مسابقه تسلیحاتی هوش مصنوعی: کندتر از آنچه تصور میشود
توسعه سامانههای هدفگیری مبتنی بر هوش مصنوعی به دلیل نیاز به زیرساختهای پیچیده داده، تواناییهای اطلاعاتی و تسلیحات دقیق، بسیار پرهزینه و دشوار است و انتشار آن در سطح جهانی کند و ناهموار خواهد بود.
به گزارش اطلس دیپلماسی، یادداشتی با عنوان «مسابقه تسلیحاتی هوش مصنوعی: کندتر از آنچه تصور میشود» به قلم استیون فلدشتاین (Steven Feldstein) در بولتن دانشمندان اتمی (The Bulletin) منتشر شده است. این یادداشت استدلال میکند که با وجود استفاده فزاینده از هوش مصنوعی در درگیریهای اخیر، گسترش سامانههای هدفگیری پیشرفته به دلیل پیچیدگیهای فنی، هزینههای هنگفت و نیاز به زیرساختهای اطلاعاتی و نظامی یکپارچه، روندی کند و ناهموار خواهد داشت و فعلاً در انحصار تعداد محدودی از کشورها باقی خواهد ماند. در ادامه، خلاصه این یادداشت را میخوانید.
در درگیریهای جاری در اوکراین، غزه، لبنان و ایران، طرفهای متخاصم برای دستیابی به اهداف جنگی خود به فناوریهای هوش مصنوعی روی آوردهاند. نمونه خیرهکننده اخیر، استفاده ارتش آمریکا از سامانه هوشمند «ماون» شرکت پالانتیر در جنگ ایران بود که طی آن، پنتاگون از «اشتهای سیریناپذیر» خود برای هوش مصنوعی خبر داد و بیش از ۱۳ هزار هدف را مورد حمله قرار داد. در جنگ اوکراین نیز، استفاده از پهپادهای دید اول شخص مجهز به هوش مصنوعی، دقت حملات پهپادی اوکراین را از حدود ۳۰ درصد به ۸۰ درصد افزایش داد. با این حال، با وجود علاقه فزاینده به استفاده از سامانههای قدرتمند هوش مصنوعی برای مقاصد نظامی، گسترش جهانی آن همچنان در مراحل اولیه قرار دارد. امروزه تنها تعداد انگشتشماری از کشورها، از جمله چین، اسرائیل، روسیه و آمریکا، به طور فعال از این فناوری برای اهداف جنگی خود استفاده میکنند. استقرار موفقیتآمیز، بهویژه برای هدفگیری، نیازمند ادغام مجموعهای متنوع از فناوریهاست: تواناییهای نظارتی و اطلاعاتی، پردازش اطلاعات و ظرفیت حمله برای نابودی اهداف. این پیچیدگیها موانع قابل توجهی را برای بسیاری از کشورها ایجاد میکند.
تجربه اسرائیل در این زمینه آموزنده است. این رژیم دههها صرف توسعه زیرساختهای داده و نظارتی خود کرده است. تا سال ۲۰۲۰، یک سیستم یکپارچه در کرانه باختری و قدس شرقی مستقر کرد که شامل پایگاه داده «ولف پک» و فناوری تشخیص چهره در ایستهای بازرسی بود. پس از حملات ۲۰۲۳، اسرائیل با همکاری شرکتهای خصوصی، برنامه تشخیص چهره را برای غزه نیز ایجاد کرد. افزایش جمعآوری اطلاعات بیومتریک، اسرائیل را مجبور به توسعه زیرساختهای دادهای خود کرد. «پروژه نیمبوس»، یک قرارداد ۱.۲ میلیارد دلاری با گوگل و آمازون، به اسرائیل امکان دسترسی به مجموعه کاملی از ابزارهای یادگیری ماشین و هوش مصنوعی را داد. همچنین، برای ذخیره حجم عظیم اطلاعات، قرارداد پرسودی با مایکروسافت برای استفاده از پلتفرم ابری «آژور» منعقد شد. در نهایت، اسرائیل برای عملیاتی کردن این دادهها، به ابزارهای نرمافزاری مانند «گاسپل» و «لوندر» روی آورد که با استفاده از هوش مصنوعی، «لیستهای کشتار» را تقریباً به صورت خودکار تولید میکردند. در کنار اینها، صنعت تسلیحاتی پیشرفته اسرائیل، پهپادها و موشکهای دقیقی را برای اجرای این حملات فراهم میکرد. تجربه اسرائیل نشان میدهد که توسعه یک قابلیت نظامی پیشرفته مبتنی بر هوش مصنوعی، هرچند ممکن، اما بسیار دشوار و پرهزینه است.
با این حال، برای گروهی از قدرتهای نوظهور مانند برزیل، هند، عربستان، ترکیه و امارات، تکثیر هوش مصنوعی نظامی یک چشمانداز کاملاً واقعی است. امارات نمونهای از یک کشور کوچک با نیازهای امنیتی حاد و دسترسی به منابع قابل توجه است که میتواند قابلیتهای هوش مصنوعی نظامی خود را ارتقا دهد. این کشور با سرمایهگذاری هنگفت در زیرساختهای نظارتی و مشارکت با شرکتهای فناوری آمریکایی مانند مایکروسافت و انویدیا، در حال ایجاد یک اکوسیستم قدرتمند است. گروه «اج»، قهرمان ملی دفاعی امارات، در حال حاضر یکی از سه تولیدکننده برتر مهمات هدایتشونده دقیق در جهان است و با توجه به همکاریهای نزدیک پالانتیر در این کشور، انتظار میرود ارتش امارات در آینده نزدیک از یک سیستم هدفگیری مشابه «ماون» استفاده کند. در نهایت، با اینکه جلوگیری از گسترش هوش مصنوعی به دلیل ماهیت دوگانه آن (نظامی و غیرنظامی) غیرممکن است، اما سیاستگذاران میتوانند با محدود کردن صادرات تراشههای پیشرفته، مدلهای هوش مصنوعی قدرتمند و نرمافزارهای خاص نظامی، سرعت این روند را کاهش دهند و موارد استفاده مضر آن را محدود کنند./منبع
