Exclusief: De toekomst van AI in gevechtssituaties vereist offline werking
Een exclusief rapport onthult de noodzaak van kunstmatige intelligentie op het slagveld die volledig autonoom kan opereren wanneer de communicatie wegvalt. De toekomst van oorlogsvoering wacht.
De belangrijkste dingen die je moet weten
- Het conflict in de Straat van Hormuz heeft aangetoond dat traditionele datacenters gemakkelijke doelwitten zijn voor goedkope raketten, wat de noodzaak benadrukt van gedecentraliseerde oplossingen voor de bestrijding van kunstmatige intelligentie.
- Palantir zet zeecontainers vol Nvidia-hardware in als gedecentraliseerd alternatief voor traditionele datacenters, waardoor directe rekenkracht beschikbaar komt op de locaties aan het front.
- De minimalistische AI- en uniforme leerarchitectuur van Scaleout stelt losgekoppelde knooppunten in staat om lokale inferentie uit te voeren en gegevens in de cache op te slaan totdat de verbinding is hersteld, waardoor de bedrijfscontinuïteit gewaarborgd blijft.
Hoewel de Verenigde Staten ernaar streven om de Plus-systemen voor kunstmatige intelligentie in alle onderdelen van hun leger te integreren, brengt de situatie in het Midden-Oosten ernstige problemen met zich mee wat betreft het in stand houden van de benodigde reken- en communicatiecapaciteit om deze systemen met internet verbonden te houden.
Drones, sensoren, doelbepaling en AI-gestuurde besluitvorming zijn allemaal op de een of andere manier afhankelijk van deze systemen. De vernietiging van zelfs maar één AI-datacenter aan het front zou de operationele capaciteiten van het leger ernstig kunnen belemmeren.
Maar deze problemen gaan verder dan alleen de hardware. Hoe kan een drone zijn missieparameters aanpassen zonder te kunnen communiceren? Hoe kunnen AI-modellen blijven redeneren zonder toegang tot essentiële gegevens van het slagveld? En welke compromissen moeten er worden gesloten om AI voor te bereiden op dergelijke omstandigheden op het slagveld?
Kunstmatige intelligentie op het slagveld moet blijven functioneren, zelfs wanneer de communicatie verstoord is of de apparatuur uitvalt.
Hoewel een conflict over de Straat van Hormuz een uiterst kostbare onderneming zou zijn, biedt Iran waardevolle lessen voor strijdende partijen. De afhankelijkheid van traditionele datacenters in het Midden-Oosten heeft al zijn kwetsbaarheden aan het licht gebracht. Deze uitgestrekte depots zijn gemakkelijke doelwitten voor goedkope raketten, en complete systemen kunnen met één enkele aanval onbruikbaar worden gemaakt .
Palantir is al begonnen met het inzetten van zeecontainers gevuld met Nvidia-hardware als alternatief voor traditionele datacenters. Deze containers kunnen aan de frontlinie worden geplaatst en direct worden aangesloten op de workflow, waardoor gedecentraliseerde rekenkracht beschikbaar komt waar die het meest nodig is.
Scaleout is een bedrijf dat een minimalistische AI- en uniforme leerinfrastructuur bouwt waarmee modellen worden getraind op gedistribueerde en gevoelige data zonder deze te centraliseren. Het bedrijf heeft samengewerkt met de NAVO – en meer recentelijk met de Zweedse luchtmacht – en met grote defensiebedrijven zoals BAE Systems.
Andreas Helander is de CEO en medeoprichter van Scaleout. Hij heeft een doctoraat in wetenschappelijk computergebruik en een master in biotechnologische engineering, en is universitair docent aan de Universiteit van Uppsala, waar hij een van de meest vooraanstaande onderzoeksgroepen binnen de IT-afdeling heeft opgebouwd voordat hij Scaleout oprichtte.
Ik sprak met Andreas om van Plus te horen hoe AI-systemen op het slagveld veerkrachtiger gemaakt kunnen worden, en hoe drones, sensoren en andere technologieën aan het front kunnen blijven functioneren wanneer de omstandigheden verslechteren.
- Wat gebeurt er als onderdelen van de rekenkracht en AI-hardware op het slagveld uitvallen? En welke redundantiemechanismen bestaan er om de communicatie tussen systemen te waarborgen?
Het doel is niet om ononderbroken connectiviteit te garanderen, maar eerder om te voorkomen dat het uitvallen van één component de gehele functionaliteit uitschakelt. In onze architectuur zet het losgekoppelde knooppunt de lokale inferentie voort met behulp van het laatst vastgestelde model en worden ontdekkingen en telemetriegegevens in de cache opgeslagen totdat de verbinding is hersteld.
Er kunnen meerdere aggregatiepunten boven het randniveau worden gebruikt. Als er één niet beschikbaar is, kunnen clients worden gereset en kan de training worden voortgezet met de resterende beschikbare punten. Dit resulteert in een geleidelijke afname van de prestaties in plaats van een volledige uitval. Wij leveren niet het tactische communicatienetwerk zelf; onze rol is ervoor te zorgen dat de AI-workload er niet van uitgaat dat een draadloze, satelliet- of andere verbinding altijd beschikbaar zal zijn.
- Wat zijn de afwegingen tussen een sterk gecentraliseerd AI-netwerk op het slagveld en een meer gedistribueerde aanpak, met name met betrekking tot gegevensverzameling, doelbepaling, coördinatie op het slagveld en logistiek?
Centralisatie zorgt voor een consistent operationeel beeld, aanzienlijke rekenkracht en een duidelijke locatie voor beveiligingshandhaving, modelgoedkeuring en commandobeleid. Het ondersteunt coördinatie en logistiek op theaterniveau, maar het concentreert ook risico's: het verlies van een enkele verbinding of faciliteit kan een onevenredig groot deel van de capaciteit wegnemen, terwijl de overdracht van grote of gevoelige datasets traag, beperkt of onmogelijk kan zijn.
Een gedistribueerd systeem houdt de analyse dicht bij de sensor, waardoor de reactietijd wordt verkort en lokale functies tijdens storingen kunnen blijven functioneren. De keerzijde hiervan is fragmentatie. Doelgerichte acties op basis van een onvolledig of verouderd beeld zijn riskant, en lokale logistieke beslissingen zijn mogelijk niet optimaal voor de gehele strijdkracht. Het beste ontwerp is doorgaans een hybride: gecentraliseerde coördinatie waar mogelijk, met duidelijk gedefinieerde lokale capaciteiten wanneer deze niet beschikbaar is. De autoriteit blijft bij de commandostructuur en het relevante menselijke besluitvormingsproces .
- Hoe passen AI-drones en sensoren zich aan het slagveld aan, en wat zijn de verschillen in gedrag tussen AI-drones die nog steeds kunnen communiceren en drones die het contact hebben verloren?
Het is belangrijk om de werking van het model te scheiden van het hertrainen. Kleinere platforms voeren doorgaans inferentie uit tijdens de vlucht, terwijl gecontroleerd hertrainen en valideren plaatsvindt op een grondstation of een krachtigere edgecomputer. Leren aan boord bestaat in onderzoek, maar ongecontroleerd hertrainen tijdens de missie leidt tot ernstige betrouwbaarheidsproblemen.
Het verbonden platform kan ontdekkingen delen, missies ontvangen en bijdragen aan een breder operationeel beeld. Na verlies van verbinding volgt de drone een vooraf goedgekeurde noodprocedure: afhankelijk van de missie kan de drone doorgaan met een specifieke taak, terugkeren, wachten of landen. De ingebouwde processor kan de waarneming en navigatie operationeel houden, maar het platform verliest de externe context, nieuwe instructies en de coördinatie met de vloot. Een storing moet een geplande operationele situatie zijn met duidelijk afgebakende grenzen, geen geïmproviseerde noodsituatie.
- Hoe worden de gegevens die door deze drones en sensoren worden verzameld, gebruikt om AI-systemen op het slagveld te helpen zich aan te passen aan nieuwe omstandigheden, bedreigingen en tactieken?
De meest bruikbare data is vaak het moeilijkst over te dragen, dus sturen we het model naar de data in plaats van ons te richten op momentopnamen. Actieve leersoftware identificeert de meest waarschijnlijke scenario's voor modelverbetering, zoals onzekere ontdekkingen, onbekende objecten of veranderende omstandigheden. Mensen classificeren het geselecteerde materiaal nog steeds; de software verkort het zoekproces, niet de behoefte aan menselijk oordeel, wat het belang benadrukt van het overbruggen van de verantwoordingskloof in AI-systemen.
Het model wordt vervolgens lokaal verfijnd en getest aan de hand van een vastgestelde benchmark. Een kandidaatmodel kan ook in een schaduwmodus naast het bestaande model draaien voordat het door de beheerder wordt goedgekeurd. Waar beleid en connectiviteit dit toelaten, wisselen locaties beveiligde modelupdates uit in plaats van onbewerkte trainingssnapshots, en combineren deze tot een gedeeld model. Unified learning vermindert het dataverkeer, maar updates moeten nog steeds worden beveiligd, geverifieerd en beoordeeld.
- Wat zijn de grootste uitdagingen bij de inzet van drones en AI-gestuurde sensoren? En welke mogelijkheden staan militaire organisaties ter beschikking om te voldoen aan de eisen op het gebied van computerkracht en energieproductie nabij de frontlinie?
De grootste uitdagingen zijn doorgaans energie, warmte, gewicht, weersomstandigheden, trillingen, elektronische oorlogsvoering, inconsistente data en veilige software-updates voor een diverse vloot. Integratie en betrouwbaarheid kunnen net zo moeilijk zijn als machine learning, een uitdaging die ook prominent aanwezig is op het gebied van industriële kunstmatige intelligentie.
Rekenmogelijkheden zijn commercieel beschikbaar: energiezuinige units zoals de NVIDIA Jetson voor microplatformen, robuuste GPU-servers of containergebaseerde edge computing-units voor locaties op het land. Stroomvoorziening is echter een grotere uitdaging. Elke processor concurreert met aandrijvings-, sensor- en communicatiesystemen, terwijl generatoren, batterijen en distributieapparatuur logistieke lasten en nieuwe storingsbronnen met zich meebrengen. Tijdens onze publieke demonstratie met BAE Systems Bofors hebben we een perceptie-workload uitgevoerd op embedded computing bij -18 °C zonder internetverbinding. Het principe is om een zo klein mogelijke operationele voetafdruk te gebruiken en ervan uit te gaan dat zowel stroom als bandbreedte schaars zijn.
- De rol van commerciële bedrijven bij het leveren van diensten voor militair gebruik overlapt steeds meer, zoals de datacenters van AWS in het Midden-Oosten en de productie van drones in het Verenigd Koninkrijk voor Oekraïne. Hoe gaan bedrijven die diensten aan het leger leveren om met de mogelijke druk om als legitiem militair doelwit te worden beschouwd?
Over Scaleout gesproken, en niet over de hele branche, wij ontwerpen ons platform zo dat de bedrijfsvoering van onze klanten niet afhankelijk is van de continue beschikbaarheid van Scaleout. Het platform draait binnen de eigen infrastructuur van de klant, is volledig geïsoleerd en vereist geen licentie voor een externe server of een constante verbinding met onze systemen of een publieke cloud. Dit roept vragen op over zaken als cloudsoevereiniteit en hoe bedrijven die diensten aan het leger leveren, kunnen omgaan met de mogelijke druk om als legitiem militair doelwit te worden beschouwd.
Dit is cruciaal in elke betwiste of gefragmenteerde omgeving; afhankelijkheid van een externe dienstverlener kan een operationele kwetsbaarheid vormen. Daarom hebben we ervoor gekozen om de lokale controle en continuïteit op de locatie van de klant te behouden, in plaats van onze eigen infrastructuur tot een kritieke afhankelijkheid te maken.
De bredere vraag hoe commerciële leveranciers moeten worden beoordeeld in de context van conflicten, is een zaak voor beleidsmakers, juridische deskundigen en de betrokken bedrijven. We willen niet speculeren over de risicobeoordelingen of bedrijfsmodellen van andere leveranciers.
- Wat is de toekomstige ontwikkeling van deze systemen? Zal elke drone en individuele sensor een eigen communicatiesysteem hebben dat gegevens via een wereldwijd satellietnetwerk kan verzenden? En zullen deze systemen dagen of wekenlang zelfstandig kunnen functioneren zonder menselijke tussenkomst?
De connectiviteit zal verbeteren, onder meer via satellieten in een lage baan om de aarde, maar het rechtstreeks verbinden van elke sensor met de ruimte zal waarschijnlijk geen allesomvattende oplossing zijn. Terminals verbruiken energie en frequentiespectrum, verhogen de kosten en kunnen een digitale voetafdruk achterlaten. Een flexibelere aanpak combineert lokale netwerkverbindingen (LAN), opportunistische synchronisatie en geselecteerde gateways voor satellietcommunicatie of andere communicatie over lange afstand.
Langer offline kunnen werken is een realiteit, maar de gebruiksduur wordt vaak beperkt door batterijen, weersomstandigheden en onderhoud, niet door AI- software . Er is ook een fundamenteel verschil tussen offline werken en werken zonder menselijk toezicht. Het eerste is een kwestie van flexibiliteit; het tweede is een politieke, juridische en ethische beslissing. De toekomst draait daarom niet alleen om meer autonomie, maar ook om verifieerbare controle: weten welk model op elk platform draaide, wat het produceerde, waar de beperkingen lagen en wie het goedkeurde. Het overbruggen van de verantwoordingskloof is cruciaal om deze controle te garanderen.
Reacties zijn gesloten.