- فاضل احمدزاده
- دوشنبه ۱۵ مرداد ۰۳
- ۲۳:۰۷
آمریکا چگونه با استفاده از فناوری هوش مصنوعی توانست سیستمی ایجاد کند که حملات احتمالی طالبان را پیش‌بینی کند؟
- ترجمه شده از سایت اکونومیست توسط فاضل احمدزاده - ارائه در سایت اکونومیست فارسی
پروژه "ریون سنتری" با بهره‌گیری از اطلاعات قابل دسترسی عمومی، به عنوان یک آزمایش موفق در حوزه جمع‌آوری اطلاعات به شمار می‌آید.
در طول تابستان سال ۲۰۲۰، تحلیلگران اطلاعاتی آمریکا که در افغانستان مشغول به فعالیت بودند، یک هشدار جدی از ابزار هوش مصنوعی به نام "ریون سنتری" دریافت کردند. این ابزار چند ماه بود که توسط آنها مورد استفاده قرار می‌گرفت. هوش مصنوعی هشدار داده بود که احتمال حمله شدید و خونباری که منجر به کشته شدن بین ۲۰ تا ۴۰ نفر شود، در اوایل ماه جولای در جلال‌آباد، مرکز ولایت ننگرهار، بسیار زیاد است. این پیش‌بینی متأسفانه با تأخیر اندکی در دوم آگوست محقق شد، زمانی که گروه تروریستی داعش با حمله به زندان شهر، حدود ۲۹ نفر را به کام مرگ کشید.
پروژه رِیون سِنتری در اکتبر ۲۰۱۹ آغاز شد، زمانی که نیروهای آمریکایی در افغانستان با کاهش شدید منابع انسانی و مالی مواجه بودند. کاهش تعداد سربازان، تعطیلی پایگاه‌ها و محدودیت در دسترسی به اطلاعات، توانایی آنها را برای مقابله با تهدیدات امنیتی کاهش داده بود. در همین زمان، طالبان با افزایش قابل توجه حملات، امنیت منطقه را به خطر انداخته بودند. برای مقابله با این چالش پیچیده، نیروهای آمریکایی تصمیم گرفتند از فناوری نوین هوش مصنوعی استفاده کنند.
خشونت سیاسی تصادفی نیست. یک مقاله منتشر شده در مجله سازمان بین‌المللی توسط اندرو شاور و الکساندر بولفراس در سال ۲۰۲۳ نشان داد که برای مثال، دمای بالای هوا با خشونت در افغانستان و عراق ارتباط دارد. پژوهشگران دریافتند که افزایش شدید دما از ۱۶ به ۳۸ درجه سانتیگراد با رشد قابل توجهی در احتمال حمایت مردان عراقی از اقدامات خشونت‌آمیز علیه نیروهای بین‌المللی، که از طریق نظرسنجی‌ها سنجیده شده بود، همراه است.
پروژه ریون سنتری برای پیشبرد اهداف خود، گروهی از افسران اطلاعاتی باهوش و خلاق را انتخاب کرد و آنها را در محیط پویا و چالش‌برانگیز یک واحد نیروهای ویژه قرار داد تا بتوانند با آزادی بیشتری آزمایش‌ها و نوآوری‌های خود را انجام دهند. آنها تحقیقات خود را با تحلیل الگوهای مداوم حملات شورشیان که از زمان اشغال افغانستان توسط شوروی در دهه ۱۹۸۰ تکرار شده‌اند، آغاز کردند. سرهنگ توماس اسپهر در مقاله‌ای در مجله پارامترها، نشریه کالج جنگ ارتش آمریکا، به تشریح این تحقیق پرداخته است.
با کمک متخصصان فناوری از سیلیکون ولی، یک سیستم هوشمند ساخته شد که با بررسی داده‌های تاریخی خشونت و اطلاعات عمومی مانند وضعیت هوا، محتواهای شبکه‌های اجتماعی، اخبار و تصاویر ماهواره‌ای، توانست ارتباطات بین این داده‌ها را شناسایی کند. مدلی که از این تحقیق به دست آمد، توانست زمان و مکان حملات احتمالی را تعیین کند و همچنین تعداد افرادی که ممکن است در این حملات جان خود را از دست بدهند تخمین بزند.
در ابتدا سازمان‌های اطلاعاتی آمریکا و بروکراسی پیچیده پنتاگون به این تلاش با تردید نگاه می‌کردند (و هنوز هم اطلاعات زیادی در این باره منتشر نکرده‌اند). اما سرهنگ اسپهر که در آن زمان مسئول ارشد اطلاعاتی ناتو در افغانستان بود، اعلام کرده است که نتایج این پروژه بسیار چشمگیر بوده است. تا اکتبر ۲۰۲۰، این مدل به مرحله‌ای رسید که توانست احتمال وقوع حملات را با دقت ۷۰ درصد پیش‌بینی کند. این بدان معناست که وقتی مدل پیش‌بینی می‌کرد که احتمال وقوع حمله بسیار بالاست (بین ۸۰ تا ۹۰ درصد)، در ۷۰ درصد مواقع این پیش‌بینی درست از آب درمی‌آمد. این سطح از عملکرد قابل مقایسه با تحلیلگران انسانی است، اما این مدل با سرعت بسیار بیشتری قادر به انجام این کار بود.
انشو روی، مدیرعامل شرکت رومبوس پاور، توضیح می‌دهد: "من در تلاش بودم دلیل موفقیت چشمگیر این سیستم را درک کنم. پس از تجزیه و تحلیل دقیق، متوجه شدیم که داده‌های شهرها حاوی نشانه‌هایی است که نشان می‌دهد سیستم به نوعی توانسته است از الگوهای موجود در شهرها استفاده کند." ماهواره‌هایی که نور را تشخیص می‌دهند، متوجه خواهند شد که شدت نور در کل شهرها پیش از یک حمله کاهش می‌یابد. با این حال، برخی مناطق که سابقه فعالیت‌های دشمن را دارند، افزایش نور خواهند داشت که نشان‌دهنده فعالیت‌های مشکوک است. ماهواره‌های رادار دهانه مصنوعی SAR با ارسال امواج رادار و دریافت بازتاب آنها از سطوح فلزی می‌توانند افزایش تعداد خودروها در یک منطقه را تشخیص دهند. علاوه بر این، ماهواره‌های دیگر نیز افزایش میزان گاز دی‌اکسید کربن را نشان می‌دهند، اما علت دقیق این افزایش هنوز مشخص نشده است.
یافته‌های این تحقیق نشان می‌دهد که احتمال وقوع حملات در دمای بالاتر از ۴ درجه سانتیگراد، در شرایط نور کم ماه و نبود باران افزایش می‌یابد. سرهنگ اسپهر معتقد است که در برخی موارد، حملات اخیر از نظر مکان، ترکیب نیروهای مهاجم، زمان وقوع و حتی نوع سلاح‌ها با حملات شوروی در دهه ۸۰ تطابق کامل دارد. بر اساس گفته‌های سرهنگ اسپهر، سیستم هوش مصنوعی ریون سنتری بدون نیاز به آموزش خارجی توانایی یادگیری و بهبود عملکرد داشت. این سیستم که در آگوست ۲۰۲۱ به دلیل خروج نیروهای آمریکایی از افغانستان غیرفعال شد، اطلاعات و تجربیات ارزشمندی را جمع‌آوری کرده بود.
تحلیلگران انسانی به خروجی سیستم به عنوان یک پاسخ قطعی اعتماد نمی‌کردند. در عوض، از آن به‌عنوان یک سرنخ برای استفاده از سیستم‌های سری مانند ماهواره‌های جاسوسی و شنود ارتباطات استفاده می‌کردند تا اطلاعات دقیق‌تری درباره منطقه مورد نظر جمع‌آوری کنند. هنگام ورود تحلیلگران جدید به تیم، آنها را با دقت در مورد نقاط ضعف و محدودیت‌های مدل اطلاعات می‌دادیم. آقای روی توضیح می‌دهد که مدل در برخی مناطق به دلیل کمبود اطلاعات تاریخی، دقت پایینی داشت. به عبارت دیگر، بدون داده‌های کافی، حتی بهترین مدل‌ها نیز نمی‌توانند پیش‌بینی دقیقی ارائه دهند.
با گذشت سه سال از غیرفعال شدن سیستم رِیون سِنتری که وظیفه پیش‌بینی حملات را بر عهده داشت، نیروهای نظامی و سازمان‌های اطلاعاتی تلاش‌های گسترده‌ای برای توسعه هوش مصنوعی جهت پیش‌بینی حملات آغاز کردند. بسیاری از این مدل‌های هوش مصنوعی در مدت اخیر به بلوغ رسیده‌اند. یک مقام اطلاعاتی بریتانیا اظهار داشته است که در صورت وجود این الگوریتم‌ها در زمان پیش از تهاجم روسیه به اوکراین، می‌توانستیم از این حمله جلوگیری کنیم یا حداقل آمادگی بیشتری برای مقابله با آن داشته باشیم. "در گذشته، تکنولوژی ما قادر به ردیابی دقیق برخی اهداف نبود." چهار سال پیش، تصاویر راداری ماهواره‌ای با وضوح پایین بودند، اما اکنون می‌توانیم تصاویری با وضوح بسیار بالا تهیه کنیم که قادر به تشخیص اشیاء بسیار کوچک است. آقای روی می‌گوید مدلی مثل Raven Sentry که با استفاده از داده‌های واقعی میدان جنگ اوکراین آموزش دیده است، به‌سرعت به هوش مصنوعی پیشرفته‌ای تبدیل خواهد شد.
سرهنگ اسپهر توضیح می‌دهد که این مسئله به سادگی یک خط مستقیم پیش نمی‌رود. او می‌گوید: "همانطور که شورشیان عراقی با استفاده از روش‌های ابتدایی توانستند قابلیت‌های دیداری هواپیماهای پیشرفته آمریکایی را مختل کنند و چریک‌های ویتنامی با حفر تونل از تکنولوژی نظارت هوایی فرار کردند، دشمنان آینده نیز با استفاده از روش‌های خلاقانه می‌توانند سیستم‌های پیچیده هوش مصنوعی را گمراه کنند و داده‌های ورودی به آن را آلوده نمایند." با وجود برتری تکنولوژیکی چشمگیر آمریکا و ناتو، طالبان موفق شد در افغانستان پیروز شود که نتیجه‌ای غیرمنتظره بود.