Удосконалення військової гри за допомогою штучного інтелекту: перший крок у побудові довіри до людино-машинної команди

Автор(и)

DOI:

https://doi.org/10.33099/2311-7249/2025-52-1-108-117

Ключові слова:

штучний інтелект, військова гра, довіра до штучного інтелекту

Анотація

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.

Біографія автора

Володимир Миколайович Приміренко , Національний університет оборони України

кандидат військових наук, старший дослідник

 

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

2025-04-30

Як цитувати

Приміренко , . В. М., Даглес, П., Лі , Е. і Седрік , Г. . (2025) «Удосконалення військової гри за допомогою штучного інтелекту: перший крок у побудові довіри до людино-машинної команди», Сучасні інформаційні технології у сфері безпеки та оборони. Київ, Україна, 52(1), с. 108–117. doi: 10.33099/2311-7249/2025-52-1-108-117.

Номер

Розділ

Високотехнологічні аспекти воєнного мистецтва