Πώς η Αμερική κατασκεύασε ένα εργαλείο τεχνητής νοημοσύνης για να προβλέψει τις επιθέσεις των Ταλιμπάν
Το καλοκαίρι του 2020 Αμερικανοί αναλυτές πληροφοριών στο Αφγανιστάν έλαβαν μια προειδοποίηση από το “Raven Sentry“, ένα εργαλείο τεχνητής νοημοσύνης (AI) που χρησιμοποιούσαν εδώ και λίγους μήνες. Υπήρχε μεγάλη πιθανότητα, τους είπε το AI, για μια βίαιη επίθεση στο Τζαλαλαμπάντ, την πρωτεύουσα της ανατολικής επαρχίας Νανγκαρχάρ, στις αρχές Ιουλίου. Πιθανότατα θα προκαλούσε μεταξύ 20 και 40 θύματα. Η επίθεση σημειώθηκε, λίγο αργά, στις 2 Αυγούστου, όταν το Ισλαμικό Κράτος χτύπησε τη φυλακή της πόλης, σκοτώνοντας περίπου 29 ανθρώπους.
Το Raven Sentry μπήκε στο πλάνο τον Οκτώβριο του 2019, όταν οι αμερικανικές δυνάμεις στο Αφγανιστάν αντιμετώπιζαν ένα αίνιγμα. Είχαν όλο και λιγότερους πόρους, με τον αριθμό των στρατευμάτων να μειώνονται, τις βάσεις να κλείνουν και τους πόρους πληροφοριών να εκτρέπονται σε άλλα μέρη του κόσμου. Ωστόσο, η βία αυξανόταν. Το τελευταίο τρίμηνο του 2019 σημειώθηκε το υψηλότερο επίπεδο επιθέσεων των Ταλιμπάν σε μια δεκαετία. Για να αντιμετωπίσουν το πρόβλημα στράφηκαν στο AI.
Η πολιτική βία δεν είναι τυχαία. Μια μελέτη που δημοσιεύτηκε στον Διεθνή Οργανισμό από τους Andrew Shaver και Alexander Bollfrass το 2023 έδειξε, για παράδειγμα, ότι οι υψηλές θερμοκρασίες συσχετίστηκαν με τη βία τόσο στο Αφγανιστάν όσο και στο Ιράκ. Όταν οι μέρες πήγαν από τα υψηλά των 16°C σε περισσότερους από 38°C, παρατήρησαν: «Η προβλεπόμενη πιθανότητα ένας Ιρακινός άνδρας να εκφράσει την υποστήριξη της βίας κατά των δυτικών δυνάμεων [όπως μετρήθηκε σε δημοσκοπήσεις] αυξήθηκε κατά δεκάδες ποσοστιαίες μονάδες».
Το Raven Sentry πήγε αυτό το συμπέρασμα ένα βήμα παραπέρα. Μια ομάδα Αμερικανών αξιωματικών, υπεύθυνοι για τη διαχείρηση πληροφοριών, που απέκτησαν το χαϊδευτικό παρατσούκλι «σπασίκλες της ντουλάπας», τοποθετήθηκαν σε μια μονάδα ειδικών δυνάμεων, η κουλτούρα της οποίας ταιριάζει καλύτερα σε επιθετικούς πειραματισμούς. Ξεκίνησαν μελετώντας «επαναλαμβανόμενα μοτίβα» στις επιθέσεις των ανταρτών που χρονολογούνται από τη σοβιετική κατοχή του Αφγανιστάν τη δεκαετία του 1980, λέει ο συνταγματάρχης Thomas Spahr, ο οποίος περιέγραψε το πείραμα σε μια πρόσφατη δημοσίευση στο Parameters, το περιοδικό του Αμερικανικού Στρατού Πολέμου.
Εργολάβοι που εδρεύουν στη Silicon Valley τους βοήθησαν να εκπαιδεύσουν ένα νευρωνικό δίκτυο για να εντοπίσουν τις συσχετίσεις μεταξύ ιστορικών δεδομένων για τη βία και ποικίλων ανοιχτών (δηλ. μη απόρρητων) πηγών, συμπεριλαμβανομένων δεδομένων καιρού, αναρτήσεων στα μέσα κοινωνικής δικτύωσης, ειδήσεων και εμπορικών δορυφορικών εικόνων. Το μοντέλο που προέκυψε εντόπισε πότε τα κέντρα περιοχών ή επαρχιών διέτρεχαν υψηλότερο κίνδυνο επίθεσης και υπολόγισε τον αριθμό των θανάτων που θα μπορούσαν να προκύψουν.
Οι υπηρεσίες πληροφοριών της Αμερικής και η γραφειοκρατία του Πενταγώνου αντιμετώπισαν αρχικά με σκεπτικισμό την προσπάθεια (υπάρχει ακόμα σιωπή σχετικά με αυτό το θέμα), όμως τα αποτελέσματα ήταν εντυπωσιακά, λέει ο συνταγματάρχης Spahr, ο οποίος ήταν αρχηγός του επιτελείου του ανώτατου αξιωματούχου πληροφοριών στην αποστολή του ΝΑΤΟ στο Αφγανιστάν εκείνη την εποχή. Μέχρι τον Οκτώβριο του 2020 , πράγμα που σημαίνει ότι αν έκρινε μια επίθεση ως πιθανή με την υψηλότερη πιθανότητα (80-90%), τότε μια επίθεση έλαβε χώρα στη συνέχεια στο 70% των φορών – ένα επίπεδο απόδοσης παρόμοιο με τους ανθρώπινους αναλυτές , σημειώνει, «απλώς με πολύ υψηλότερο ρυθμό ταχύτητας».
«Δυσκολευόμουν να καταλάβω γιατί λειτουργούσε τόσο καλά», λέει ο Anshu Roy, Διευθύνων Σύμβουλος της Rhombus Power, μιας από τις εμπλεκόμενες εταιρείες. «Τότε το «σπάσαμε» και συνειδητοποιήσαμε ότι οι ενδείξεις ήταν εμφανείς στις πόλεις – κατά κάποιο τρόπο ήξεραν». Οι οπτικοί δορυφόροι (αυτοί που αισθάνονται το φως) θα παρατηρούσαν τις πόλεις στο σύνολό τους να γίνονται πιο σκοτεινές τη νύχτα λίγο πριν από τις επιθέσεις, λέει. Ωστόσο, οι περιοχές σε αυτές τις πόλεις που σχετίζονται με εχθρική δραστηριότητα στο παρελθόν θα γίνονταν πιο φωτεινές. Οι δορυφόροι ραντάρ συνθετικού διαφράγματος (SAR), οι οποίοι εκπέμπουν παλμούς ραντάρ αντί να βασίζονται στο φως του περιβάλλοντος, συνέλεγαν τις μεταλλικές αντανακλάσεις της αυξημένης δραστηριότητας του οχήματος, ενώ άλλοι δορυφόροι θα ανίχνευαν υψηλότερα επίπεδα διοξειδίου του άνθρακα, λέει ο κ. Roy, αν και δεν είναι σαφές γιατί.
Οι επιθέσεις ήταν πιο πιθανές, όπως διαπιστώθηκε, όταν η θερμοκρασία ήταν πάνω από 4°C, ο σεληνιακός φωτισμός ήταν κάτω από 30% και δεν έβρεχε. «Σε ορισμένες περιπτώσεις», σημειώνει ο συνταγματάρχης Spahr, «σύγχρονες επιθέσεις σημειώθηκαν στις ακριβείς τοποθεσίες, με παρόμοια σύνθεση ανταρτών, κατά τη διάρκεια της ίδιας ημερολογιακής περιόδου και με πανομοιότυπα όπλα με τα Ρώσους ομολόγους τους της δεκαετίας του 1980». Το Raven Sentry «μάθαινε από μόνο του», λέει ο συνταγματάρχης Spahr, «γίνονταν όλο και καλύτεροι από τη στιγμή που έκλεινε τη λειτουργία του». Αυτό συνέβη τον Αύγουστο του 2021 όταν η Αμερική αποχώρησε από το Αφγανιστάν. Μέχρι τότε είχε αποδώσει πολλά μαθήματα.
Οι ανθρώπινοι αναλυτές δεν αντιμετώπισαν τα αποτελέσματα του Raven Sentry ως ευαγγέλιο. Αντίθετα, θα το χρησιμοποιούσαν για να υποδείξουν διαβαθμισμένα συστήματα, όπως κατασκοπευτικούς δορυφόρους ή αναχαιτισμένες επικοινωνίες, για να εξετάσουν μια περιοχή ανησυχίας με περισσότερες λεπτομέρειες. Όταν νέοι αναλυτές νοημοσύνης έμπαιναν στην ομάδα, θα διδάσκονταν προσεκτικά τις αδυναμίες και τους περιορισμούς του. Σε συγκεκριμένες περιοχές, λέει ο κ. Roy, το μοντέλο δεν ήταν πολύ ακριβές. «Δεν είχαν συμβεί πολλά εκεί στο παρελθόν», λέει, «και ανεξάρτητα από το πόσο το «πειράζει» κάνεις, αν δεν μπορείς να διδάξεις το μοντέλο, δεν μπορείς να κάνεις πολλά».
Στα τρία χρόνια από τότε που έκλεισε το Raven Sentry, οι ένοπλες δυνάμεις και οι υπηρεσίες πληροφοριών έχουν διοχετεύσει πόρους στην τεχνητή νοημοσύνη για «δείκτες και προειδοποιήσεις», τον όρο για την προειδοποίηση επίθεσης. Πολλά από τα μοντέλα έχουν ωριμάσει σχετικά πρόσφατα. «Αν είχαμε αυτούς τους αλγόριθμους εν όψει της ρωσικής εισβολής στην Ουκρανία, τα πράγματα θα ήταν πολύ πιο εύκολα», λέει μια πηγή των βρετανικών αμυντικών πληροφοριών. «Υπήρχαν πράγματα που θέλαμε να παρακολουθήσουμε και τα οποία δεν ήμασταν πολύ καλοί στην παρακολούθηση εκείνη τη στιγμή». Πριν από τέσσερα χρόνια, οι εικόνες SAR είχαν ανάλυση δέκα μέτρων, θυμάται ο κ. Roy. τώρα είναι δυνατό να λαμβάνετε εικόνες αρκετά ευκρινείς για να διακρίνετε αντικείμενα μικρότερα από ένα μέτρο. Ένα μοντέλο όπως το Raven Sentry, εκπαιδευμένο σε δεδομένα από τις ενεργές πρώτες γραμμές της Ουκρανίας, «θα γινόταν πολύ έξυπνο πολύ γρήγορα», λέει.
Ο συνταγματάρχης Spahr υποστηρίζει ότι δεν είναι μια γραμμική διαδικασία. «Ακριβώς όπως οι Ιρακινοί αντάρτες έμαθαν ότι το κάψιμο ελαστικών στους δρόμους υποβάθμισε τα οπτικά των αεροσκαφών των ΗΠΑ ή καθώς οι Βιετναμέζοι αντάρτες έσκαβαν σήραγγες για να αποφύγουν την εναέρια παρατήρηση, οι αντίπαλοι της Αμερικής θα μάθουν να ξεγελούν συστήματα τεχνητής νοημοσύνης και να διαφθείρουν τις εισροές δεδομένων», λέει. «Οι Ταλιμπάν, τελικά, επικράτησαν έναντι των Ηνωμένων Πολιτειών και της προηγμένης τεχνολογίας του ΝΑΤΟ στο Αφγανιστάν».
Πηγή: Economist
