Научные и технологические тренды: 2020–2040 гг.: перспективы научно-технического развития (доклад организации НАТО по науке и технологиям, 2020 г.)

Размещено на http://www.allbest.ru/

Научные и технологические тренды: 2020-2040 гг.: перспективы научно-технического развития (доклад организации НАТО по науке и технологиям, 2020 г.)

Коданева С.И., с.н.с., к.ю.н.; С.М. Пястолова д.э.н., профессора, гл.н.с. ИНИОН РАН.

Введение

Роль Организации НАТО по науке и технологиям заключается в том, чтобы поддерживать научно-техническое преимущество НАТО путем генерирования, обмена и использования передовых научных знаний, технологических разработок и инноваций для поддержки основных задач Североатлантического союза. Реализации этих задач служит подготовленный Организацией Доклад «Научно-технологические тренды: 2020-2040 гг.», который содержит оценку перспективных и прорывных технологий, их влияния на военные операции НАТО и его оборонный потенциал. В подготовке Доклада был задействован весь экспертный потенциал Организации НАТО, объединяющей более чем 6000 ученых, аналитиков, исследователей и инженеров, а также исследовательских учреждений.

В Докладе анализируется:

- Почему перспективные и прорывные технологии важны для будущей деятельности Альянса;

- Как они будут развиваться с течением времени;

- Что это будет означать для Альянса с оперативной, организационной или корпоративной точки зрения?

Перспективные - это те технологии или научные открытия, которые, в настоящее время еще не получили широкого распространения, но, как ожидается, достигнут зрелости в период 2020-2040 годов.

Прорывные - это те технологии или научные открытия, которые, как ожидается, окажут серьезное или, возможно, революционное воздействие на оборону, безопасность или предпринимательские функции НАТО в период 2020-2040 годов.

К числу таких технологий относятся технологии, обладающие четырьмя ключевыми характеристиками: интеллектуальность, связанность, распределенность и цифровизация.

Интеллектуальность - интегрированное использование искусственного интеллекта, сфокусированной на знаниях аналитики и симбиотического человеко-машинного интеллекта для обеспечения прорывных приложений по всему технологическому спектру. Интеллектуальность предполагает:

- Автономность: автономные системы с поддержкой искусственного интеллекта, способные в некоторой степени к самостоятельному принятию решений. Такие автономные системы могут быть роботизированными, основанными на компьютерных платформах или на (цифровых) агентах;

- Гуманистический интеллект: бесшовная интеграция психо-социально-технических систем, поддерживающих расширенное взаимодействие человека и машины;

- Аналитику знаний: использование передовых аналитических методов (в том числе ИИ) обработки больших массивов данных и продвинутой математики для обеспечения понимания, получения знаний и выработки рекомендаций.

Связанность - это использование сетей (или сетевых структур) пересекающихся реальных и виртуальных доменов, включая датчики, организации, учреждения, отдельных лиц, автономных агентов и процессы. Связанность предполагает:

- Надежную (защищенную) связь: использование технологий распределенного реестра (например, блокчейна), квантового распределения ключей, постквантовой криптографии и наделенных искусственным интеллектом киберагентов для обеспечения защищенных коммуникативных взаимодействий и обмена информацией;

- Синергетические системы: разработка смешанных (физических и виртуальных) комплексных систем (systems-of-systems), позволяющих создавать новые экосистемы (например, умные города).

Распределенность предполагает децентрализованное, повсеместное и крупномасштабное использование сенсоров, накопителей информации, вычислений, механизмов принятия решений, исследований и разработок:

- Граничные (периферийные) вычисления: внедрение систем хранения, вычислений и аналитики (ИИ) вблизи источников информации.

- Повсеместное использование датчиков: внедрение недорогих датчиков для создания больших сенсорных сетей в физических и социальных средах.

- Децентрализованное производство: использование ИИ в проектировании, использование новых материалов и технологий 3D/4D-печати для обеспечения производства необходимой продукции в нужном месте и в нужное время.

- Демократизация науки и техники: снижение затрат на проектирование и производство, расширение вычислительных возможностей и широкая доступность научно-технической информации будут способствовать инновационному развитию и новым научным достижениям.

Цифровизация: сращивание физической, социальной и информационной сред будет способствовать созданию новых физиологических, психологических, социальных и культурных реалий. Цифровизация включает:

- Создание цифровых двойников, т.е. цифровых аналогов (нередко функционирующих практически в режиме реального времени) физических, биологических или информационных объектов, привязанных к оригиналу и поддерживающих прогностическую аналитику, экспериментирование и оценку.

- Синтетические реальности: создание новых воспринимаемых когнитивных или физических реальностей на основе интеграции психо-социально-технических систем. Такие реальности могут быть дополненными, виртуальными, социальными или культурными по своей природе.

Этими свойствами обладают 8 технологий: большие данные, искусственный интеллект, автономные системы, космические технологии, гиперзвуковые технологии, квантовые технологии, биотехнологии, производство новых материалов.

Большие данные, искусственный интеллект, автономные системы, космические и гиперзвуковые технологии уже достаточно хорошо разработаны и будут иметь значительное влияние на военный потенциал в течение следующих 5-10 лет, поэтому они признаны «прорывными».

Новые разработки в области квантовых технологий, биотехнологий и материалов оцениваются как перспективные, требующие значительно большего времени (10-20 лет), прежде чем их прорывной характер в полной мере проявится в отношении военного потенциала.

При этом наиболее значимое для существующего военного потенциала воздействие будут оказывать комбинации различных технологий:

- Большие данные в сочетании с искусственным интеллектом и автономными системами позволят получить потенциальное преимущество в принятии военно-стратегических и оперативных решений.

- Большие данные в сочетании с искусственным интеллектом и биотехнологиями будут способствовать разработке новых лекарств, целенаправленным генетическим модификациям, манипуляциям с биохимическими реакциями и разработке биосенсоров.

- Большие данные в сочетании с искусственным интеллектом и новыми материалами позволят создавать материалы с уникальными физическими свойствами.

- Большие данные в сочетании с квантовыми технологиями увеличат возможности сбора, обработки и использования данных за счет значительного расширения возможностей датчиков, защищенной связи и вычислений (через 15-20 лет).

- Сочетание космических и квантовых технологий позволит создать новое поколение датчиков, пригодных для развертывания на спутниках. Меньшие в объеме, менее мощные, более чувствительные и распределенные космические сенсорные сети, поддерживаемые квантовыми датчиками, станут важным аспектом будущей военной архитектуры через 20 лет.

- Сочетание космических и гиперзвуковых технологий и новых материалов позволит создавать экзотические материалы, новые конструкции, обеспечивать накопление энергии. Новые производственные методы на базе этих технологий будут использованы в космической и гиперзвуковой среде за счет снижения затрат, повышения надежности и производительности, упрощения адаптации к решению конкретных задач.

В октябре 2019 года министры обороны государств-членов НАТО одобрили «дорожную карту» разработки перспективных и прорывных технологий, которая направлена на структурирование работы НАТО по ключевым технологическим областям.

На основе консультаций со штабами НАТО и с учетом таксономии перспективных и прорывных технологий, а также указанной «Дорожной карты» была разработана картина будущего технологического ландшафта и выбрана подгруппа научно-технических областей, которые с наибольшей вероятностью могут оказаться прорывными для НАТО и стран Альянса в ближайшие 20 лет.

наука интеллект альянс вооруженный

1. Прорывные технологии

1.1 Большие данные и Аналитика больших данных

Растущая цифровизация, распространение новых сенсоров, новые способы связи, Интернет вещей и виртуализация социально-когнитивных пространств (например, социальных сетей) внесли значительный вклад в развитие больших данных. Аналитика больших данных (Data Analytics) - это новые подходы к формированию понимания (например, посредством математического анализа и визуализации) и предоставления информации о текущих (описательных) или будущих состояниях системы (прогнозных).

Сегодня в условиях информационного бума аналитики постоянно сталкиваются с данными, имеющими значительный объем, скорость поступления, разнообразие (структурированные и неструктурированные данные), с проблемами визуализации и достоверности. Человек не в состоянии справиться с таким потоком, поэтому необходимы инструменты обработки больших данных, которые позволят аналитикам делать выводы и прогнозы, обеспечивать поддержку принятия решений в режиме реального времени. Методы аналитики больших данных охватывают широкий спектр: искусственный интеллект, оптимизацию, моделирование и имитацию, инженерию человеческих факторов и исследование операций.

Многие области аналитики больших данных хорошо развиты. Уже сейчас многие частные компании используют аналитические данные для критически важных бизнес-операций. Интуитивное принятие решений будет постепенно уменьшаться по мере того, как компании интегрируют аналитику в свои бизнес-процессы. Методы визуализации являются важнейшими средствами оценки данных социальных сетей и используются при принятии решений. Методы визуальной аналитики широко используются в маркетинговых целях.

Эти технологии могут быть использованы и в сфере обороны и безопасности, при этом данные будут распределенными, а их обработка осуществляться непосредственно в месте получения. Алгоритмы машинного обучения смогут принимать простые решения в режиме реального времени, а лица, принимающие решения, получат доступ к сложным имитационным моделям, функционирующим в реальном времени. Маломощные гибкие дисплеи для солдат улучшат информационный поток между тактическим и командным уровнями и повысят ситуационную осведомленность. Квантовое шифрование позволит зашифровать сообщения между сторонами, мгновенно обнаруживать подслушивание. Многие страны Альянса сделали значительные инвестиции в системы аналитики данных как в гражданской, так и в военной сферах. Таким образом, НАТО сможет использовать эти инвестиции, расширяя, адаптируя и интегрируя их в свои процессы и операции. При этом возможны некоторые правовые, коммерческие и интеллектуальные проблемы, такие как появление пока что неизвестных угроз, ограниченные возможности контроля за процессом обработки данных и объяснимость решений, принимаемых искусственным интеллектом.

Процесс аналитики больших данных включает четыре элемента:

1) сбор данных (датчики);

2) передача данных;

3) анализ данных;

4) принятие решений.

Большие данные могут поступать от человека (социальные медиа, биоинформатика и т. д.), из физического мира (сенсоры) и из информационного пространства (кибернетика, анализ и др.). Аналитика больших данных является основополагающей для всех остальных перспективных и прорывных технологий, рассмотренных в Докладе.

Она будет обеспечиваться научно-техническими разработками в различных областях, которые включают: использование характерных особенностей человека; моделирование для социальных сетей; модульные мультисенсорные термоядерные двигатели; использование инструментов и сервисов моделирования и имитации в облаке; визуальная аналитика; поддержка принятия решений с помощью моделирования и имитации на поле боя; технологии распределенных реестров; когнитивное зондирование; компрессионное зондирование; вычислительная визуализация; глубокое обучение; зондирование электрического и магнитного полей; фотонные интегральные схемы; и широкополосный Интернет.

Датчики являются критически важным инструментом для получения больших данных, поскольку они позволяют получать самую разнообразную информацию из окружающего мира и от человека. Масштабное зондирование с помощью датчиков будет усиливаться по мере развития связи 5G и Интернета вещей (IoT), когда практически любой объект может стать сенсором, и все сенсоры будут объединены в единую сеть. Военные приложения будут иметь широкий спектр, включая разработку общей операционной картины, эксплуатацию социальных сетей, автоматизированное планирование логистики, автономные системы и интегрированные системы, объединяющие всех солдат.

Достижения в области технологии материалов в ближайшие 20 лет усилят прорывное действие технологии датчиков, поскольку позволят создавать их в молекулярном, нано- или квантовом масштабе. Это будут интеллектуальный текстиль, оснащенный молекулярными нанодатчиками, обеспечивающими мониторинг здоровья и окружающей среды в режиме реального времени (будет доступен к 2030 году); пассивные радиолокационные системы, которые обеспечат широкомасштабное наблюдение за воздушным пространством (пассивный радар появится в течение 5-10 лет, а полностью полевые системы будут созданы в течение 10-15 лет. Дальность обнаружения воздушных целей может увеличиться с 350 км до 1500 км; квантовое зондирование, которое позволит обнаруживать самолеты, подводные лодки или подземную деятельность на больших расстояниях; цифровые двойники, опирающиеся на обширные встроенные сенсорные сети (получат широкое распространение в течение 10 лет); компьютерная визуализация; микроволновая фотоника (обеспечивает более надежное зондирование и беспроводную связь на поле боя).

Электромагнитный спектр и ассоциативные формы коммуникации лежат в основе использования больших данных. Контроль электромагнитного спектра является необходимой предпосылкой для информационного доминирования. Электромагнитное доминирование - это способность использовать больше спектра, защищать использование своего спектра и препятствовать в использовании спектра противником. В будущем беспроводная/радиосвязь будет более быстрой и надежной, устойчивой к радиоэлектронным атакам, появится безопасное потоковое видео.

В результате электромагнитный спектр в отношении своей пропускной способности будет все более перегруженным как военными, так и коммерческими системами. Использование искусственного интеллекта для поддержки когнитивных сенсоров (например, когнитивных радаров) и средств связи станет необходимым для предотвращения конфликтов в перегруженном электромагнитном спектре. Это будет особенно важно для операций в городских условиях.

Возросшая виртуализация социальных контактов внесла значительный вклад в доступность персональных данных. Один из аспектов этой виртуализации - социальные медиа. Их использование в области обороны и безопасности включает наблюдение за населением, анализ настроений, обмен знаниями и информацией, недорогие средства поддержания связи с семьями и стратегической коммуникации. Сегодня ученые изучают социальные сети с точки зрения лингвистических сигналов; паттернов информационного потока; тематических тенденций; нарративной структуры; анализа настроений; отслеживания мемов; культурных нарративов; моделирования развивающихся сообществ; аналитики доверия; возможностей автоматизированной генерации контента и использования ботов. Социальные медиа позволяют оказывать существенное и тонкое воздействие на политические и социальные процессы. Технология использования социальных медиа уже продемонстрировала свой потенциал воздействия на характер политического и социального дискурса и обеспечения быстрой и решительной мобилизации населения в нужном месте и в нужное время для достижения конкретных политических и социальных целей. Аналогичным образом, сбор данных в социальной сфере позволяет достичь беспрецедентного понимания социального поведения и групповой динамики.

Для развития аналитики больших данных важны облачные вычисления. Интегрированные с военными мобильными сетями и облачными вычислениями, повсеместные вычисления обладают потенциалом для обеспечения поддержки принятия решений в реальном времени отдельным солдатом в любое время и в любом месте.

Искусственный интеллект позволит обрабатывать большие объемы неструктурированной информации. Эти прогностические корреляционные модели являются ценными инструментами для выявления намерений и прогнозирования возможных будущих действий и событий. Полезность этих моделей и методов глубокого обучения будет возрастать по мере развития методов обучения, основанного на данных, и роста объема самих данных. В течение следующих 20 лет объем данных будет продолжать расти, поскольку число портативных и подключенных к Интернету устройств растет экспоненциально, и IoT становится реальностью. Ожидается, что к 2021 году глобальные расходы на IoT достигнут 1,4 трлн. долларов США, а к 2030 году - 500 млрд. объектов будут объединены в сеть. Объем данных, который в результате этого будет получен, трудно сейчас представить.

1.2 Возможности использования Аналитики военных данных для вооруженных сил Альянса

Распространение современных датчиков и более широкое использование автономных систем значительно повысят способность НАТО обнаруживать, классифицировать, распознавать, идентифицировать и противодействовать угрозам в физических и виртуальных оперативных областях. Адаптивные твердотельные усилители мощности и оптимальная обработка сигналов будут поддерживать одновременный поиск и отслеживание воздушных целей. Пассивные радиолокационные системы снизят уязвимость систем в отношении радиоэлектронного противодействия и повысят возможности обнаружения малозаметных целей. Обработка данных на самом датчике приведет к быстрой передаче данных от датчика к стрелку. Аналитика социальных сетей позволит фильтровать контент для обнаружения и отслеживания событий, анализа социальной динамики и выявления аномалий.

Ситуационная осведомленность: улучшенное картирование районов миссии будет способствовать оперативному планированию и повышению ситуационной осведомленности. Эта осведомленность будет дополнительно обеспечена расширенными возможностями отображения малой мощности для солдатских систем, встроенной аналитикой и увеличением потока информации между тактическим и командным уровнями. Глубокое обучение, используемое при расшифровке Интернет-контента, потенциально может идентифицировать информацию, имеющую отношение к безопасности, на основе анализа социального поведения в Интернете в сочетании с извлечением контента из множества текстовых документов. Объединение данных социальных сетей с более традиционными сенсорными данными обеспечивает более полное и точное социокартирование местности и общую оперативную картину.

Обучение и готовность: виртуальные среды и биоинформатика будут способствовать улучшению подготовки к операциям. Мониторинг физиологического и психологического состояния позволит максимально повысить общую работоспособность и готовность человека за счет усиления контроля за здоровьем и безопасностью, а также защиты от травм.

Управление: основные бизнес-процессы НАТО, разработка политики и стратегическое планирование выиграют благодаря моделированию и имитации, мониторингу реализации решений в режиме реального времени, а также прогнозной аналитики. Логистика: расширенная интеграция датчиков контроля работоспособности оружейных систем, мониторинг запасов в режиме реального времени и использование цифровых двойников значительно повысят эффективность и результативность логистической системы при одновременном снижении затрат на жизненный цикл.

Поддержка операций: огромное количество сенсорных данных будет способствовать более всестороннему пониманию оперативной обстановки. В сочетании с искусственным интеллектом это позволит применять более комплексный подход к оперативному планированию и целеполаганию. Более глубокое понимание и моделирование поведения противника поможет принимать действия, подрывающие его цели и деятельность.

Аналитика больших данных окажет значительное влияние на оборонную научно-техническую деятельность посредством метаанализа существующих научно-технических знаний. Это приведет к созданию новых материалов, разработке новых и более совершенных сенсоров, фундаментальным научным открытиям и т.д., что непосредственно повлияет на развитие новых возможностей НАТО.

Управление информацией: контекстное программирование позволит поисковым системам выйти за рамки простого поиска по ключевым словам и на основе определения цели поиска представлять целе-ориентированную информацию. Этот подход может быть использован для прогнозирования рисков безопасности на основе глубокого анализа личных контактов, поведения в социальных сетях и информации о местоположении.

1.3 Риски для вооруженных сил Альянса

Аналитика больших данных противника будет развиваться аналогично силам Альянса, при этом силы НАТО будут стремиться развить свое преимущество в принятии решений и действий в цикле Наблюдение-Ориентирование-Принятие решений-Действия (Observe-Orient-Decide-Act).

Аналитика больших данных повысит эффективность и расширит масштабы операций в нетрадиционных областях, что позволит точечно воздействовать на отдельных лиц и социальные группы с помощью и через инструменты национальной власти (дипломатические, информационные, военные и экономические).

Более широкое использование НАТО Аналитики больших данных приведет к появлению уязвимостей в принятии командных решений, которые могут быть использованы противниками, поэтому чрезмерная зависимость от такой аналитики при принятии решений увеличит риск и ущерб от кибератак/информационных атак.

Усиление глобализации и коммерциализации информации и сенсоров означает, что потенциальные противники будут иметь доступ к большей части тех же данных, коммерческих инструментов и методов шифрования, что и силы НАТО. Возможность обнаружения противником замаскированных, скрытых, защищенных или погруженных в воду целей с помощью обработки больших объемов данных от постоянных активных и пассивных датчиков окажет значительное тактическое и оперативное воздействие на будущие операции Альянса. Например, ядерная триада США может быть сильно дестабилизирована.

1.4 Проблемы функциональной совместимости Аналитики больших данных

Быстрая технологическая эволюция Аналитики больших данных потребует постоянных инвестиций для поддержания технологического превосходства и обеспечения эксплуатационной устойчивости. Это бросит вызов странам Североатлантического союза в поддержании общих технологических сил, особенно по мере того, как командование НАТО станет больше полагаться на Аналитику больших данных. Спектр электромагнитных частот становится все более коммерческим, перегруженным, конкурентоспособным во всем мире из-за коммерческого использования передовых радиочастотных технологий. Необходимо будет заключить союзническое соглашение о распределении частот и разрешении конфликтов.

Необходимо будет разработать распределенные структуры данных и проверки, чтобы позволить странам сохранять право собственности и контроля над данными при совместном использовании в рамках коалиции. Большие данные вызывают серьезную озабоченность в отношении проблем безопасности, конфиденциальности и управления, которые необходимо будет решать на уровне Альянса. Необходимо будет разработать политику сбора, хранения, обмена, кураторства, классификации, пропускной способности, таксономии и конфиденциальности данных.

Оперативная и корпоративная среда НАТО обладает уникальными характеристиками, которых нет у коммерческих и гражданских областей, в том числе пониженной толерантностью к риску и политическими ограничениями. Правовые вопросы также могут стать предметом озабоченности, поскольку коммерческие компании стремятся защитить лежащую в основе технологий интеллектуальную собственность. При внедрении критических технологий (например, 5G) может возникнуть значительный цифровой разрыв из-за различий в восприятии угроз и принятии базовых технологий в странах Альянса. Отсутствие стандартов и разработка несовместимых или ненадежных систем могут ограничить способность НАТО обмениваться большими и другими конфиденциальными данными.

1.5 Перспективы развития аналитики больших данных

Исследования в области больших данных и продвинутой аналитики носят в высшей степени междисциплинарный характер. Ключевыми направлениями исследований и разработок являются:

1. Инженерная защита: киберагенты (например, боты) для автоматической идентификации, предотвращения и исследования социальных и кибератак.

2. Оптимизированные технологии связи: новые технологии для оптимизации сетевых ресурсов, пропускной способности и (когнитивного) управления электромагнитным спектром для распределенных приложений или зондирования. Эти исследования будут включать в себя изучение новых способов связи (например, 5G), ячеистых сетей, постквантовых методов шифрования и более широкое использование когнитивных методов (искусственный интеллект).

3. Аналитика: новые математические, вычислительные подходы и подходы, связанные с учетом человеческого фактора к анализу сложных и запутанных военно-социально-технические систем, моделирование и имитация сложных многомасштабных физических, информационных и инженерных систем. Разработка методов автоматического извлечения информации на основе обработки данных, будет существенным аспектом этого направления, поскольку участие человека в разработке прогностических моделей является существенным ограничивающим фактором.

4. Датчики: новые, распределенные, маломощные и чувствительные датчики, способные к самоорганизации и взаимодействию в сети (повсеместное сенсорное восприятие), разработки в области анализа, слияния и оценки сигналов от пассивных источников (например, биоинженерных), биосоциальных датчиков, мультисенсорных/многодоменных источников.

5. Доверие: технологии распределенного реестра, киберагенты, улучшенная визуализация и прогнозная аналитика для поддержки надежного обмена информацией и расширенной поддержки принятия решений человеком, инструменты для идентификации вредоносных социальных или кибер-акторов, а также разработка киберагентов для оказания помощи операторам кибербезопасности в определении киберфизических и человеческих уязвимостей.

Таким образом, Аналитика больших данных позволит НАТО повысить уровень оперативной информации на стратегическом, оперативном, тактическом и общеорганизационном уровнях. Расширятся возможности прогнозной аналитики, необходимой для принятия более эффективных решений на всех уровнях. Это окажет существенное трансформирующее воздействие во всем спектре возможностей НАТО.

Потенциальные противники будут стремиться к аналогичному техническому превосходству, в то время как асимметричные субъекты будут использовать все более открытые и доступные источники данных для целенаправленного воздействия или разрушения.

Уникальные потребности Вооруженных сил НАТО потребуют разработки методов и стандартов оперативной совместимости, обмена информацией, сбора данных, моделирования и имитации, анализа, классификации, и управления данными. При этом следует учитывать, что использование Аналитики больших данных само по себе не является залогом более удачных решений, поэтому крайне важно точно понимать и оценивать сложный социально-когнитивно-технический контекст принятия решений, с тем, чтобы максимально эффективно интегрировать в него технологии аналитики больших данных.

В таблице 1 представлены: технологии обработки больших данных, оценка их потенциального воздействия на сферу обороны и безопасности, технологический уровень и ожидаемые сроки массового распространения.

Таблица 1 Области перспективных исследований аналитики больших данных

Технологическая область	Воздействие	Общественное восприятие (в соответствии с циклом Гартнера)	Уровень готовности технологий	Временной горизонт
Расширенный Анализ Данных	Революционное	Завышенные ожидания	Проверка опытных образцов в лабораторных условиях (TRL 4)	2025 г.
Оптимизированные технологии связи	Высокое	Знакомство с технологией	Демонстрация прототипов в реальных условиях (TRL 6)	2030 г.
Продвинутый Процесс Принятия Решений	Революционное		Демонстрация прототипов в реальных условиях (TRL 6)	2025 г.
Датчики	Высокое	Завышенные ожидания	Проверка опытных образцов в лабораторных условиях (TRL 4)	2030 г.

2. Искусственный интеллект (ИИ)

Под искусственным интеллектом понимается способность машин выполнять задачи, которые обычно требуют человеческого интеллекта - например, распознавать образы, учиться на опыте, делать выводы, прогнозы или предпринимать действия - будь то в цифровом виде или в виде интеллектуального программного обеспечения, используемого в автономных физических системах.

Искусственный интеллект имитирует такие аспекты человеческого сознания, как восприятие, рассуждение, планирование и обучение. ИИ способен автономно выполнять такие задачи, как планирование, распознавание речи, объектов и звуков, обучение и решение задач. ИИ был определен как самая большая технологическая проблема, стоящая перед странами Альянса, причем некоторые эксперты считают его самой важной когда-либо изобретенной технологией. Ожидается, что в течение следующих 20 лет ИИ будет играть прорывную роль благодаря своему воздействию на такие сферы, как передовые инструменты обработки и анализа больших данных, разработка киберфизических систем, оптимизация принятия решений и управления, облачные вычисления, проектирование баз данных, компьютерное зрение.

Начиная с середины 1950-х годов, ИИ прошел через три основных цикла развития. В результате алгоритмы искусственного интеллекта (например, экспертные системы и машинное обучение) уже глубоко внедрены в современные технологии. Однако в 2012 году произошел значительный скачок в их применении для решения практических задач, обусловленный улучшением базовых алгоритмов (глубокое обучение) и широким доступом к крупным обучающим выборкам.

В настоящее время продолжается его активное развитие в новых областях, таких как нейроморфные вычисления, которые пытаются более точно имитировать нейронную структуру и работу человеческого мозга, машинное обучение и вероятностные вычисления, предназначенные для работы с неопределенностью, двусмысленностью и противоречиями в естественном мире. Исследования в этих областях включают новые методы, ориентированные на использование небольших обучающих выборок и объяснимость. Еще одной важной областью исследований и разработок станет разработка новых алгоритмов машинного и глубокого обучения, основанных на квантовой информатике и квантовых компьютерах. Ожидаемый быстрый рост оцифрованных данных сделает использование ИИ (и его производных) еще более полезным и практически необходимым.

Эта зависимость от большого объема данных является как сильной, так и слабой стороной ИИ. Во-первых, это связано с качеством данных, а во-вторых, как следствие, с необходимостью использовать отфильтрованные (обучающие) выборки данных, что требует значительной предварительной подготовки. В настоящее время ведутся исследования по разработке более адаптируемых и эффективных алгоритмов машинного обучения, которые потребуют меньше маркированных данных и смогут обрабатывать противоречивые данные. Это сделает ИИ более простым в обучении и более устойчивым к непредсказуемым условиям реального мира.

Разработка симбиотического (человеко-центрированного) ИИ, предполагающего взаимодействие людей и машин как надежных партнеров в сложной гибридной системе, является важной исследовательской задачей. Необходимы фундаментальные исследования для улучшения понимания человеческой речи, извлечения смысловой информации из СМИ, реагирования на невербальные аспекты коммуникации, а также интеграции в ИИ наряду с развитием машинного здравого смысла (то есть априорного знания) аналогов человеческого восприятия (например, аналогов человеческого зрения и эмоций). Это потребует разработки систем, способных задавать вопросы, размышлять, предлагать различные варианты и четко объяснять процесс принятия решения. Включение вычислительных систем с таким человекоподобным интеллектом в настоящее время имеет решающее значение, поскольку темп военных операций в новых областях превышает тот, при котором люди без посторонней помощи могут ориентироваться, понимать происходящее и действовать.

Прикладные разработки ИИ считаются приоритетной сферой научно-технических инвестиций во всем мире. Значительные достижения в области применения ИИ в первую очередь обусловлены промышленными внедрениями.

Инвестиции в промышленные приложения ИИ оказываются наиболее эффективными, им отдаётся приоритет в научно-технической сфере. В то же время, прогрессу в применении и развитии ИИ в значительной степени способствовали разработка и доступность инструментов с открытым исходным кодом и доступность данных. Страны Альянса также инвестируют в ИИ. Пентагон разрабатывает ИИ для обеспечения автономности боевого пространства, анализа разведданных, отслеживания записей, прогнозирования и военной медицины. В бюджете НАТО на 2020 год выделен почти 1 млрд. долларов на эти разработки. В настоящее время военные стремятся интегрировать ИИ в разработку систем вооружения, создавать роботов с ИИ для маневров на поле боя и повысить точность ведения боевых действий.

Китай, после принятия в 2017 г. Плана развития ИИ, также быстро продвигается в изучении и использовании ИИ. Китай определил ИИ в качестве стратегического приоритета и планирует стать «главным мировым инновационным центром ИИ» к 2030 году (к этому времени индустрия ИИ в стране составит 150 млрд. долларов).

Тем не менее, развитие ИИ в настоящее время находится в непростой ситуации. Хотя существует значительный интерес инвесторов, стимулирующий взрыв практических приложений ИИ, появляются признаки того, что исследования ИИ достигают плато и могут замедлиться, перейдя к очередной «зиме». По-прежнему считается маловероятным, что системы ИИ достигнут уровня когнитивных способностей человека в течение ближайших 20 лет.

2.1 Возможности использования ИИ для вооруженных сил Альянса

ИИ окажет значительное влияние на военные возможности и силы Альянса. Это влияние будет определяться прежде всего использованием встроенного ИИ в других технологиях, таких как виртуальная/дополненная реальность, квантовые вычисления, автономия, моделирование и имитация, космические технологии, разработка новых материалов, производство и логистика, а также аналитика больших данных. ИИ окажет преобразующее воздействие на ядерные, аэрокосмические, кибернетические и биотехнологии, а также на производство новых материалов. Эти технические преобразования будут сравнимы с появлением ядерного оружия, что может привести к новой гонке вооружений в области ИИ.

Боевые подразделения будут использовать надежные автономные системы с поддержкой искусственного интеллекта, способные выполнять рутинные, грязные, опасные или дорогие задачи. Ожидается более широкое использование виртуальных помощников, поддержки принятия решений. Аналитики разведки смогут использовать надежные системы, способные собирать информацию со всех имеющихся датчиков, а также архивные данные, обрабатывать их, использовать, распространять и решать поставленные задачи. Кроме того, появятся усовершенствованные средства предупреждения, управления информацией и знаниями, например, социокартирование местности, анализ социальных сетей, а также поддержки принятия решений для таргетирования. Высокоскоростные и маломощные нейроморфные электронные компоненты позволят создавать автономные системы, способные соперничать с человеческим восприятием, позволяя проводить обработку данных с сенсоров для распознавания местности, определения целей и идентификации.

ИИ эффективен при обработке данных о цели, получаемых от многих датчиков, при выборе траектории, предотвращении столкновений, роении (например, беспилотников), при оценке боевого урона и координации действий.

Области потенциального использования ИИ в автономных системах: выбор траекторий, избегание столкновений/роение, помощь оператору в управлении несколькими автономными системами, планирование миссий для автономных систем (например, навигация, сбор данных, характеристика окружающей среды и адаптируемость датчиков). Интеграция систем глубокого обучения в мобильные платформы повысит навигационные способности роботов (например, ИИ может обеспечить полностью автономное обезвреживание взрывоопасных объектов в населенных пунктах). Интеллектуальные автономные системы могут использоваться, например, в длительных плаваниях беспилотных подводных аппаратов.

ИИ будет поддерживать разработку аналитических решений для содействия долгосрочному планированию в рамках НАТО, включая поддержку принятия сложных решений, выходящих за традиционные внутренние границы.

ИИ обладает потенциалом для оказания помощи в развитии научно обоснованных клинических данных для новых медицинских препаратов, научно обоснованной диагностики и передовых методов лечения для снижения заболеваемости и смертности и поддержания/восстановления основных функций перед лицом всего спектра опасностей. Кроме того, ИИ обеспечит автоматизированную поддержку принятия решений и диагностические инструменты поддержки для оказания помощи врачам в полевых условиях.

НАТО необходимы более эффективные процессы управления ресурсами (инвестиционное и бизнес-планирование, управление эффективностью программ и рисками, стратегические преобразования и стратегическое управление), основанные на передовой аналитике и принятии решений на основе фактических данных. В сфере финансов ИИ может помочь в анализе затрат, оценке экономических последствий и т.д.

Системы ИИ (особенно в сочетании с цифровыми двойниками) обладают потенциалом минимизировать время простоя оборудования, системные сбои, улучшить управление запасами и ремонтами и т.д. Проблемы такого рода схожи с коммерческим сектором, поэтому НАТО должно как можно скорее принять на вооружение эти гражданские разработки.

Кибер- и информационное пространство: в условиях кибервойн системы должны обнаруживать, оценивать и реагировать на угрозы задолго до того, как люди смогут понять ситуацию. Приложения на основе ИИ будут оценивать и интерпретировать огромное количество сенсорных и разведывательных данных. Эти системы и виртуальные агенты будут иметь возможность принимать независимые решения и действовать в соответствии с этими решениями быстро. Можно ожидать, что сети и информационные системы будут конфигурироваться, обслуживаться и защищаться автономными агентами с поддержкой ИИ.

Обучение: системы ИИ (особенно в сочетании с системами виртуальной / дополненной реальности) обладают потенциалом для совершенствования индивидуального обучения за счет адаптации к реальным условиям и создания индивидуальных учебных сред или сценариев.

2.2 Риски для вооруженных сил Альянса

Преимущества, описанные для сил НАТО, в равной степени относятся и к силам противника. Однако зависимость от ИИ также увеличит потенциальное воздействие кибер- и информационных атак. Кроме того, противники с меньшими этическими и юридическими ограничениями могут использовать автономные системы на базе ИИ как автономное оружие, чтобы достичь тактического преимущества в принятии решений или в случае потери связи.

Системы ИИ особенно уязвимы для кибератак, что может быть использовано, когда небольшие преднамеренные изменения могут привести к ошибочным рекомендациям или неоптимальным действиям.

Достижения в технологии обработки и синтеза речи, вероятно, позволят реалистично имитировать дружественный и вражеский персонал по каналам связи и вещательным средствам массовой информации (т.е. глубокие подделки). В сочетании с твиттер-ботами и другими взломами социальных сетей, ИИ значительно увеличит масштаб и эффективность гибридных атак.

Непредсказуемость и необъяснимость принятия решений ИИ является одновременно сильной стороной (например, создание совершенно новых стратегий) и в то же время значительной потенциальной угрозой. ИИ противника, не ограниченный человеческими (в том числе юридическими, этическими и моральными) рамками, непредсказуемый и необъяснимый, потенциально может стать грозным противником.

Интеллектуальные обучающие системы позволят создавать новые поколения самодельных взрывных устройств, менее подверженных традиционным контрмерам.

2.3 Проблемы функциональной совместимости ИИ

По мере распространения систем ИИ, все острее будут стоять вопросы выработки единых стандартов. Одним из важнейших аспектов является необходимость определения и проведения верификации, валидации и аккредитации систем оперативной поддержки принятия решений с использованием ИИ для использования в военных операциях Альянса. Альянс будет вынужден сделать это из-за различий таких стандартов, правил управления данными, таксономии и учебных выборок, проблем объяснимости и различных уровней системного и организационного доверия в государствах-членах. Необходимо формировать политику, которая будут принципиально признавать потенциальную подверженность ИИ ошибкам. Не менее важной областью является обеспечение объяснимости ИИ, хотя возможны столкновения с коммерческими интересами, учитывая возможность раскрытия интеллектуальной собственности. Стандартизация этого процесса в рамках всего Альянса будет сопряжена со значительными трудностями.

2.4 Перспективы развития ИИ

ИИ сталкивается с рядом критических проблем, которые открывают области для перспективных исследований:

1. Усовершенствованные алгоритмы: необходимы дальнейшие исследования в области машинного и глубокого обучения, состязательного ИИ, а также нейроморфных и вероятностных вычислений.

2. Симбиоз человека и машины: достижения в области интерфейсов ИИ, ориентированного на человека, визуализация, объяснимость и социально-технические последствия.

3. Прикладной ИИ: ИИ - это базовая технология, поддерживающая аналитику данных. Существует потребность в процессах преобразования данных в инсайты и прогнозы для лиц, принимающих решения. Эти инструменты могут быть применены к критическим вызовам в области обороны и безопасности, таким как: создание ИИ, взаимодействующего с человеком, социальными и сложными системами для более реалистичного анализа и персонализированного обучения; адаптивные методы разведки в таких областях, как радиоэлектронная борьба; разработка ИИ-агентов для оборонительных и наступательных киберопераций; распространение информации с помощью ИИ (например, глубокие подделки, deep fakes) и разработка контрмер гибридной войны (например, поддержание доверия и противодействие уязвимостям).

Таким образом, большие данные и ИИ обладают потенциалом революционного воздействия на операции и возможности НАТО. ИИ - это точка опоры, с помощью которой большие данные могут быть превращены в практические знания и, в конечном счете, в преимущество НАТО в принятии решений. Интеграция ИИ в боевые модели и симуляторы, корпоративные системы, системы поддержки принятия решений, системы киберзащиты и автономные транспортные средства позволит быстро и более эффективно принимать человеко-машинные решения. Использование ИИ на датчиках для предварительной обработки информации и обеспечения адаптивного использования спектра (например, когнитивный радар) приведут к снижению трафика. ИИ также окажет значительное влияние на научно-технический потенциал НАТО, поскольку метаанализ существующих исследований позволит сделать новые научные открытия, определит перспективные области исследований и предоставит усовершенствованные научно-технические инструменты.

Хрупкий характер большинства существующих систем и потребность в объяснимом ИИ - это всего лишь технические проблемы. Необходимо направить усилия на решение сложных проблем, связанных с объединением людей и ИИ, а также психо-социально-технических проблем, поскольку их решение позволит создавать революционные технологии. Несмотря на эти ограничения, к 2030 году вклад ИИ в мировую экономику составит $15,7 трлн. долларов.

Политические, правовые и эксплуатационные проблемы станут серьезными вызовами для НАТО. Обеспечение того, чтобы рекомендации ИИ были надежными, этичными и согласованными с национальными правилами взаимодействия, потребует проведения разработок, направленных на объяснимость функционирования ИИ, доверие и сотрудничество человека и ИИ. Кроме того, в контексте операций Альянса необходима выработка стандартов проверки, валидации и аккредитации систем ИИ.

В таблице 2. представлены: области перспективных исследований ИИ, оценка их потенциального воздействия на сферу обороны и безопасности, технологический уровень и ожидаемые сроки массового распространения.

Таблица 2 Области перспективных исследований ИИ

Технологическая область	Воздействие	Общественное восприятие (в соответствии с циклом Гартнера)	Уровень готовности технологий	Временной горизонт
Усовершенствованные алгоритмы	Революционное	Завышенные ожидания	Проверка опытных образцов в лабораторных условиях (TRL 4)	2030 г.
Прикладной ИИ	Революционное	Завышенные ожидания	Демонстрация прототипов в реальных условиях (TRL 6)	2030 г.
Симбиоз человека и машины	Высокое	Триггер (начальная стадия)	Проверка опытных образцов в лабораторных условиях (TRL 4)	2035 г.

3. Автономные системы

Автономия - это способность системы реагировать на неопределенные ситуации, самостоятельно составляя и выбирая различные варианты действий для достижения целей, основанных на знаниях и контекстуальном понимании мира, себя и ситуации. Автономия характеризуется степенью самостоятельности (уровнями автономии, варьирующими от полностью ручного управления до полностью автономного). Робототехника - это проектирование и построение автономных систем, охватывающих все уровни автономии. Беспилотные транспортные средства могут дистанционно управляться человеком или действовать автономно в зависимости от миссии. Технология позволяет обеспечить доступ к труднодоступным районам, постоянное наблюдение, долговечность, использование роботов для поддержки солдат, более дешевые, автоматизированные логистические поставки.

Робототехника и автономные системы во многом основаны на использовании других перспективных и прорывных технологий. Разработки, представляющие интерес для НАТО, будут в основном касаться следующих областей:

1) автономные системы - платформы, устройства и агенты (например, двигатели, программные агенты, датчики малой мощности, Интернет вещей и приложения). Особо следует отметить следующие области: автономные гиперзвуковые аппараты, биоинспирированные микро- и мини-летательные аппараты, малые спутники, гибридно-электрические аэро-установки, легкая гиперспектральная технология визуализации с высоким разрешением для полустационарных миссий наблюдения, миниатюризация радиочастотных датчиков, плазмоника для уменьшения размера ИК-детектора, 3D-моделирование окружающей среды и роботизированные ложные цели (decoys).

2) симбиоз человека и машины: повышение производительности человека, партнерство человека и машины.

3) высокомощное радиочастотное оружие.

4) автономное поведение: рой-центрические (swarm centric) системы и интеллектуальная автономия (т.е. все более продвинутый встроенный ИИ).

Автономность платформы является одним из наиболее важных примеров военной робототехники и автономных систем. Это беспилотники для воздушного, морского (подводного и надводного) и наземного использования. С момента запуска первого экспериментального полностью автономного космического аппарата (Deep Space 1) в 1998 году автономные системы с поддержкой искусственного интеллекта (особенно малые спутники) стали катализатором новых технологических разработок в космосе. Исследования в области беспилотников охватывают широкий спектр вспомогательных технологий, включая: скрытность (сигнатуры: инфракрасные, акустические), квалификацию и сертификацию, конструкции и материалы, двигатели, производительность, стабильность и контроль, а также проектирование.

Однако помимо беспилотных средств автономностью обладают и виртуальные программные агенты или боты, которые могут использоваться для наступательных и оборонительных действий в информационном и киберпространстве.

Надежные автономные программные агенты действуют в составе киберфизических систем подобно иммунной системе, обеспечивая защиту от ботов, крупномасштабных вредоносных атак и других кибер-событий скрытым образом, минимизируя при этом воздействие на сетевые системы и инфраструктуру Альянса. Критически важным в современных условиях является создание системы, способной обнаруживать, оценивать и реагировать на кибер-угрозы намного оперативнее, чем это сможет сделать человек-оператор. Значительная часть программного обеспечения для этих целей должна использовать автономию для снижения когнитивной нагрузки на оператора. Эти системы будут оценивать и интерпретировать огромное количество сенсорных и разведывательных данных. Они будут обладать способностью принимать самостоятельные решения и действовать быстро, в то же время иметь возможность работать в команде, которая включает людей.

Автономные системы, будь то беспилотники или киберагенты будут участвовать в выполнении различных миссий и на степень их автономии будут влиять сложность и ограничения (например, правовые, политические и т.д.) миссии. Хотя беспилотные системы все чаще используются в военных операциях, в ближайшей перспективе полная автономность будет практична только для самых простых задач (например, вертолет, используемый для доставки боеприпасов войскам в полевых условиях и действующий автономно только некоторую часть полета).

Таким образом, в краткосрочной и среднесрочной перспективе большее распространение в военных целях получит полуавтономные системы. Основной проблемой для такой автономии является ограничение риска во время эксплуатации. Сложность миссии является основным фактором риска, и вытекающая из этого целесообразность ограничения или смягчения риска может ограничить использование автономных систем.

При этом особое значение имеет развитие технологий «невидимости» беспилотных объектов, чтобы ограничить или избежать обнаружения их силами противника. Разработки в этой области направлены на противодействие методам обнаружения (радиолокационным, инфракрасным, гидроакустическим). Эти требования могут влиять на новые конструкции платформ и стимулировать их разработку.

Кроме того, требуются новые миниатюрные маломощные датчики для поддержки встроенного ИИ, ситуационной осведомленности и в целом повышения возможностей беспилотников. Исследования в этой области стимулируются коммерческим сектором, разрабатывающим автономные транспортные средства, что приводит к появлению все более мощных и дешевых лидарных и радиолокационных датчиков, и эти технологии развиваются быстрыми темпами.