워싱턴 — Northrop Grumman은 패턴 인식 기능을 활용하여 전 세계의 미사일 발사를 발견, 분류 및 모니터링하는 고위험 프로세스를 단순화할 수 있는 소프트웨어를 개발하고 있습니다.

방위산업체는 2025년 초 납품을 목표로 미국 우주군을 위한 기계 학습을 사용한 허위 추적 감소(False Track Reduction Using Machine Learning)를 개선하는 과정에 있습니다. 우주 기반 적외선 시스템 프로그램 또는 SBIRS는 다른 오버헤드 영구 적외선 할당에 잠재적으로 적용할 수 있습니다.

우주군 ​​요원은 매달 수천 건의 잠재적인 미사일 사고를 추적하며 잘못된 경보에 맞서 싸워야 합니다. 점점 더 정교해지는 스파이 기술, 급증하는 위성, 끊임없이 진화하는 무기, 해외 군사 폭발로 인해 이미 복잡해진 프로세스가 더욱 악화될 수 있습니다.

Northrop의 제품은 정보의 홍수 회사의 임무 활용 기업 이사인 John Stengel에 따르면 분석가들은 실제 발사 또는 아웃바운드 발사체가 아닐 수 있는 것을 분석하는 동시에 "실제 사건이나 실제 미사일"이 부적절하게 분류되지 않도록 보장해야 합니다.

“센서가 향상될수록, 즉 우주의 센서가 향상될수록 민감도는 더욱 높아집니다. 센서가 더 민감해질수록 더 많은 잘못된 추적이 발생합니다.”라고 C4ISRNET과의 인터뷰에서 Stengel이 말했습니다. "기계 학습을 활용하여 인간이 루프에 참여하도록 돕는 능력, 즉 자신의 업무를 수행하는 능력을 갖추는 것이 절대적으로 중요해집니다."

관련

머신러닝을 활용한 허위 추적 감소는 실제 데이터로 훈련되어 외국 군대로 수정될 수 있습니다. 각자의 무기고를 발전시키다. 이 시스템은 Stengel이 프로파일이라고 부르는 것 또는 속도, 모양, 고도와 같은 입증된 특성을 사용하여 사용자가 추가 검사를 할 수 있도록 물체를 감지하고 표시합니다.

“시스템이 할 일은 다음과 같습니다. '이봐, 이건 진짜 미사일처럼 보이지 않지만 루프에 있는 인간인 운영자에게 제시하여 확인하고 결정을 내릴 것이다. "라고 스텐겔은 말했다.

그는 "세계의 여러 나라가 새로운 무기 시스템을 수정, 조정하거나 내놓을 때 우리는 이를 훈련 시나리오에 추가해야 시스템이 이에 대해 알고 최신의 최고의 무기 시스템을 갖출 수 있도록 해야 합니다"라고 덧붙였습니다. “이러한 시나리오에서 인간을 대체한다는 이야기는 들어본 적이 없습니다. 이것은 지원에 관한 모든 것. "

국방부는 수년 동안 전장 정보를 신속하게 분류하는 데 인공 지능과 기계 학습이 매우 중요하다고 생각해 왔습니다. 구현 속도가 빨라지고 확산되고 있습니다. 회계감사원(GAO)에 따르면 부서는 주요 무기 시스템과 관련된 여러 프로젝트를 포함해 685개 이상의 AI 관련 프로젝트를 저글링하고 있습니다.

C4ISRNET 기자 Courtney Albon이 이 기사에 기여했습니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.defensenews.com/artificial-intelligence/2024/01/25/northrop-harnesses-machine-learning-to-aid-space-force-missile-parsing/