Det amerikanske forsvarsministerium har offentliggjort en køreplan for udvikling af militære robotter. Dette dokument beskriver en vision om, hvad ubemandede luftfartøjer, jord, overflade og undervandsrobotter skulle blive inden 2042. Blandt de mest prioriterede områder for udvikling af sådanne systemer opkaldte militæret en åben arkitektur og modularitet i design, en høj grad af automatisering for at reducere belastningen på operatøren og dannelsen af blandede enheder af mennesker og robotter.
De førende lande i verden i dag udvikler aktivt forskellige militære robotter: fra rekognoseringskøretøjer til kampsystemer udstyret med våben. Militæret mener, at sådanne enheder vil give soldater mulighed for mere effektivt og hurtigere at løse en lang række opgaver. Derudover antages det, at robotter vil reducere tab under kamp, mere effektivt gennemføre rekognosering og strejke mod fjendens mål. Endelig vil robotsystemer reducere eller helt undgå sikkerhedsskader, når de udfører en bestemt kampmission.
Det amerikanske militær bruger allerede allerede robotter i militære operationer. Den amerikanske luftvåben inkluderer især flere typer ubemandede luftkøretøjer, som militæret bruger til rekognosering og observation samt til at slå til mod fjendens positioner. Den amerikanske flåde bruger autonome, ubemandede undervandsbiler til at søge efter miner, patruljere indgangene til flådebaser, skabe kommunikation med ubåde og kortlægge havbunden.
I henhold til den nye "køreplan" i Pentagon, bør man ved udvikling af militære robotter være mere opmærksom på neurale netværksteknologier. Det antages, at robotter udstyret med kunstig intelligens vil kunne blive ledsagere af menneskelige soldater på jorden og i luften. Det amerikanske militær mener, at det takket være kunstig intelligens vil være muligt at øge graden af autonomi af væbnede robotter, som ikke kun kan opdage og påtage sig målsporing, men også prioritere dem, hvilket reducerer byrden for operatøren.
Operatøren af meget autonome kampsystemer skal kun træffe en beslutning om affyring mod mål, der er registreret af roboten. Samtidig vil robotterne være i stand til at skyde mod mål på operatørens kommando og kontrollere deres ødelæggelse. Generelt vil en betydelig stigning i graden af autonomi for rekognoserings- og kamprobotter give én menneskelig operatør mulighed for samtidig at kontrollere flere droner og jordsystemer. Til sammenligning er der i dag i beregningen af en for eksempel en angrebsdrone mindst to personer: en pilot og en operatør af sensorer og våben.
Pentagon mener også, at udviklingen af militære robotter bør fokusere på åben arkitektur og modularitet. Dette vil blandt andet forenkle vedligeholdelse og modernisering af robotter samt forenkle integrationen af nye kampkøretøjer i Pentagons samlede informationsnetværk samt taktiske netværk. Den åbne arkitektur giver tredjepartsvirksomheder mulighed for at oprette deres egne moduler til robotter, hvilket vil øge konkurrencen og give militæret et bredere valg af forskellige ekstra systemer til robotteknologi.
Endelig giver en åben arkitektur og modularitet mulighed for bedre kommunikation mellem kontrollerede og ubemandede køretøjer på dataudvekslingsniveau. Dette vil igen forbedre effektiviteten af blandede robotter og menneskelige enheder betydeligt. Sidstnævnte på sin side i de væbnede styrkers organisationsstruktur vil være i stand til at løse forskellige kampopgaver hurtigere og mere effektivt. Især på grund af det faktum, at robotter vil udføre mere risikable handlinger. Generelt mener Pentagon, at de første partnerrobotter kan optræde i tropperne mellem 2029 og 2042.
I slutningen af august 2018 beordrede Defense Advanced Research Projects Agency (DARPA) fra det amerikanske forsvarsministerium det amerikanske firma Raytheon at udvikle et neuralt netværk, der kunne forklare, hvorfor det tog denne eller den anden beslutning. Denne udvikling vil blive brugt i et større projekt til at oprette blandede kampeenheder. Projektet modtog betegnelsen XAI. Det involverer oprettelse af et neuralt netværk, der ikke er underordnet i hastighed i forhold til konventionelle neurale netværk, men som er i stand til at vise hele analysekæden, på grundlag af hvilken den tog en bestemt beslutning.
Salgsfremmende video:
Vasily Sychev