השנה של הבינה המלאכותית

This post is also available in: English (אנגלית)

שנת 2019 בצבא ארה"ב היא ללא ספק השנה של הבינה המלאכותית. ראשי הצבא מכירים בהשלכות הפוטנציאליות מרחיקות-הלכת של הבינה המלאכותית על משימותיהם ופעילותם, והם מצפים ליותר ויותר ישומים מעשיים, החל מניטור, דרך מעקב אחר נכסים ועד תחזוקה חזויה.

האספקה המואצת של יכולות מבוססות בינה מלאכותית והכשרת כוח האדם הטכני הנדרש התפתחו בארה"ב כתוצאה משני מהלכים – אסטרטגיית הבינה המלאכותית שהשיקה מחלקת הגנה בפברואר, ואחריה – הצו הנשיאותי לגבי "השמירה על העליונות האמריקאית בתחום הבינה המלאכותית".

רוסיה, סין ומדינות אחרות משקיעות משאבים רציניים בפיתוח יכולות בינה מלאכותית ומציבות איום בפני יכולותיה של ארה"ב בתחום.

מעגל קבלת ההחלטות המסורתי של צבא ארה"ב,, ה-OODA (צפה, קבל אוריינטציה, החלט ופעל), בשילוב בינה מלאכותית, יכול לספק למפקדים ולמנהלים מסגרת מעשית לשקילת ישומים אפשריים של בינה מלאכותית עבור הצבא והביטחון הלאומי, כך טוען defensesystems.com.

צפיה – כל חייל הוא חיישן פוטנציאלי ליישומים של האינטרנט של הדברים (IoT). כך גם כל אותם נכסים צבאיים כמו ספינות, ציוד קרב ומטוסים.

אורינטציה (הבנה) – נתונים דיגיטליים הופכים לבעלי ערך כאשר ניתן להבין אותם. בעוד שמתפתח הרבה "רעש" סביב הפונטציאל שבפריסה מסיבית של בינה מלאכותית ברמה הכללית, הרי שישומים צרים של בינה מלאכותית מהווים הזדמנות גדולה עבור הטכנולוגיה העכשווית. תעשיות בתחומים כמו משאיות ומסילות ברזל כבר משתמשו במודלים של למידת מכונה לצורך תחזוקה חזויה, במטרה לצפות ולקבוע מה הגורמים לכשלים.

החלטה ופעולה – לבינה המלאכותית יש פוטנציאל ישום נרחב בקבלת החלטות לטווח ארוך והוצאה לפועל של תוכנית פעולה. 

יחד עם זאת, השלכות משמעותיות בטווח הקרוב יכולות להיות מושגות באמצעות יוזמות החלטה ופעולה צרות ופרקטיות, כמו השימוש באוטומציית תהליכים רובוטיים לצורך ניהול כספי ותהליכים עתירי עבודה אחרים. לדוגמא, חברת משאיות גדולה השתמשה בבינה המלאכותית לצורך חישה והבנה. במשך הזמן החלה גם לשלב את הטכנולוגיה בכלי רכב חדשים בתור ישום IoT.

במובן הרחב, כל מערכות הנשק העיקריות – על הקרקע, בים, באוויר ובחלל – יכולות להרוויח מבינה מלאכותית. לדוגמא, צי מטוסי הקרב מדגם F/A-18 E/F Super Hornet של חיל הים האמריקאי. בעזרת למידת מכונה, ראשי הצי מקבלים תובנות לגבי הדרך המתאימה להתמודד עם בעיות מוכנות ולהגדיל את הזמינות של מטוסי תקיפה בעלי יכולות.

דוגמא נוספת היא איכות הדלק של המטוסים. למידת מכונה מאפשרת לבדוק את הרכב הדלק עד לרמת המולקולה כדי לזהות תרכובות כימיות שעלולות לגרום לכשלים מבצעיים. תובנות אלה מצמצמות משמעותית את הזמן שלוקח לקבוע האם דלקים חשודים יכולים להישרף, מה שמשפר באופן ישיר את המוכנות המבצעית.

במבט לעתיד, שיתוף פעולה בין אדם למכונה יהיה אפשרי ומשמעותי יותר ללוחמה ולניצחון, כאשר רשתות הקרב ומערכות הנשק ישתמשו בבינה מלאכותית כדי לקבל החלטות ולפעול בעצמן.