WASHINGTON – Northrop Grumman đang phát triển phần mềm mà hãng cho biết có thể đơn giản hóa quy trình quan trọng trong việc phát hiện, phân loại và giám sát các vụ phóng tên lửa trên toàn cầu bằng cách dựa vào khả năng nhận dạng mẫu.
Công ty quốc phòng này đang trong quá trình hoàn thiện cái mà họ gọi là Giảm dấu vết sai bằng cách sử dụng máy học cho Lực lượng Không gian Hoa Kỳ, dự kiến giao hàng vào đầu năm 2025. Nó dự kiến sẽ được sử dụng trong Hệ thống hồng ngoại dựa trên không gian chương trình, hoặc SBIRS, và có ứng dụng tiềm năng trong các nhiệm vụ hồng ngoại liên tục trên cao khác.
Nhân viên của Lực lượng Không gian theo dõi hàng nghìn sự cố tên lửa có thể xảy ra mỗi tháng và phải đối mặt với những cảnh báo sai. Các công nghệ gián điệp ngày càng tinh vi, số lượng vệ tinh ngày càng phổ biến, vũ khí ngày càng phát triển và sự bùng nổ quân sự ở nước ngoài có thể làm trầm trọng thêm quá trình vốn đã phức tạp.
Sản phẩm của Northrop được thiết kế để giảm bớt trận tuyết lở thông tin Theo John Stengel, giám đốc doanh nghiệp khai thác sứ mệnh của công ty, các nhà phân tích phải đối mặt bằng cách phân tích những gì có thể không phải là một vụ phóng thực tế hoặc một quả đạn bay ra ngoài, đồng thời đảm bảo không có “sự kiện thực sự hoặc tên lửa thực sự” nào được sắp xếp không chính xác.
“Khi cảm biến trở nên tốt hơn - khi cảm biến trong không gian được cải thiện - chúng sẽ nhạy hơn. Khi các cảm biến trở nên nhạy hơn, chúng tôi càng nhận được nhiều dấu vết sai hơn,” Stengel nói trong một cuộc phỏng vấn với C4ISRNET. “Có thể nói, có khả năng tận dụng công nghệ học máy để giúp đỡ con người trong vòng lặp, thực hiện công việc của họ là điều cực kỳ quan trọng.”
LIÊN QUAN
Giảm dấu vết sai bằng cách sử dụng Machine Learning được đào tạo trên dữ liệu trong thế giới thực và có thể được sửa đổi khi quân đội nước ngoài nâng cao kho vũ khí tương ứng của họ. Hệ thống sử dụng cái mà Stengel gọi là hồ sơ hoặc các đặc điểm đã được chứng minh như tốc độ, hình dạng và độ cao, để phát hiện và đánh dấu các vật thể để người dùng kiểm tra thêm.
“Những gì hệ thống sẽ làm là nói: 'Này, đây có vẻ không giống tên lửa thật, nhưng tôi sẽ trình nó cho người điều khiển, con người trong vòng lặp, để đảm bảo và đưa ra quyết định đó, '”, Stengel nói.
Ông nói thêm: “Khi các quốc gia khác nhau trên thế giới sửa đổi, điều chỉnh hoặc đưa ra hệ thống vũ khí mới, chúng tôi phải đưa chúng vào các kịch bản huấn luyện để hệ thống biết về nó, có hệ thống vũ khí mới nhất và tốt nhất”. “Tôi chưa bao giờ nghe nói đến việc thay thế con người trong những tình huống này. Đây là tất cả về việc hỗ trợ".
Bộ Quốc phòng trong nhiều năm đã coi trí tuệ nhân tạo và học máy là rất quan trọng đối với việc sắp xếp nhanh chóng thông tin chiến trường. Việc triển khai nó đang tăng tốc và lan rộng; Theo Văn phòng Trách nhiệm Chính phủ, bộ này đang thực hiện hơn 685 dự án liên quan đến AI, bao gồm một số dự án liên quan đến các hệ thống vũ khí lớn.
Phóng viên C4ISRNET Courtney Albon đã đóng góp cho bài viết này.
Colin Demhest là một phóng viên của C4ISRNET, nơi anh ấy bao gồm các mạng quân sự, không gian mạng và CNTT. Colin trước đây đã đưa tin về Bộ Năng lượng và Cơ quan Quản lý An ninh Hạt nhân Quốc gia - cụ thể là hoạt động dọn dẹp Chiến tranh Lạnh và phát triển vũ khí hạt nhân - cho một tờ báo hàng ngày ở Nam Carolina. Colin cũng là một nhiếp ảnh gia từng đoạt giải thưởng.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://www.defensenews.com/artificial-intelligence/2024/01/25/northrop-harnesses-machine-learning-to-aid-space-force-missile-parsing/
