روسیه مخزن داده‌های رزمی خود را برای آموزش هوش مصنوعی در پهپادهای نظامی استاندارد می‌کند
وزارت دفاع روسیه بیش از ۴۰ سازمان فناوری را به یک پایگاه داده ویدئوهای رزمی متصل کرده است تا با استانداردسازی فرایندهای آموزش شبکه‌های عصبی، قابلیت‌های هدایت خودکار پهپادهای بدون سرنشین را بهینه کند.
وزارت دفاع روسیه به‌طور رسمی یک سامانه تخصصی ارائه‌دهنده پایگاه داده‌ای از اطلاعات ویدئویی واقعی میدان نبرد را برای آموزش شبکه‌های عصبی مورد استفاده در پهپادهای بدون سرنشین (UAV) راه‌اندازی کرده است. این طرح بیش از ۴۰ سازمان تحقیق و توسعه را جذب کرده و هدف آن، در آینده، ادغام مستقیم مدل‌های هوش مصنوعی در هواگردهای نظامی است.
استانداردسازی داده‌های واقعی برای توسعه الگوریتم‌ها
بخش اصلی این پروژه، آرشیوی جامع از تصاویر ویدئویی مربوط به عملیات رزمی پهپادهای دید اول‌شخص (FPV)، پهپادهای بال‌ثابت و پهپادهای چندملخه است. دیمیتری شربینین، معاون وزیر دفاع روسیه که مسئول این پروژه است، گفت این پلتفرم به حل مشکل آموزش مدل‌هایی برای شناسایی اهداف نظامی کمک می‌کند.
برای غلبه بر پراکندگی ناشی از همکاری با چندین واحد خارجی، ارتش روسیه یک طبقه‌بندی‌کننده یکپارچه داده‌های یادگیری ماشین ایجاد کرده است. همه تیم‌های توسعه با استفاده از یک قالب استاندارد یکسان به مخزن داده دسترسی دارند. پس از پایان آموزش، مدل‌های الگوریتمی دوباره به سامانه بازگردانده می‌شوند تا از نظر یکپارچگی و سازگاری فنی آزمایش شوند.
این اقدام پس از راه‌اندازی پلتفرم داده‌ای «Vitrina dannykh» توسط روسیه و تشکیل نیروی سامانه‌های بدون سرنشین تا پایان سال ۲۰۲۵ انجام شده است. آندری بلوسوف، وزیر دفاع روسیه، پیش‌تر تأیید کرده بود که مجموعه‌های جمع‌آوری داده در تمامی یگان‌های نظامی مستقر شده‌اند و بر ضرورت پردازش هوش مصنوعی به‌صورت مستقیم روی مدارهای تجهیزات تأکید کرده بود.
نقش هوش مصنوعی لبه‌ای در برابر فشار جنگ الکترونیک
تصاویر ثبت‌شده از خط مقدم نقش مهمی در تکمیل فناوری بینایی رایانه‌ای دارند. تجهیزات واقعی اغلب با تور استتار، پوشش گیاهی یا در مناطق پیچیده پنهان می‌شوند و همین موضوع باعث تفاوت قابل‌توجه میان شرایط واقعی و شبیه‌سازی‌های آزمایشگاهی می‌شود. دسترسی به حجم زیادی از داده‌های ویدئویی واقعی به الگوریتم‌ها اجازه می‌دهد دقت خود را در طبقه‌بندی اهداف افزایش دهند.
علاوه بر توانایی شناسایی، خودکارسازی نیز راهکاری کلیدی برای مقابله با سامانه‌های جنگ الکترونیک به شمار می‌رود. هنگامی که کانال ارتباطی میان اپراتور و هواگرد مختل شود، الگوریتم‌های هوش مصنوعی لبه‌ای به پهپاد اجازه می‌دهند در مراحل پایانی پرواز، به‌صورت خودکار هدف را قفل کرده و آن را دنبال کند. گزارشی از مرکز مطالعات راهبردی و بین‌المللی (CSIS) اشاره می‌کند که برخی نمونه‌های پهپاد V2U که در میدان نبرد به دست آمده‌اند، دارای رایانه‌های داخلی برای پردازش مستقل تصاویر هستند؛ در حالی که سری ارزان‌قیمت مولنیا از الگوریتم‌های ردیابی حرکت و کنتراست استفاده می‌کند.
اوکراین نیز برای پشتیبانی از فناوری پهپادی خود مخازن داده مشابهی ایجاد کرده است. پلتفرم OCHI اوکراین حدود ۲ میلیون ساعت ویدئوی رزمی از بیش از ۱۵ هزار خدمه پهپادی ذخیره کرده است، در حالی که پروژه Avengers Labs میلیون‌ها فریم استانداردشده را در اختیار تولیدکنندگان داخلی تجهیزات دفاعی قرار می‌دهد. در آمریکا نیز شرکت خصوصی Enabled Intelligence صدها هزار ساعت ویدئوی رزمی را برای اهداف پژوهشی نظامی شرکای ناتو پردازش می‌کند.
بحث‌های بین‌المللی درباره خودمختاری تجهیزات نظامی
توسعه سریع فناوری پهپادهای خودمختار مسائل حقوقی بین‌المللی متعددی را مطرح کرده است. در نشست‌های گروه کارشناسی دولت‌ها درباره سلاح‌های خودمختار مرگبار تحت کنوانسیون CCW در ژنو، قدرت‌های نظامی از جمله روسیه و آمریکا هر دو ترجیح خود را برای استفاده از قوانین موجود بشردوستانه بین‌المللی به جای پیشنهاد معاهدات الزام‌آور جدید اعلام کردند.
بسیاری از بندهای مربوط به الزام وجود مداخله انسانی برای تأیید اهداف انتخاب‌شده توسط هوش مصنوعی پیش از شلیک، هنوز در پیش‌نویس این سند به اجماع نرسیده است. با این حال، رایزنی‌های بین‌المللی برای بررسی حدود کنترل انسانی بر سامانه‌های تسلیحاتی مجهز به هوش مصنوعی همچنان ادامه خواهد یافت.