cookieOptions = {...}; · 國防工業電腦視覺的主要應用 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

3S MARKET
2022年12月21日 星期三

防禦系統和支持 AI 的視覺運算 



Early Metrics



自 1956 年構思以來,人工智慧(AI)在許多行業中佔有一席之地。在國防領域,人工智慧,特別是電腦視覺,帶來了不可否認的附加值。電腦視覺使武裝部隊能夠最佳化其任務,加強士兵的安全並保護公民。從 2017 年到 2022 年,軍隊中的人工智慧市場預計將以每年 14.75% 的速度成長,2022 年將達到 87 億美元

電腦視覺允許系統解釋視覺資料(照片或影片),以提取資訊。 它使用深度學習來建立神經網路,允許系統處理和分析這些影像。 一旦訓練,這些模型可以辨識物體和人,甚至追蹤他們的運動。


自動駕駛車輛、無人機和武器

電腦視覺被證明是自動駕駛汽車發展的基本技術。事實上,它取代了駕駛員的眼睛,從而使車輛能夠檢測行人或其他物體,並避免潛在障礙物。自動駕駛汽車在國防部門似乎比民用應用更重要。例如,它們提供進入危險地點的機會,並且受到的限制較少,因為它們很少在市中心行人周圍操作。

以色列航空航太工業公司開發了一系列自動軍用車輛。RoBattle 是一種小型自主坦克,可以清除許多障礙。它可以用於資訊收集、地形偵察、車隊保護,也可以用於誘餌。該公司還提供一種名為貓熊的自動推土機。貓熊可用於拆除工作,或在具有挑戰性的地形上開闢道路。這些車輛有助於在不危及司機的情況下,執行關鍵任務


電腦視覺還用於控制自主武器:戰鬥無人機(彈道規劃、適應環境)、殺手機器人等。這些武器可以在沒有任何人工干預的情況下,進行自動致命行動。 它們還為辨識感興趣的區域和物件提供了更高的精度。演算法可以將 GPS 資料與現場資料相結合,以儘可能細化目標並避免附帶損害。

監控和風險檢測

電腦視覺在戰場外也非常有用,特別是在分析資訊方面。情報部門必須處理無人機或監控攝影機收集的大量資訊。自動化似乎是避免錯過關鍵資訊的理想解決方案。此外,電腦視覺演算法可以對最相關的資料,進行初始過濾並對其進行預處理(例如,檢測照片中的人)。

這就是為什麼美國在 2017 年啟動了 Maven 專案。美軍擁有大量使用電腦視覺的裝置,並希望開發一種能夠對收集的大量監控影像,進行分類的人工智慧。人工智慧檢測車輛和人員,並跟蹤感興趣的物體。

臉部辨識在反恐鬥爭中發揮著關鍵作用。它使辨識危險的個人變得更容易。 以色列新創公司 Corsight AI 開發了一種臉部辨識工具,可以即時辨識個人,即使他們的部分臉被遮住。

Corsight AI 的臉部辨識軟體,也適用於覆蓋的臉部。


臉部辨識工具也可以與深度學習相關聯,以更好地檢測風險。演算法經過訓練,以辨識正常行為,並在出現異常行為時傳送警報。

黎巴嫩科學家還利用電腦視覺,開發了探測地雷的軟體。這些演算法在兩種不同型別的反坦克地雷的數千張影像上進行了訓練,這些影像顯示它們從不同角度和各種照明條件下覆蓋、部分覆蓋和倒置。該工具在非隱藏地雷方面的成功率為 99.6%。

武器生產和檢查

電腦視覺是工業 4.0 中廣泛使用的技術。它確保生產高品質的零件因為它自動檢測異常或不完美。在軍事裝備的生產中,卓越的品質控制更加重要,因為零組件的缺陷可能是致命的。手動檢查效率低下,容易出錯,而電腦視覺提供高精度,避免了生產減慢。

許多新創企業正在開發可應用於工業部門的電腦視覺解決方案,例如 XXII,在 Early Metrics 評級的新創企業中排名前 10%。在其眾多案例中,XXII 提供了生產線上缺陷檢測解決方案,具有微米級精度。另一家新創公司,總部位於美國的 Integro Technologies,已將其解決方案適應軍事部門。多虧了電腦視覺,其系統可以檢測到子彈外殼表面或手榴彈上的斷裂和缺陷,最高可視角為 .004 毫米。 然後,它可以驗證物件的一致性。

電腦視覺也可以用於預測性維護。事實上,可以檢查軍事裝置,以便演算法檢測損壞或磨損痕跡。該技術使在故障發生前進行干預成為可能,不僅可以限制成本,還可以限制風險。在敵對環境中的技術失敗,可能會危及士兵的生命。

2018 年 4 月,法國武裝部隊部要求薩夫蘭直升機發動機進行 DOMINO 研究。這個預測性維護專案,目的在幫助使用大數據保持軍用直升機的執行狀態

國防工業中電腦視覺的風險

因此,電腦視覺在國防領域有許多潛在的應用。然而,這項技術仍然相當年輕。影像辨識演算法可能會產生完全錯誤的結果,或者被幾個畫素的變化所欺騙。在國防領域,這樣的錯誤可能會產生致命的後果。

除了錯誤的風險外,電腦視覺還可能存在偏差

  • 當學習資料不具有代表性時(例如人口資料中的種族偏見),無意中;
  • 故意,如果第三方成功修改了學習資料或模型以產生異常結果。

另一個風險是技術依賴性。事實上,全球人工智慧生態系統由美國和中國的主要數位參與者主導。深度學習還需要大量的運算能力,來訓練具有大量資料的神經網路。這主要涉及公有或私有雲,這些雲也由美國公司主導。

人工智慧國家策略(來源:阿斯加德)


所有這些風險都可能解釋了公眾對這項技術的不信任。在 2019 年 9 月的一份報告中,法國武裝部隊部堅持認為,必須開發值得信賴的道德人工智慧,尊重人類設定的框架。人工智慧必須繼續補充人類,並成為將人類置於反思中心的分析和決策支援框架的一部分。

我們有一種新型的戰爭嗎?

今天,人工智慧技術還不夠成熟,無法從根本上改變戰爭的性質。 然而,這個領域正在迅速發展,一些國家重新啟動了一場主要依賴人工智慧的軍備競賽。2020 年 11 月,英國政府宣佈為該國武裝部隊,增加 165 億英鎊的預算,重點關注人工智慧。

很快就有可能預測對手人工智慧定義的行動模式,或透過中和或劫持人工智慧技術,來癱瘓對手的指揮能力。政府比以往任何時候,都必須實施保證資訊保密和控制的解決方案。透過與當地新創企業合作,他們可以在維護技術主權的同時利用該技術。



0 comments: