Rusija centralizuje ratne podatke: Pokrenuta jedinstvena baza snimaka za obuku vojne veštačke inteligencije

Rusko Ministarstvo odbrane uspostavilo je centralizovanu bazu video-snimaka sa dronova namenjenu obuci sistema veštačke inteligencije za vojne potrebe. Nova platforma omogućava domaćim proizvođačima bespilotnih letelica pristup zajedničkom fondu podataka prikupljanih na ratištu, sa ciljem ubrzavanja razvoja autonomnih sistema za izviđanje i napad.

Prema dostupnim informacijama, više od 40 ruskih kompanija koje razvijaju dronove i povezane AI tehnologije uključeno je u projekat. Umesto da svaki proizvođač trenira modele isključivo na sopstvenim snimcima, svi učesnici koriste objedinjenu bazu podataka, čime se značajno povećava količina dostupnog materijala za mašinsko učenje.

Sistem funkcioniše na principu dvosmerne razmene. Kompanije dostavljaju nove snimke sa terena, dok Ministarstvo odbrane koristi objedinjene podatke za razvoj i unapređenje vojnih neuronskih mreža. Istovremeno je uveden i jedinstveni klasifikator kojim se standardizuje način označavanja i kategorizacije objekata na snimcima, što omogućava da svi AI modeli uče iz istog skupa pravila.

Kako nastaje baza podataka

Do sada su snimci takozvane „objektivne kontrole“, koje beleže FPV i izviđački dronovi tokom izvršenja zadataka, uglavnom ostajali kod pojedinačnih jedinica ili proizvođača. Novim pristupom sav materijal prikuplja se i skladišti u centralnu bazu.

Video-zapisi obuhvataju širok spektar situacija sa bojišta, uključujući kretanje oklopnih vozila, artiljerijske položaje, pešadiju, maskirane ciljeve, objekte infrastrukture i različite vremenske i osvetljajne uslove.

Takav fond podataka predstavlja osnovu za treniranje algoritama koji treba da omoguće autonomno prepoznavanje meta, čak i kada je komunikacija između operatera i drona prekinuta usled elektronskog ometanja.

Od sirovog snimka do autonomnog drona

Proces obuke počinje pretvaranjem video-zapisa u veliki broj pojedinačnih kadrova. Zatim sledi anotacija podataka, odnosno precizno označavanje objekata na slici.

Na primer, tenk, haubica ili vojno vozilo dobijaju sopstvene oznake i okvire, dok se dodatno evidentiraju ugao posmatranja, doba dana, vremenski uslovi i stepen maskiranja cilja. Tako nastaje takozvani „ground truth“, skup podataka koji algoritmu daje tačan odgovor o tome šta se nalazi na slici.

Nakon toga neuronske mreže prolaze kroz proces učenja. Moderni sistemi računarskog vida analiziraju oblike, ivice, teksture i druge karakteristike objekata, pokušavajući da utvrde šta se nalazi na snimku. Rezultati se zatim upoređuju sa unapred označenim podacima, a greške koriste za automatsko prilagođavanje parametara modela.

Ovaj postupak ponavlja se na stotinama hiljada, pa i milionima frejmova, sve dok sistem ne dostigne zadovoljavajuću tačnost prepoznavanja ciljeva.

AI model u dronu

U praksi to znači da letelica može da nastavi misiju čak i nakon gubitka radio-veze sa operaterom. Kamera šalje sliku ugrađenom AI procesoru, koji u realnom vremenu identifikuje cilj i autopilotu prosleđuje komande za korekciju putanje leta.

Takav pristup postaje sve značajniji u uslovima intenzivnog delovanja sistema za radio-elektronsku borbu (REB), gde klasično daljinsko upravljanje dronovima često može biti ometano ili potpuno onemogućeno.

Odgovor na ukrajinske AI inicijative

Pokretanje jedinstvene baze podataka predstavlja i odgovor Moskve na slične ukrajinske projekte, poput platformi Avengers Labs i Brave1 Dataroom, koje se takođe oslanjaju na masovno prikupljanje borbenih snimaka za obuku algoritama autonomnih bespilotnih sistema.

Sve veća dostupnost podataka sa bojišta, razvoj specijalizovanih AI procesora i napredak u oblasti računarskog vida ukazuju da će autonomne funkcije postajati jedan od ključnih pravaca razvoja savremenih vojnih dronova u narednim godinama.