Sztuczna inteligencja odgrywa coraz ważniejszą rolę w systemach dowodzenia i kontroli (tych, które wspierają dowodzenie operacyjne w zadaniach prowadzenia i monitorowania sił przydzielonych do misji), w których znajduje zastosowanie począwszy od gromadzenia i analizy danych, a skończywszy na przedstawianiu informacji operatorowi. W niniejszym artykule dokonamy krótkiego przeglądu obecnej i przyszłej roli sztucznej inteligencji w odniesieniu do powyższych aspektów.

Począwszy od akwizycji danych sztuczna inteligencja wykazuje duży potencjał w dwóch głównych aspektach: adaptacyjnym zarządzaniu czujnikami oraz łączeniu danych z czujników. Zarządzanie adaptacyjne koncentruje się na dostosowaniu procesów i parametrów pomiarowych oraz koordynacji czujników zgodnie z wymaganiami misji i zmianami w otoczeniu. Nowe pojawiające się scenariusze (takie jak wojna hybrydowa) i nowe generacje czujników (biometrycznych, społecznych, miejskich) zachęcają do rozwoju zaawansowanych form zarządzania adaptacyjnego. Techniki takie jak eksploracja danych w sieciach społecznościowych i analiza wideo w czasie rzeczywistym, by przytoczyć tylko dwa przykłady, pozwolą na zarządzanie oparte na analizie bardziej ogólnego kontekstu, wykraczające daleko poza tradycyjne techniki oparte na teorii kontroli. Jednocześnie nowoczesne algorytmy Deep Learning wraz z klasycznymi technikami statystycznymi (takimi jak statystyki bayesowskie, które plasują się w czołówce tego, co obecnie rozumiemy pod pojęciem sztucznej inteligencji) zapewniają nowy horyzont łączenia danych. Są one szczególnie istotne dla łączenia danych nieustrukturyzowanych (takich jak dane głosowe lub tekst w języku naturalnym) pochodzących z niejednorodnych źródeł; główne wyzwania w tej dziedzinie obejmują prawidłowe ułożenie lub skojarzenie danych oraz zarządzanie konfliktami między nimi. Przykładowo, gdy informacje o tym samym elemencie taktycznym pochodzą z różnych czujników, algorytm sztucznej inteligencji ustala relacje między nimi i rozstrzyga różnice w oparciu o ocenę poziomu wiarygodności każdego źródła w różnych sytuacjach.

Innym aspektem dowodzenia i kontroli, w którym sztuczna inteligencja jest bardzo przydatna, to wsparcie przy podejmowaniu decyzji. Podczas gdy możliwość całkowitego zastąpienia człowieka w ważnych procesach decyzyjnych wydaje się dziś odległa, narzędzia oparte na sztucznej inteligencji są niezbędne do zmniejszenia obciążenia pracą decydentów. Wyraźnymi tego przykładami są ocena sytuacji i wybór optymalnego sposobu działania.

Ocena sytuacji odnosi się do zrozumienia i interpretacji scenariusza operacyjnego i potencjalnych zagrożeń, w celu osiągnięcia celów taktycznych i strategicznych. Doświadczenie i znajomość wroga, jak również doktryny własnej i cudzej, są zatem niezbędne do właściwej oceny sytuacji. Sztuczna inteligencja ułatwia jednak wykonanie zadania, pomagając człowiekowi dokonywać wcześniejszej oceny, poprzez wspomniane już łączenie danych oraz wstępne przetwarzanie i analizę danych, co pozwala na dostarczenie operatorowi informacji w uporządkowany i zrozumiały sposób

Wybór sposobu działania, oparty na ocenie sytuacji, bazuje na analizie możliwych alternatywnych scenariuszy działań i przewidywaniu konsekwencji każdego z nich. Także i w tej sferze doświadczenie i wiedza decydentów są kluczowymi czynnikami. Jednakże algorytmy takie jak uczenie maszynowe mogą być bardzo użyteczne podczas informowania odpowiedniej osoby odpowiedzialnej, gdy istnieje wystarczająca ilość informacji do podjęcia decyzji (to znaczy, gdy uzyskanie dodatkowych informacji nie wpłynęłoby w istotny sposób na samą decyzję), w oparciu o historię doświadczeń. Jest to niezwykle ważne, ponieważ czas jest często istotnym czynnikiem w dowodzeniu i kontroli, znacznie zwiększając szanse powodzenia, jeśli decyzja została podjęta w odpowiednim czasie. W oparciu o tę historię doświadczeń (składającą się w zasadzie z wcześniejszej znajomości faktów, decyzji i konsekwencji w porównywalnych sytuacjach), narzędzia te są również w stanie dokonać ilościowego oszacowania wpływu związanego z każdą możliwą alternatywą, wraz z hipotezami, na których się ona opiera i odpowiednim wyjaśnieniem, które pozwala człowiekowi zrozumieć, dlaczego dana decyzja może prowadzić do określonego wyniku.

Na zakończenie tego krótkiego przeglądu zwrócimy uwagę na kluczowy element w prezentacji informacji w systemach dowodzenia i kontroli, tzw. wspólny obraz sytuacji operacyjnej (lepiej znany jako skrót w języku angielskim, COP – Common Operational Picture). Ten „obraz” przedstawia istotne informacje operacyjne, takie jak pozycje jednostek własnych i wroga, i jest zazwyczaj powiązany z mapą, na której obiekty zainteresowania są przedstawione graficznie. W klasycznych systemach, obiekty te są wprowadzane ręcznie przez operatora ludzkiego, a następnie wyświetlane przez każdego, kto ma dostęp do COP. Techniki uczenia maszynowego pozwalają na automatyczne dodawanie informacji do mapy, na przykład z analizy zdjęć satelitarnych lub z drona wysłanego w celu zbadania obszaru działania. W ten sposób można automatycznie wykrywać, analizować i prezentować operatorowi obiekty zainteresowania, takie jak wrogie wojska lub ważna infrastruktura.

Podczas gdy, jak wskazano powyżej, osąd ludzki pozostanie przez długi czas podstawowym elementem procesu decyzyjnego w zakresie dowodzenia i kontroli, ewolucja i skuteczność narzędzi opartych na sztucznej inteligencji pozwolą stopniowo uwolnić człowieka od bardziej drugorzędnych zadań i skoncentrować się wyłącznie na tych, w których nadal odgrywa on istotną rolę.

Autor(ka)r: Raúl Valencia