Удосконалення військової гри за допомогою штучного інтелекту: перший крок у побудові довіри до людино-машинної команди
DOI:
https://doi.org/10.33099/2311-7249/2025-52-1-108-117Ключові слова:
штучний інтелект, військова гра, довіра до штучного інтелектуАнотація
Розвиток нових технологій продовжує збільшувати складність ведення війни. Штучний інтелект – одна з технологій, яка може кардинально змінити характер збройних конфліктів. Тому вкрай важливо експериментувати та інтегрувати штучні технології в таких безпечних умовах, як військові ігри, перш ніж впроваджувати їх в операційні системи і використовувати як інструмент підтримки прийняття рішень. Командна робота між людьми і машинами – одна з таких сфер. Об'єднання людей зі штучним інтелектом дає можливість синергетично використовувати сильні сторони кожного з них. Обчислювальні можливості штучного інтелекту дають змогу підтримувати прийняття рішень людиною, забезпечуючи предиктивний аналіз і аналіз за рекомендаціями. Така людино-машинна співпраця має потенціал для реалізації якісних досягнень у прийнятті рішень та може посилити навчання учасників, надаючи їм розуміння чинників, що дозволяють штучному інтелекту визначати найкращі варіанти і пов'язані з ними ризики. Людино-машинна командна робота у військових іграх також обіцяє додаткову перевагу у вигляді побудови довіри між людьми, які приймають рішення, і штучним інтелектом, який їх підтримує. Проте, людино-машинна командна робота не позбавлена викликів.
Метою статті є виявлення шляхів покращення результатів військових ігор, впровадивши надійний штучний інтелект.
Методи дослідження. Під час написання статті було використано низку наукових методів дослідження. Метод контент-аналізу застосовувався для вивчення останніх досліджень і публікацій щодо виявлення проблематики в межах наявного обсягу знань. Для аналізу структури військової гри та розподілу її на складові частини й виявлення потенційних напрямів її удосконалення, які можна отримати завдяки впровадженню штучного інтелекту, було використано метод декомпозиції. Метод аналізу дав змогу оцінити потенційні переваги впровадження штучного інтелекту в кожну зі складових частин військової гри. Для обгрунтування оптимальних вузлів впровадження штучного інтелекту стосовно максимізації переваг застосовано метод синтезу.
Аналіз останніх досліджень та публікацій. У статті здійснено аналіз досліджень і узагальнено поняття штучного інтелекту та його технологій.
Виклад основного матеріалу. На прикладі військових ігор проаналізовано ефективність застосування штучного інтелекту й висвітлено те, як штучний інтелект перевершує людську продуктивність у низці еталонних ігор. Проаналізовано роль, цілі та дизайн військових ігор, а також значення штучного інтелекту в процесі їх проведення. Визначено роль штучного інтелекту, можливі ризики його застосування, а також окреслено шляхи вдосконалення військових ігор із використанням технологій штучного інтелекту. Зроблено обґрунтований висновок про можливість довіри до штучного інтелекту у військових іграх.
Елементи наукової новизни. У статті виявлено і обґрунтувано, що застосування штучного інтелекту у військових іграх сприяє не лише вдосконаленню процесу прийняття рішень, а й підвищенню рівня ситуаційної обізнаності, когнітивної підготовки військових офіцерів та побудові довіри до людино-машинної команди.
Теоретична та практична значущість статті. За результатами дослідження можна стверджувати, що людино-машинна взаємодія у військових іграх може допомогти у прийнятті рішень та сприяти навчанню і підготовці осіб, які приймають рішення. Збільшення довіри до штучного інтелекту потребує чіткого розуміння того, як він приходить до висновків та рекомендацій.
Висновок і перспективи подальших досліджень. Подальші дослідження мають бути зосереджені на розробленні алгоритмів візуалізації процесу прийняття рішень штучним інтелектом.
Посилання
Sabharwal A., Selman B., Russell S., Norvig P. Artificial Intelligence: A Modern Approach. Third Edition. Artificial Intelligence. 2011. Vol. 175. № 5. P. 935–937. DOI: 10.1016/j.artint.2011.01.005.
Batra M. M. Strengthening customer experience through artificial intelligence: An upcoming trend. Competition Forum. 2019. Vol. 17. № 2. P. 223–231. American Society for Competitiveness.
Wanderer N. Artificial Intelligence: What Is It & Who Needs It Anyway? Maine Bar Journal. 2023. Vol. 38. № 3. P. 122–126. URL: https://research.ebsco.com/linkprocessor/plink?id=a8296bba-de7f-374a-8656-e7f8ead01de1 (accessed: 11 Nov. 2024).
Caluori L., Alexa H. Why Are You Called Intelligent? An Empirical Investigation on Definitions of AI. AI & SOCIETY: Journal of Knowledge, Culture and Communication. 2024. Vol. 39. № 4. P. 1905–1919. DOI: 10.1007/s00146-023-01643-y.
Britt Ph. Expect GenAI to Take on Customer-Facing Roles: As Large Language Models Expand and Generative AI Technology Advances, Experts See a Greater Role in Customer Service. CRM Magazine. 2024. Vol. 28. P. 16–19. URL: https://research-ebsco-com.nduezproxy.idm.oclc.org/linkprocessor/plink?id=db91df18-771f-3fe7-a562-54910c812cb7 (accessed: 11 Nov. 2024).
Duarte F. Amount of Data Created Daily. Exploding Topics. 2024. URL: https://explodingtopics.com/blog/data-generated-per-day (accessed: 11 Nov. 2024).
Layton D. ChatGPT – Show me the Data Sources. Medium. 2023. URL: https://medium.com/@dlaytonj2/chatgpt-show-me-the-data-sources-11e9433d57e8 (accessed: 11 Nov. 2024).
Gordon C. ChatGPT And Generative AI Innovations Are Creating Sustainability Havoc. Forbes. 2024. URL: https://www.forbes.com/sites/cindygordon/2024/03/12/chatgpt-and-generative-ai-innovations-are-creating-sustainability-havoc/ (accessed: 11 Nov. 2024).
St. John A., McDermott J. Amazon, Google make dueling nuclear investments to power data centers with clean energy. Associated Press. 2024. URL: https://apnews.com/article/climate-data-centers-amazon-google-nuclear-energy-e404d52241f965e056a7c53e88abc91a (accessed: 11 Nov. 2024).
CCRL (Computer Chess Rating Lists) 40/15. 2024. URL: https://computerchess.org.uk/ccrl/4040/ (accessed: 11 Nov. 2024).
Carnegie Mellon and Facebook AI Beats Professionals in Six-Player Poker. Carnegie Mellon University. 2019. URL: https://www.cmu.edu/news/stories/archives/2019/july/cmu-facebook-ai-beats-poker-pros.html (accessed: 11 Nov. 2024).
Schrittwieser J., Antonoglou I., Hubert T., Simonyan K., Sifre L., Schmitt S., Guez A. et al. Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model. DeepMind. 2020. URL: https://arxiv.org/abs/1911.08265 [Accessed: 11 Nov. 2024].
The AlphaStar Team. AlphaStar: Mastering the real-time strategy game StarCraft II. Google DeepMind. 2019. URL: https://deepmind.google/discover/blog/alphastar-mastering-the-real-time-strategy-game-starcraft-ii/ (accessed: 11 Nov. 2024).
Kahneman D. Thinking, Fast and Slow. London: Penguin Books, 2011.
Mouat T. The Use and Misuse of Wargames. Scandinavian Journal of Military Studies. 2022. Vol. 5. № 1. P. 209. DOI: 10.31374/sjms.121.
Appleget J., Burks R., Cameron F. The Craft of Wargaming: A Detailed Planning Guide for Defense Planners and Analysts. Naval Institute Press. 2020. URL: https://research-ebsco-com.nduezproxy.idm.oclc.org/linkprocessor/plink?id=c386fb0c-cc20-32d5-8832-8be5a2762487 (accessed: 11 Nov. 2024).
De Fritsch M., Bitoun A. Commander avec l’IA, une aide à la conception et à l’évaluation des modes d’action. Revue Défense Nationale. 2019. Vol. 820. № 5. P. 81–85. DOI: https://doi.org/10.3917/rdna.820.0081.
Goecks V. G., Waytowich N. R. COA GPT: Generative Pre-Trained Transformers for Accelerated Course of Action Development in Military Operations. International Conference on Military Communication and Information Systems (ICMCIS). 2024. P. 10.
Combe P. C. Educational Wargaming: Design and Implementation into Professional Military Education. Journal of Advanced Military Studies. 2021. Vol. 12. № 2. P. 131.
Brzashka I. Wargames and AI: A dangerous mix that needs ethical oversight. RUSI Journal. 2023. Vol. 168. № 7. P. 26–32.
Lee E. AI Security Model Hacking with Model Inversion Attacks: Techniques, Examples, and Real-World Applications and Mitigation with Code. Medium. 2024. 4 May. URL: https://drlee.io/ai-security-model-hacking-with-model-inversion-attacks-techniques-examples-and-real-world-a23b5fff272a (accessed: 11 Nov. 2024).
Jaswanth R. Peeling Back the Layers: A Comical Guide to Model Inversion Attacks. Linkedin. 2024. 26 April. URL: https://www.linkedin.com/pulse/peeling-back-layers-comical-guide-model-inversion-attacks-jaswanth-r-z7n4c (accessed: 11 Nov. 2024).
Zhang Y., et al. The Secret Revealer: Generative Model-Inversion Attacks Against Deep Neural Networks. arXiv. 2020. 18 Apr. URL: https://doi.org/10.48550/arXiv.1911.07135v2 (accessed: 11 Nov. 2024).
Sciforce. Adversarial Attacks Explained (And How to Defend ML Models Against Them). Medium. 2022. 7 Sep. URL: https://medium.com/sciforce/adversarial-attacks-explained-and-how-to-defend-ml-models-against-them-d76f7d013b18 (accessed: 11 Nov. 2024).
Boesch G. What Is Adversarial Machine Learning? Attack Methods in 2024. Visio.ai. 2023. 2 Dec. URL: https://viso.ai/deep-learning/adversarial-machine-learning/ (accessed: 11 Nov. 2024).
Data Poisoning: The Essential Guide. Nightfall AI. URL: https://www.nightfall.ai/ai-security-101/data-poisoning (accessed: 11 Nov. 2024).
Hassan N. Data poisoning (AI poisoning). TechTarget. 2024. URL: https://www.techtarget.com/searchenterpriseai/definition/data-poisoning-AI-poisoning (accessed: 11 Nov. 2024).
Shah D. Introduction to Training Data Poisoning: A Beginner’s Guide. Lakera. 2023. 30 Nov. URL: https://www.lakera.ai/blog/training-data-poisoning (accessed: 11 Nov. 2024).
Simons A. Unpacking AI Data Poisoning [online]. FedTech. 2024. 11 Jan. URL: https://fedtechmagazine.com/article/2024/01/unpacking-ai-data-poisoning (accessed: 11 Nov. 2024).
Fredrikson M., Jha S., Ristenpart T. Model Inversion Attacks that Exploit Confidence Information and Basic Countermeasures. CCS'15: Proceedings of the 22nd ACM SIGSAC Conference on Computer and Communications Security. 2015. DOI: https://dl.acm.org/doi/10.1145/2810103.2813677.
Chakraborty A., Alam M., Dey V., Chattopadhyay A., Mukhopadhyay D. Adversarial Attacks and Defences: A Survey [online]. arXiv. 2018. 28 Sep. Available at: http://arxiv.org/abs/1810.00069 [Accessed: 11 Nov. 2024].
Dastin J. Insight – Amazon scraps secret AI recruiting tool that showed bias against women. Reuters. 2018. 10 Oct. URL: https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/ (accessed: 11 Nov. 2024).
Lui Z., Wang Y., Vaidya S., Ruehle F., Halverson J., Soljačić M., Hou T. Y., Tegmark M. KAN: Kolmogorov–Arnold Networks. Preprint under review. Massachusetts Institute of Technology, California Institute of Technology, Northeastern University, and The NSF Institute for Artificial Intelligence and Fundamental Interactions. 2024. 16 June. URL: https://arxiv.org/abs/2404.19756v4 (accessed: 11 Nov. 2024).
Clark B., Patt D., Schramm H. Mosaic Warfare: Exploiting Artificial Intelligence and Autonomous Systems to Implement Decision-Centric Operations [online]. Washington, D. C. : Center for Strategic and Budgetary Assessments. 2020. URL: https://csbaonline.org/research/publications/mosaic-warfare-exploiting-artificial-intelligence-and-autonomous-systems-to-implement-decision-centric-operations (accessed: 11 Nov. 2024).
Mayer M. Trusting Machine Intelligence: Artificial Intelligence and Human-Autonomy Teaming in Military Operations. Defense & Security Analysis. 2023. Vol. 39. № 4. P. 521–538.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати як монографію), за умови збереження посилання на першу публікацію роботи у цьому журналі.
3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
4. Персональні дані і метадані, які наводяться у статтях, надаються для їх зберігання і оброблення в різноманітних базах даних і інформаційних системах, включення їх в аналітичні і статистичні звітності, створення обгрунтованих взаємозв'язків об'єктів творів науки, літератури і мистецтва з персональними даними і т.п. на території, яка не обмежена.