار مغز، تقلید می‌کنند. این شبکه‌ها، از شمار فراوانی گره‌های پردازشی مشابه شبکه‌ نورون‌ها در بدن انسان - که به یکدیگر، متصل‌اند و هر کدام، وظیفه‌ بسیار ساده‌ای، انجام می‌دهد - تشکیل شده است. به‌عنوان مثال، در یک فرآیند یادگیری عمیق، داده‌های آموزشی، به گره‌های ورودی، فرستاده می‌شوند. سپس این داده‌ها، به دیگر گره‌ها نیز وارد شده، محتویات آن‌ها را تغییر می‌دهند و این روند، ادامه پیدا می‌کند. شبکه‌ عصبی هوش‌های مصنوعی تولیدشده در سال‌های اخیر - که برای طبقه‌بندی اطلاعات، ایجاد شده‌ است - به‌مرورزمان و با یادگیری از داده‌های ورودی، پیشرفت می‌کند. به‌عنوان مثال، ممکن است؛ از آن‌، برای شناسایی اشیای خاص، یا بررسی متون موجود در تصویر، استفاده شود.

درنتیجه می‌توان گفت یکی از اهداف به‌کارگیری پروژه میون، پایش هوشمند بیگ دیتا و کمک به تحلیل داده‌های کلان در وزارت دفاع آمریکا است. همچنین پروژه فوق به این وزارتخانه کمک می‌کند تا بتواند در حوزه آفند سایبری و جنگ الکترونیک شناختی، به موفقیت‌های دست یابد. گرچه در ابتدای امر، هدف از راه‌اندازی این پروژه، مقابله با داعش و سایر گروه‌های تروریستی ذکر شده است.