Искусственный интеллект, получивший название ALPHA, победил в этом смоделированном сценарии и, по словам Ли, является «самым агрессивным, отзывчивым, динамичным и надежным ИИ, который я когда-либо видел».Подробная информация об ALPHA — значительный прорыв в применении того, что называется генетически-нечеткими системами, опубликован в последнем выпуске Journal of Defense Management, поскольку это приложение специально разработано для использования с беспилотными боевыми летательными аппаратами (UCAV) в смоделированы боевые задачи воздушного боя в исследовательских целях.Инструменты, используемые для создания ALPHA, а также проект ALPHA были разработаны компанией Psibernetix, Inc., недавно основанной докторантом UC College of Engineering and Applied Science 2015 года Ником Эрнестом, ныне президентом и главным исполнительным директором фирмы; а также Дэвид Кэрролл, руководитель отдела программирования, Psibernetix, Inc.; с поддерживающими технологиями и исследованиями Джина Ли; Келли Коэн, профессор аэрокосмической отрасли Калифорнийского университета; Тим Арнетт, докторант Калифорнийского университета в аэрокосмической отрасли; и спонсоры исследовательской лаборатории ВВС США.ВЫСОКОЕ ДАВЛЕНИЕ И БЫСТРАЯ ТЕМП: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТУАЛЬНЫЙ РАЗБОРНЫЙ ПАРТНЕР
ALPHA в настоящее время рассматривается как инструмент исследования пилотируемых и беспилотных команд в среде моделирования. В своих первых версиях ALPHA неизменно превосходила базовую компьютерную программу, ранее использовавшуюся исследовательской лабораторией ВВС США для исследований. Другими словами, он победил других противников AI.
Фактически, только после того, как первые итерации ALPHA превзошли другие компьютерные оппоненты, Ли в октябре прошлого года применил ручное управление против более зрелой версии ALPHA. Мало того, что Ли не смог убить АЛЬФУ после неоднократных попыток, его выстрелили в воздух каждый раз во время длительных схваток в симуляторе.С момента первой встречи человека с АЛЬФА в симуляторе этот ИИ неоднократно превосходил других экспертов, и даже способен побеждать этих экспертов-людей, когда его (управляемый АЛЬФА) самолет намеренно ограничен в скорости. поворотные, ракетные возможности и датчики.Ли, который летал на симуляторах против противников искусственного интеллекта с начала 1980-х, сказал об этой первой встрече с ALPHA: «Я был удивлен тем, насколько она была осведомленной и реактивной.
Казалось, что он знал о моих намерениях и мгновенно реагировал на мои изменения. в полете и развертывании моей ракеты. Он знал, как отразить мой выстрел. Он мгновенно переходил между оборонительными и наступательными действиями по мере необходимости ».
Он добавил, что с большинством ИИ «опытный пилот может победить его (ИИ), если вы знаете, что делаете. Конечно, вы могли быть сбиты изредка программой ИИ, когда вы, как пилот, пробовали что-то новое, но до сих пор ИИ-противник просто не мог угнаться за реальным давлением и темпом боевых сценариев ».
Но теперь это был Ли, который тренировался с тысячами пилотов ВВС США, летал на нескольких истребителях и окончил Школу истребительного оружия США (что эквивалентно получению ученой степени в области тактики и стратегии воздушного боя), а также как и другие пилоты, которые испытывали давление со стороны АЛЬФЫ.И, более того, когда Ли летит против ALPHA в многочасовых сеансах, имитирующих настоящие миссии, «я иду домой, чувствуя себя разбитым. Я устал, истощен и умственно истощен.
Это может быть искусственный интеллект, но это настоящий вызов. "ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ВИНГМЕНА: КАК МОЖЕТ РАЗВИТЬСЯ БОЕВАЯ РОЛЬ ИИОбъяснил Эрнест: «ALPHA уже является смертельным противником, с которым можно столкнуться в этих смоделированных средах. Цель состоит в том, чтобы продолжать разработку ALPHA, расширять и расширять ее возможности, а также проводить дополнительные испытания против других обученных пилотов.
Также необходимо повысить точность верности. представлены еще более реалистичными аэродинамическими и сенсорными моделями. ALPHA полностью способна принять эти дополнения, и мы в Psibernetix надеемся на дальнейшее развитие ».В долгосрочной перспективе объединение искусственного интеллекта с возможностями авиации США станет революционным шагом.
Воздушный бой в том виде, в каком он сегодня проводится пилотами-людьми, представляет собой высокодинамичное приложение аэрокосмической физики, навыков, искусства и интуиции для маневрирования истребителя и ракет против противников, движущихся на очень высоких скоростях. В конце концов, современные истребители сближаются друг с другом на скорости более 1500 миль в час, летя на высоте более 40000 футов. Микросекунды имеют значение, а цена ошибки очень высока.
В конечном итоге ALPHA стремится снизить вероятность ошибок, поскольку ее операции уже выполняются значительно быстрее, чем операции программирования потребительских продуктов на других языках. Фактически, ALPHA может принимать все данные датчиков, систематизировать их, создавать полную карту сценария боя и принимать или изменять боевые решения для полета четырех истребителей менее чем за миллисекунду. По сути, ИИ настолько быстр, что он может рассматривать и координировать лучший тактический план и точные ответы в динамической среде, более чем в 250 раз быстрее, чем могут моргнуть человеческие противники ALPHA.
Таким образом, вполне вероятно, что в будущем воздушном бою, требующем времени реакции, превышающего возможности человека, будут интегрированы ведомые ИИ — беспилотные боевые летательные аппараты (БЛА), способные вести воздушный бой и объединенные с пилотируемыми самолетами, при этом бортовая система управления боем сможет для обработки ситуационной осведомленности, определения реакций, выбора тактики, управления использованием оружия и многого другого. Таким образом, ИИ, такой как ALPHA, мог одновременно уклоняться от десятков вражеских ракет, производить точные выстрелы по нескольким целям, координировать действия товарищей по отряду, а также записывать и извлекать уроки из наблюдений за тактикой и возможностями противника.Коэн из UC добавил: «ALPHA был бы чрезвычайно простым ИИ, с которым можно было бы сотрудничать и иметь в качестве товарища по команде. ALPHA могла бы постоянно определять оптимальные способы выполнения задач, которыми командует его пилотируемый ведомый, а также давать тактические и ситуационные советы остальным членам команды. полет."
ПОБЕДА ПРОГРАММИРОВАНИЯ: НИЗКАЯ ВЫЧИСЛИТЕЛЬНАЯ МОЩНОСТЬ, ВЫСОКОЭФФЕКТИВНЫЕ РЕЗУЛЬТАТЫОбычно можно ожидать, что искусственный интеллект с возможностями обучения и производительности ALPHA, применимый к невероятно сложным задачам, потребует для работы суперкомпьютера.Однако ALPHA и ее алгоритмы требуют не более чем вычислительной мощности, доступной в малобюджетном ПК, чтобы работать в реальном времени и быстро реагировать и реагировать на неопределенность и случайные события или сценарии.
По словам ведущего инженера по автономности в AFRL, «ALPHA демонстрирует невероятный потенциал в сочетании с высокой производительностью и низкими вычислительными затратами, что является критически важной возможностью для сложных скоординированных операций групп беспилотных летательных аппаратов».Эрнест начал работать с преподавателем инженерного факультета Калифорнийского университета Коэном, чтобы решить эту проблему вычислительной мощности около трех лет назад, будучи докторантом. (Эрнест также получил степень бакалавра Калифорнийского университета в области аэрокосмической техники и инженерной механики в 2011 году и степень магистра Калифорнийского университета в области аэрокосмической техники и инженерной механики в 2012 году.)Они решили эту проблему, используя управление на основе языка (в отличие от числового) и использование так называемой системы «Генетическое нечеткое дерево» (GFT), подтипа так называемых алгоритмов нечеткой логики.
Коэн из Калифорнийского университета заявляет: «Генетические нечеткие системы продемонстрировали высокую производительность, и проблема с четырьмя или пятью входами может быть легко решена. Однако увеличьте это до сотни входов, и ни одна вычислительная система на планете Земля в настоящее время не может решить эту задачу. проблема — если только эта проблема и все входные данные не разбиты на каскад дополнительных решений ».Вот тут-то и пригодятся система генетического нечеткого дерева и годы работы Коэна и Эрнеста.
По словам Эрнеста: «Самый простой способ описать систему генетического нечеткого дерева — это то, что она больше похожа на то, как люди подходят к проблемам. Возьмем, к примеру, футбольного приемника, который оценивает, как корректировать свои действия, основываясь на прикрытии углового защитника. Я подумал про себя: «В этом сезоне у этого защитника, прикрывающего меня, было три перехвата, 12 средних возвратных ярдов после перехватов, два форсированных нащупывания, 4,35-секундный рывок на 40 ярдов, 73 отборов, 14 вспомогательных отборов, только одно препятствие для паса, и пять защищенных передач, ему 28 лет, и сейчас 12 минут до начала третьей четверти, и он видел ровно 8 минут и 25,3 секунды игрового времени ».Этот приемник — вместо того, чтобы стоять на месте на линии схватки перед игрой, пытаясь запомнить все различные конкретные статистические данные и то, что они означают индивидуально и в сочетании с тем, как ему следует изменить свое выступление, — просто посчитал бы крайнего защитника « действительно хорошим ». . ‘Исторические способности крайнего защитника — не единственная переменная.
В частности, следует также учитывать его относительный рост и относительную скорость. Таким образом, принимающее решение о контроле может быть таким же быстрым и простым, как: «Этот защитник действительно хорош, намного выше меня, но я быстрее».На самом базовом уровне это концепция, связанная с распределенной вычислительной мощностью, которая является основой системы генетического нечеткого дерева, в которой в противном случае сценарии / принятие решений потребовали бы слишком большого количества правил, если бы выполнялись одним контроллером.
Эрнест добавил: «Только рассмотрение соответствующих переменных для каждого подрешения является ключевым для нас для выполнения сложных задач, как людей. Таким образом, имеет смысл, чтобы ИИ делал то же самое».В этом случае программирование включало разбиение сложных задач и проблем, возникающих при развертывании воздушных истребителей, на множество подрешения, тем самым значительно сокращая необходимое «пространство» или бремя для хороших решений. Ветви или подразделения этого дерева принятия решений состоят из тактики высокого уровня, ведения огня, уклонения и защиты.
Это «древовидная» часть системы «генетическое нечеткое дерево».ПРОГРАММИРОВАНИЕ НА ОСНОВЕ ЯЗЫКА, ГЕНЕТИЧЕСКОГО И ГЕНЕРАЦИОННОГОВ большинстве программ искусственного интеллекта используется числовое управление и обеспечивается очень точные параметры для операций. Другими словами, со стороны программирования не так много возможностей для улучшения или принятия контекстных решений.
Алгоритмы искусственного интеллекта, которые в конечном итоге разработали Эрнест и его команда, основаны на языке, со сценариями и правилами «если / то», которые могут охватывать от сотен до тысяч переменных. Этот элемент управления на основе языка или нечеткая логика, хотя и не относящийся к сложной математике, может быть проверен и подтвержден.Еще одно преимущество такого лингвистического контроля — легкость передачи экспертных знаний системе. Например, Ли работал с Psibernetix, чтобы дать рекомендации по тактике и маневренности, которые были напрямую подключены к ALPHA. (Это «подключение» происходит через входы в контроллер нечеткой логики.
Эти входы состоят из определенных терминов, например, близкое или дальнее расстояние до цели; если / то правила, связанные с терминами; и входные данные других правил или спецификаций .)Наконец, АЛЬФА-программирование является поколенческим.
Его можно улучшать от одного поколения к другому, от одной версии к другой. Фактически, текущая версия ALPHA — это только текущая версия. Ожидается, что последующие версии будут работать значительно лучше.
Опять же, от Коэна из UC: «Во многом это не отличается от того, когда в Первой мировой войне начались воздушные бои. Сначала была целая куча пилотов. Те, кто выжили до конца войны, были асы. Только в этом случае мы говорим о коде ".
Чтобы достичь текущего уровня производительности, обучение ALPHA проводилось на ПК потребительского класса за 500 долларов. Этот тренировочный процесс начался с множества случайных версий АЛЬФА.
Эти автоматически сгенерированные версии ALPHA зарекомендовали себя по сравнению с вручную настроенной версией ALPHA. Затем успешные строки кода «скрещиваются» друг с другом, отдавая предпочтение более сильным или высокопроизводительным версиям. Другими словами, в последующих поколениях используется только наиболее эффективный код.
В конце концов, одна версия ALPHA поднимается на вершину с точки зрения производительности, и именно она используется.Это «генетическая» часть системы «Генетическое нечеткое дерево».Сказал Коэн: «Все эти аспекты объединены: каскад деревьев, языковое программирование и поколения. С точки зрения имитации человеческого мышления, я чувствую, что это то же самое, что и IBM / Deep Blue против Каспарова. шахматы ".
ФИНАНСИРОВАНИЕ И ПОДДЕРЖКАALPHA разработана компанией Psibernetix Inc., которая выступает в качестве подрядчика Исследовательской лаборатории ВВС США.
Поддержка докторских исследований Эрнеста на общую сумму 200000 долларов была оказана в течение трех лет Дейтонским институтом аспирантуры и Исследовательской лабораторией ВВС США.