Я придумал фразу "военное вычислительное мышление" в аспирантуре, чтобы объяснить тему моей докторской диссертации по информатике. Вычислительное мышление [подробнее по данной теме - прим. перевод.] - это формальный метод решения проблем (технически, вам для его применения не нужен компьютер). В наших условиях применения данного инструмента совместно с компьютером помогает решать проблемы человеческого уровня. Классическим примером этого может быть вычисление самого быстрого маршрута на карте между двумя точками - алгоритм наименьшего взвешенного пути [подробнее - прим. перевод.]. Я также много писал на эту тему.
Итак, военные вычислительное мышление - это компьютер, решающий военные проблемы человеческого уровня. Мы можем разделить вычислительное военное мышление на две подкатегории: стратегические и тактические (российская военная доктрина также добавляет третью категорию - большая стратегия [подробнрее раз, два, три, четыре, пять, шесть с разных точек зрения - прим. перевод.]); однако сейчас давайте сосредоточимся на тактическом искусственном интеллекте - решениях на поле боя.
Тактический ИИ делится на две части: анализ – поля боя и действия на основе полученной и обработанной информации, путем создания набора согласованных приказов (известных, как План действий), которые используют слабые места в позиции нашего противника, обнаруженные во время анализа поля боя.
Анализ поля боя
Говорят, что когда Наполеон путешествовал по Европе со своим штабом, он расспрашивал о местности, по которой они проезжали; «Где лучшая оборонительная позиция? Каковы наилучшие маршруты атаки? Где разместить артиллерию? Какая местность благоприятна для кавалерийской атаки?»
Мы считаем само собой разумеющимся, что такой анализ местности и противостоящих сил, является навыком, которому можно научить людей. Мое докторское исследование - TIGER (генератор тактических выводов с неконтролируемым машинным обучением - можно бесплатно скачать здесь): успешно продемонстрировало верность гипотезы о том, что неконтролируемая программа машинного обучения также может овладеть этим навыком и выполнить статистически неразличимый анализ поля боя (использование одностороннего теста Вальда привело к р = 0,0001). Такой вывод следует из данных исследований, проведенных экспертами предметной области (SME), такими как инструкторы в Вест-Пойнте и действующие боевые командиры.
Контролируемое и неконтролируемое машинное обучение
[подробнее о данной теме - прим. перевод.]
Рекомендации Netflix представляют собой контролируемую программу обучения. Каждый раз, когда вам "нравится" фильм, программа "узнает", что вам нравятся, например, "документальные фильмы". Любая программа, в которой вам "нравится" или "не нравится" предложения, является контролируемой программой обучения, в которой вы, нажимая на "нравится" или "не нравится", обучаете программу.
TIGER - это неконтролируемая программа машинного обучения, которая должна сама во всем разобраться. Вместо того, чтобы обучаться, программе "скармливают" серию "объектов", которые имеют определённые "атрибуты", и сортируют их по категориям. Для TIGER объекты - это снимки/карты полей сражений.
[для лучшего понимания происходящего в окне TIGER рекомендую ознакомиться с легендой - прим. перевод.]
Как TIGER воспринимает поле боя
Когда мы с вами смотрим на поле боя, наш мозг каким-то образом находит смысл во всех значках НАТО 2525B, разбросанных по топографической карте. Я не знаю, как это делают наши мозги, но расскажу, как с этим справляется TIGER.
[про данный тип деревьев - прим. перевод.]
Комбинируя 3D-линию прямой видимости с дальностью поражения (насколько далеко оружие может стрелять и насколько оно точно на больших расстояниях, отображаемых выше более светлыми цветами) с алгоритмом минимального остовного дерева (алгоритм Крускала) на приведенном выше изображении показано, как TIGER "видит" поле битвы при Антьетаме. Это важный первый шаг для оценки атрибутов объекта.
Как определить атрибут закрепленных и не закрепленных флангов
Поля сражений, как было сказано ранее - это "объекты", имеющие "атрибуты". Одним из таких атрибутов является концепция закрепленных и не закрепленных флангов [кто такие эти ваши фланги - прим. перевод.]. Хотя любой, кто играет в военные игры, вероятно, имеет хорошее представление о том, что подразумевается под "флангом", следуя формальным научным методам, я должен был сначала доказать, что по этому вопросу существует согласие между экспертами в предметной области. Это даные из одного двойного слепого опроса, проведенных среди SME:
Итак, теперь мы доказали, что среди экспертов в данной области существует консенсус относительно концепции "закрепленных" и "не закрепленных" флангов, более того, некоторые поля сражений обладают этим атрибутом, а другие - нет.
Ниже приведена серия слайдов из презентации, которую я представил DARPA [подробнее - прим. перевод.] в рамках моего исследовательского гранта W911NF-11-200024, описывающая алгоритм, используемый MATE (приемник TIGER) для вычисления того, закреплен фланг или нет, и как тактически использовать эту ситуацию с помощью флангового маневра. Этот брифинг не засекречен.
Слайды: 1, 2, 3, 4, 5, 6, 7, 8 , 9
Создание плана действий
Как только программа обнаружит "открытый" или незанятый фланг, она разработает план действий маневрирования силами для выполнения либо маневра поворота, либо маневра охвата.
Слайды: 1, 2, 3, 4, 5, 6, 7, 8
Анализ битвы при Мардже (операция "Моштарак" 13 февраля 2010 года)
Следующие два снимка экрана являются частью анализа битвы при Мардже, в котором предлагается альтернативный план действий (манёвр охвата), который морская пехота США фактически использовала в Мардже.
Выводы и комментарии по первой части
Обычно на этом этапе, когда читаю лекцию, я обращаюсь к своей аудитории и задаю вопросы. Я действительно не хочу терять вовлечённость слушателей, так как у нас есть еще много вещей по тактическому ИИ, о которых можно поговорить. До сих пор я описал только то, как мои программы (TIGER / MATE) анализируют поле боя одним конкретным способом (есть ли у моего врага – OPFOR [OPposing FORce - прим. перевод.] в военных терминах – открытый фланг, на который я могу напасть), и предстоит выполнить гораздо более комплексный анализ поля боя.
Специалисту по информатике легко использовать терминологию и сокращения в области компьютерных наук для объяснения алгоритмов, но я беспокоюсь, что люди, не имеющие отношения к computer science, в аудитории не совсем поймут, о чём я говорю.
У вас есть какие-либо вопросы по этому поводу? Если да, я бы очень хотел услышать их. Над этим исследованием я работал всю свою профессиональную карьеру (см. Военная игра, готовящаяся 55 лет) и, честно говоря, мне очень нравится рассказывать о нём. Как сказал мне помощник преподователя много лет назад, когда я был студентом: “В информатике нет глупых вопросов”, поэтому, пожалуйста, не стесняйтесь писать мне, используя нашу форму обратной связи или отправив мне электронное письмо по адресу ezra@RiverviewAI.com.
От т.н. переводчика
Если есть желание предметнее обсудить тему статьи или обложить меня последними словами (по какой бы то ни было причине), то буду рад видеть вас тут: каналья
