Inilabas ng China ang Pinakamalaking Dataset sa Pagtukoy ng Barko sa Mundo upang Pahusayin ang AI para sa Digmaang Pandagat

Bagong Sandata para sa Artipisyal na Intelihensiya sa Karagatan

Naglabas ang isang pangkat ng mga mananaliksik ng militar ng China ng tinawag nitong pinakamalaking dataset na bukas sa publiko para sa pagtukoy ng mga barko, isang mapagkukunang maaaring magpabago sa paraan ng pagtukoy at pagsubaybay ng artipisyal na intelihensiya sa mga sasakyang-dagat sa dagat. Inilathala noong Enero sa Journal of Radars na dumaraan sa peer review, naglalaman ang dual modal ship detection (DMSD) dataset ng mahigit 2,000 pares ng larawan at halos 20,000 anotadong halimbawa, na nagbibigay ng pambihirang kasangkapan sa pagsasanay para sa mga drone, missile at sistema ng pagmamanman na kumikilos sa mahihirap na kapaligirang pandagat. Binubuo ang pangkat ng mga siyentipiko mula sa Naval Aeronautical University sa Yantai, Harbin Engineering University at Institute of Computing Technology ng Chinese Academy of Sciences. Malayang ipinagamit ng pangkat ang koleksiyong ito sa mga mananaliksik sa buong mundo. Hudyat ang paglalabas na ito ng malaking pamumuhunan sa mga kakayahan ng hukbong-dagat sa digmaang gumagamit ng AI, na partikular na nakatuon sa matagal nang teknikal na suliranin sa pagkilala ng mga target sa dagat.

Tinutugunan ng dataset ang isang kritikal na kahinaan ng mga makabagong sistema ng labanan sa dagat: ang kawalan ng kakayahang mapagkakatiwalaang tumukoy at sumubaybay sa mga gumagalaw na barko sa gitna ng mga operasyong may panghihimasok, kung saan nahaharap ang tradisyonal na radar sa jamming, panlilinlang o paghina ng kakayahan. Sa pagsasama ng mga larawang nakikita ng mata at mga thermal na bakas ng infrared, ibinibigay ng koleksiyon ng DMSD ang kinakailangang datos upang sanayin ang mga algorithm ng machine learning na kayang mapanatili ang pagsubaybay sa mga target sa dilim, manipis na ulap at elektronikong panghihimasok. Naiiba ang paglabas na ito sa mga naunang database para sa pagtukoy ng mga sasakyang-dagat dahil sa laki nito: binibigyan nito ang mga mananaliksik at kontratista sa depensa ng napakarami at de-kalidad na datos para sa pagsasanay na kailangan sa pagbuo ng susunod na henerasyon ng mga sistemang awtomatikong pumipili ng target.

Nagdudulot ang kapaligirang pandagat ng mga natatanging balakid para sa mga awtomatikong sistema ng pagtukoy na bihirang maranasan ng mga algorithm na ginagamit sa lupa. Lumilikha ng silaw ang sikat ng araw na tumatama sa ibabaw ng tubig at nakabubulag sa mga optical sensor, habang pinahihina naman ng mabilis na pagbabago ng panahon at pagbaluktot ng atmospera sa malalayong bahagi ng karagatan ang linaw ng larawan. Lalong nagpapahirap sa pagtukoy sa mga barko ang magulong mga likuran na walang malinaw na batayang palatandaan. Dahil sa mga kondisyong ito, kadalasan ay mas madaling makarating sa pangkalahatang kinaroroonan ng target pandagat kaysa makamit ang tiyak na pagkilala at tumpak na pagsubaybay na kailangan upang makapagpaputok ng armas. Partikular na tinutugunan ng DMSD dataset ang mga hamong ito sa pamamagitan ng pagbibigay ng mga anotadong halimbawang nakunan sa iba't ibang kondisyon ng dagat at liwanag. Dahil dito, natututo ang mga AI system ng matatag na mga padron ng pagkilala na nananatiling maaasahan sa kabila ng pabagu-bagong kapaligiran.

Matagal Nang Hamon ang Paghahanap ng mga Barko sa Dagat

Mas malubha ang mga teknikal na balakid sa pagkilala ng mga barko sa dagat kaysa sa pagtukoy ng mga bagay sa lupa. Hinuhubog ang mga kapaligirang pandagat ng sikat ng araw na tumatama sa tubig, mabilis na pagbabago ng lagay ng panahon, pagbaluktot ng atmospera sa malalayong distansiya at magulong mga likurang walang malinaw na batayang palatandaan. Sistematikong pinahihina ng mga salik na ito ang katumpakan ng mga optical at elektronikong sistema ng pag-uuri. Isa sa pinakamahihirap lutasin na problema sa makabagong teknolohiyang militar ang maaasahang pagtukoy sa mga gumagalaw na target pandagat sa gitna ng panghihimasok. Di-gaya ng mga nakapirming target sa lupa, palaging gumagalaw ang mga barko sa isang pabago-bagong kapaligiran, kaya nagkakaroon ng motion blur at nagbabago ang oryentasyon ng mga ito kaugnay ng mga sensor. Lalong pinahihina ng tilamsik ng dagat, hamog at manipis na ulap ang kalidad ng larawan, habang kakaunti naman ang biswal na palatandaan sa magkakatulad na anyo ng ibabaw ng karagatan upang matukoy ng mga awtomatikong sistema kung alin ang mga barko. Nagdaragdag pa ng komplikasyon sa pagsubaybay ang galaw ng platapormang nagmamasid, drone man, sasakyang panghimpapawid o satellite. Nagdudulot ito ng mga error sa parallax at pagbabago ng perspektiba na nakalilito sa mga algorithm na sinanay gamit ang matatag na mga larawan mula sa lupa.

Bagaman makapangyarihan ang mga tradisyonal na radar system, dumarami ang mga kahinaan ng mga ito sa mga makabagong kapaligirang may panghihimasok. Kayang i-jam, dayain o pahinain ng mga kakayahan sa elektronikong pakikidigma ang mga balik-signal ng radar, kaya nagiging malabo ang lokasyon at pagkakakilanlan ng target. Dahil sa limitasyong ito, bumaling ang mga mananaliksik ng militar sa mga pamamaraang pinagsasama ang maraming sensor, na gumagamit ng iba't ibang paraan ng pagtukoy upang magkaroon ng mga alternatibong kakayahan sa pagtukoy ng target. Direktang tinutugunan ng DMSD dataset ang pangangailangang ito sa pamamagitan ng pagbibigay ng datos sa pagsasanay na tumutulad sa mga pagbabagong kailangang harapin ng mga AI system upang maging maaasahan sa aktuwal na operasyon. Kung walang ganitong komprehensibong mapagkukunan para sa pagsasanay, nanganganib na pumalya ang mga awtonomong sistema ng armas sa mismong oras na kailangang-kailangan ang mga ito: maaaring hindi mapag-iba ang barkong pandigma at barkong pangkargang sibilyan o mawalan ng pagsubaybay sa gumagalaw na target sa gitna ng kritikal na panahon ng pag-atake.

Paano Binabago ng DMSD Dataset ang Labanan

Ipinakikilala ng DMSD dataset ang pamamaraang dual modal na pinagtatambal ang mga larawang nakikita ng mata at mga infrared na bakas ng iisang barko sa magkakatulad na kondisyon. Dahil sa pagtatalambal na ito, natututo ang mga algorithm ng machine learning sa ugnayan ng hitsura ng mga barko sa karaniwang potograpiya at sa kanilang anyong thermal. Lumilikha ito ng mas matatag na mga modelo ng pagkilala na gumagana sa iba't ibang sitwasyon ng operasyon. Ipinaliwanag ni Long Gao, kaukulang may-akda ng pag-aaral at mananaliksik sa Chinese Academy of Sciences, ang komprehensibong pamamaraan ng pangangalap ng datos na ginamit ng pangkat.

Nangalap ng datos gamit ang [synthetic aperture radar or SAR], radar, mga kamera para sa nakikitang liwanag, mga infrared camera at iba pang sensor na ikinabit sa mga platapormang nakabatay sa pampang at nasa himpapawid.

Naiiba ang paglabas na ito sa mga naunang database para sa pagtukoy ng sasakyang-dagat dahil sa lawak ng gawaing pag-aannotate. Sa halos 20,000 anotadong halimbawa mula sa mahigit 2,000 pares ng larawan, taglay ng dataset ang dami at sari-saring datos na kailangan upang sanayin ang mga deep learning model nang hindi nararanasan ang overfitting na karaniwan sa mas maliliit na koleksiyon. May eksaktong bounding box at mga label ng pag-uuri ang bawat anotasyon, na nagbibigay-daan sa mga algorithm ng supervised learning na malinang ang masusing kakayahang mag-iba-iba na kailangan upang matukoy ang mga uri ng barko, katayuan ng operasyon at oryentasyon ng mga ito. Lalong mahalaga ang infrared na mga larawan para sa operasyon sa gabi, kapag hindi na epektibo ang mga kamera sa nakikitang spectrum ngunit natutukoy pa rin ng mga thermal sensor ang init mula sa makina, sistema ng tambutso at katawan ng barkong naiiba sa mas malamig na tubig. Nananatiling maaasahan ang thermal na datos kahit magtangkang magbalatkayo ang mga barko o kumilos sa mga kondisyong imposibleng matukoy ang mga ito sa pamamagitan ng optical na paraan.

Kalamangan ng Infrared sa mga Kapaligirang may Panghihimasok

Nagbibigay ang mga infrared sensor ng natatanging taktikal na kalamangan kumpara sa mga aktibong radar system sa mga matinding sitwasyon ng labanan. Di-gaya ng radar na kailangang maglabas ng mga natutukoy na elektromagnetikong signal upang hanapin ang mga target, pasibo ang mga infrared system: sinusukat ng mga ito ang likas na thermal radiation na inilalabas ng mga bagay nang hindi ipinahahayag ang kanilang kinaroroonan. Dahil sa pagiging pasibo ng mga ito, likas na palihim ang pagtukoy gamit ang infrared at hindi tinatablan ng mga tradisyonal na pamamaraang elektronikong panghihimasok na idinisenyo upang lituhin ang mga aktibong sensor. Tinutugunan ng pagsama ng DMSD dataset sa mga larawang infrared ang isang kritikal na panahon ng kahinaan sa digmaang pandagat: ang mga oras ng dilim at kondisyong mababa ang visibility na noong una ay nagsisilbing proteksiyon laban sa mga sandatang ginagabayan ng optical sensor.

Lumilikha ng magkatuwang na kakayahan ang pagsasama ng nakikitang liwanag at infrared na datos, na bumabawi sa mga limitasyon ng bawat paraan. Nagbibigay ang nakikitang liwanag ng maseselang detalye para matukoy ang uri ng barko kapag sapat ang liwanag, samantalang tumatagos naman ang infrared sa dilim, manipis na ulap at mahinang hamog upang maipagpatuloy ang pagtukoy kapag pumalya ang mga optical system. Sa pagsasanay gamit ang magkaparis na halimbawa mula sa dalawang spectrum, natututo ang mga AI targeting system na patuloy na subaybayan ang mga barko kahit mawalan ng signal ang isang uri ng sensor dahil sa mga kondisyon ng kapaligiran o mga panlaban ng kalaban. Mahalaga ang kalabisan ng kakayahang ito para sa mga awtonomong sistema ng armas na kailangang magpasya kung aatake nang walang interbensiyon ng tao sa mga sitwasyong sensitibo sa oras. Tinitiyak ng pamamaraang dual modal ang maayos na paglipat sa pagitan ng mga uri ng sensor at tuloy-tuloy na pagsubaybay sa target, na kung hindi ay mapuputol kapag nagbabago ang mga kondisyon ng kapaligiran.

Aktuwal na Epekto: Insidente sa Strait of Hormuz

Malinaw na ipinakita noong Pebrero ang praktikal na kahalagahan ng mas mahusay na kakayahan sa pagtukoy ng barko, nang igiit ng Iran na matagumpay nitong tinamaan ang aircraft carrier na USS Abraham Lincoln malapit sa Strait of Hormuz. Itinanggi ito ng Washington at sinabing hindi man lamang nakalapit sa nilalayong target ang mga missile o drone na sangkot. Binigyang-diin ng insidenteng ito ang agwat sa pagitan ng pagpapaputok ng mga armas sa pangkalahatang direksiyon ng mga target pandagat at ng pagkamit sa tumpak na pagkilala at paggabay sa huling yugto na kailangan upang aktuwal na tamaan ang mga ito. Ipinakita rin nito na nahihirapan pa ring lutasin ng mga determinadong kalaban, kahit may kakayahan ang kanilang mga sistema ng armas, ang huling problema sa pagtukoy ng target sa mga kapaligirang pandagat kung saan nagdudulot ng kalituhan ang magulong daloy ng trapiko at panghihimasok ng kapaligiran.

Isa ang Strait of Hormuz sa pinakamahalagang estratehikong kipot pandagat sa mundo, kung saan dumaraan sa makikitid na katubigan nito ang halos sangkatlo ng mga kargamento ng LNG at langis sa buong daigdig. Ipinakikita ng hirap sa tumpak na pagtutok sa mga gumagalaw na barko sa masikip na kapaligirang ito, na napalilibutan ng mga sasakyang pangkomersiyo at masalimuot na baybayin, kung bakit may malaking bigat sa geopolitika ang mga dataset gaya ng DMSD. Habang bumubuo ang mga bansa ng mas sopistikadong estratehiya para hadlangan ang pagpasok at pagkontrol sa mga lugar, nagiging mapagpasyang salik sa pagpapasya sa pagpigil ng digmaan at pagpaplano ng operasyon ang kakayahang mapagkakatiwalaang makilala ang mga partikular na barkong pandigma sa gitna ng mga sasakyang sibilyan. Lalong nagiging makahulugan ang paglabas ng dataset na ito noong Enero dahil sa patuloy na tensiyon sa rehiyon at sa ipinakitang hirap ng pag-atake sa mga barkong pandigma na nagmamaniobra. Napipigilan ng tumpak na pagkilala sa pagitan ng mga barkong militar at sibilyan ang di-sinasadyang paglala ng sigalot, habang tinitiyak na tunay na banta, hindi pain o neutral na sasakyang-dagat, ang pinupuntirya ng mga sistemang pandepensa.

Mga Gamit sa Militar at mga Estratehikong Implikasyon

Malinaw na ipinakikita ng mga institusyong kinabibilangan ng pangkat ng mga mananaliksik kung saan nilalayong gamitin ang dataset. Bahagi ng sistemang pang-unibersidad ng militar ng China ang Naval Aeronautical University. Nagsasanay ito ng mga tauhan para sa Hukbong Pandagat ng People's Liberation Army at bumubuo ng mga teknolohiya para sa mga operasyon ng abyasyong pandagat. May malalakas na programa naman ang Harbin Engineering University sa underwater acoustics at inhinyeriyang pandagat, habang nagsasagawa ang Chinese Academy of Sciences ng pundamental na pananaliksik bilang suporta sa mga prayoridad sa pambansang depensa. Sumasalamin ang pagtutulungan ng mga institusyong akademiko at militar na ito sa mas malawak na padron ng pananaliksik sa depensa ng China, kung saan nakatutulong ang bukas na paglalathala ng mga teknikal na pagsulong upang pabilisin ang inobasyon at magtakda ng mga teknikal na pamantayan para sa lokal na industriyal na base ng depensa. Ipinahihiwatig ng pakikilahok ng mga institusyong ito na partikular na binibigyang-diin ang mga gamit para sa mga walang-pilotong sasakyang panghimpapawid at mga sistemang tumpak na tumatama.

Ayon sa mga analyst, maaaring sabay-sabay na isinusulong ng Beijing ang ilang estratehikong layunin sa pagbibigay-publiko sa DMSD dataset. Pinabibilis ng bukas na paglalathala ng datos ang pagbuo ng mga teknolohiyang pandagat na gumagamit ng AI dahil nakatutulong ang mga sibilyang mananaliksik sa pagpapahusay ng mga algorithm sa pagtukoy. Nakatutulong din ang paraang ito upang maitatag ang mga teknikal na pamantayan at pamamaraan ng pananaliksik ng China bilang mga pandaigdigang batayan sa mga aplikasyon ng AI sa karagatan. Partikular na sinusuportahan ng dataset ang pagbuo ng mga awtonomong drone para sa pagmamanman, mga eksaktong missile na panlaban sa barko at matatalinong sistema ng rekonesans na epektibong makakakilos sa mga kapaligirang walang GPS o may elektronikong panghihimasok, kung saan humihina ang mga tradisyonal na sistema ng nabigasyon at pagtukoy ng target. Sa pag-anyaya ng pandaigdigang pakikipagtulungan batay sa partikular na teknikal na pundasyong ito, inilalagay ng China ang sarili sa sentro ng susunod na yugto ng pagbuo ng AI para sa karagatan habang pinananatili ang kontrol sa pinagbabatayang arkitektura ng datos.

Mahahalagang Punto

• Inilabas ng pangkat ng mga mananaliksik ng militar ng China ang DMSD dataset, na naglalaman ng mahigit 2,000 pares ng larawan ng mga barko sa nakikitang liwanag at infrared, kalakip ang halos 20,000 anotasyon
• Sinusuportahan ng dataset ang pagbuo ng mga AI targeting system para sa mga drone, missile at plataporma ng pagmamanman na kumikilos sa gabi o sa mga kapaligirang humina ang radar
• Pinangunahan ng mga mananaliksik mula sa Naval Aeronautical University, Harbin Engineering University at Chinese Academy of Sciences ang proyektong inilathala sa Journal of Radars
• Pinagsasama ng dual modal na pagtukoy ang detalye mula sa nakikitang liwanag at kakayahan ng infrared upang malampasan ang mga hamon sa kapaligiran gaya ng silaw, pagbabago ng panahon at dilim
• Kasunod ng estratehiya ng China ang paglalabas nito sa publiko: bukas na pagbabahagi ng pananaliksik sa AI na may kaugnayan sa militar upang pabilisin ang inobasyon at magtakda ng mga teknikal na pamantayan
• Nananatiling mahirap sa teknikal ang pagkilala sa mga target pandagat, gaya ng ipinakita ng mga kamakailang insidenteng may mga pahayag tungkol sa pag-atake sa mga sasakyang pandagat ng US