独占記事：戦闘AIの未来にはオフライン運用が不可欠
独占レポートによると、通信が途絶した場合でも完全に自律的に動作できる人工知能を戦場に構築する必要性が明らかになった。未来の戦争が今、始まろうとしている。
知っておくべき最も重要なこと
- ホルムズ海峡での紛争は、従来のデータセンターが安価なミサイルの容易な標的であることを示しており、戦闘用人工知能のための分散型ソリューションの必要性を浮き彫りにしている。
- パランティアは、従来のデータセンターに代わる分散型ソリューションとして、NVIDIAのハードウェアを詰め込んだ輸送コンテナを展開し、最前線で直接コンピューティング能力を提供している。
- Scaleoutの必要最低限のAIと統合学習アーキテクチャにより、接続が切断されたノードは、接続が復旧するまでローカルでの推論とデータのキャッシュを継続できるため、ビジネスの継続性が確保されます。
米国はPlus人工知能システムを軍のあらゆる部門に統合しようとしているが、中東の現状は、これらのシステムをインターネットに接続し続けるために必要なコンピューティング能力と通信能力を維持することに関して深刻な問題を引き起こしている。
ドローン、センサー、標的設定、そしてAIによる意思決定はすべて、何らかの形でこれらのシステムに依存している。最前線のAIデータセンターが一つでも破壊されれば、軍の作戦能力は著しく損なわれる可能性がある。
しかし、これらの問題はハードウェアだけにとどまりません。通信手段を持たないドローンは、どのように任務パラメータを適応させることができるのでしょうか？重要な戦場データにアクセスできないAIモデルは、どのように推論を継続できるのでしょうか？そして、AIを戦場のそのような状況に対応させるためには、どのような妥協が必要となるのでしょうか？
戦場における人工知能は、通信が途絶したり、機器が使用不能になったりした場合でも、機能し続けなければならない。
ホルムズ海峡を巡る紛争は極めて大きな犠牲を伴うだろうが、イランの事例は戦闘員にとって貴重な教訓となる。中東における従来型のデータセンターへの依存は、既にその脆弱性を露呈している。これらの広大なデータセンターは安価なミサイルの格好の標的となり、たった一撃でシステム全体が機能停止に陥る可能性がある。
パランティアは既に、従来のデータセンターに代わるものとして、NVIDIA製ハードウェアを搭載した輸送用コンテナの展開を開始している。これらのコンテナは最前線に設置でき、ワークフローに直接接続することで、最も必要とされる場所に分散型のコンピューティング能力を提供する。
Scaleoutは、分散された機密データに基づいてモデルをトレーニングする、必要最低限のAIおよび統合学習インフラストラクチャを構築する企業です。データを一元化することなく、これらのデータに基づいて学習を行います。同社はNATOや、最近ではスウェーデン空軍、そしてBAEシステムズなどの大手防衛企業と協力してきました。
アンドレアス・ヘランダーは、ScaleoutのCEO兼共同創業者です。彼は科学計算の博士号とバイオテクノロジー工学の修士号を取得しており、ウプサラ大学の准教授を務めています。Scaleoutを設立する前は、同大学のIT部門でトップクラスの研究グループの一つを築き上げました。
私はアンドレアス氏に話を聞き、戦場におけるAIシステムの回復力を高める方法や、状況が悪化した際にドローン、センサー、その他の最前線技術がどのように機能し続けることができるのかについて、Plus社から情報を得ました。
- 戦場でコンピューティング能力やAIハードウェアの一部が故障した場合、何が起こるのか？また、システム間の通信を維持するために、どのような冗長化メカニズムが存在するのか？
目標は途切れることのない接続を保証することではなく、単一のコンポーネントの喪失によって機能全体が停止してしまうことを防ぐことです。当社のアーキテクチャでは、切断されたノードは最後に確立したモデルを使用してローカル推論を継続し、接続が復旧するまで発見データとテレメトリデータをキャッシュします。
エッジレベルより上位には複数の集約ポイントを使用できます。いずれかのポイントが利用できなくなった場合でも、クライアントをリセットして、残りのアクセス可能なポイントでトレーニングを継続できます。これにより、パフォーマンスは完全に停止するのではなく、徐々に低下します。当社は戦術通信ネットワーク自体を提供するわけではありません。当社の役割は、AIワークロードが無線、衛星、その他のリンクが常に利用可能であると想定しないようにすることです。
- 戦場における高度に集中化されたAIネットワークと、より分散型のアプローチの間には、特にデータ収集、標的設定、戦場における調整、および兵站に関して、どのようなトレードオフが存在するのでしょうか？
集中化は、一貫した運用状況の把握、十分な計算能力、そしてセキュリティ対策、モデル承認、指揮方針の明確な実施場所を提供する。また、戦域レベルでの調整と兵站を支援する一方で、リスクも集中させる。単一のリンクや施設が失われると、能力の大部分が失われる可能性があり、大規模または機密性の高いデータセットの転送は、遅延、制限、あるいは不可能になる場合がある。
分散システムでは、分析をセンサーの近くで行うことで応答時間を短縮し、障害発生時にもローカル機能を継続できます。ただし、その代償として断片化が生じます。部分的または古い画像に基づいて標的を設定するのは危険であり、ローカルでの兵站上の決定が部隊全体にとって最適とは限らない場合があります。最適な設計は通常、ハイブリッド型です。つまり、可能な場合は中央集権的な調整を行い、利用できない場合は明確に定義されたローカル機能を活用するというものです。権限は指揮統制と関連する人間の意思決定プロセスに委ねられます。
- AIドローンとセンサーは戦場にどのように適応するのか、また、通信が可能なAIドローンと通信が途絶えたAIドローンでは、どのような挙動の違いがあるのか。
モデルの動作と再学習を分離することが重要です。小型プラットフォームは通常、飛行中に推論を実行し、制御された再学習と検証は地上ノードまたはより高性能なエッジコンピュータで行われます。機上学習は研究段階では存在しますが、ミッション中の制御されていない再学習は深刻な信頼性の問題を引き起こします。
接続されたプラットフォームは、発見を共有したり、ミッションを受信したり、より広範な運用状況の把握に貢献したりすることができます。接続が途絶えた後、ドローンは事前に承認されたフェイルセーフ手順に従います。ミッションに応じて、特定のタスクを継続したり、帰還したり、待機したり、着陸したりします。機体上の処理によって知覚とナビゲーション機能は維持されますが、プラットフォームは外部の状況、新しい指示、および機体間の連携を失います。障害は、明確に定義された境界を持つ計画的な運用状況であるべきであり、突発的な緊急事態であってはなりません。
- これらのドローンやセンサーによって収集されたデータは、戦場におけるAIシステムが新たな状況、脅威、戦術に適応するためにどのように活用されるのでしょうか？
最も有用なデータは転送が最も難しい場合が多いため、スナップショットに焦点を当てるのではなく、モデルをデータに送り込みます。アクティブラーニングソフトウェアは、不確実な発見、見慣れないオブジェクト、変化する状況など、モデル改善の可能性が最も高いシナリオを特定します。選択された資料の分類は依然として人間が行いますが、ソフトウェアは検索プロセスを削減し、人間の判断の必要性をなくすわけではありません。これは、AIシステムにおける説明責任のギャップを埋めることの重要性を浮き彫りにしています。
モデルはローカルで微調整され、定義されたベンチマークに対してテストされます。候補モデルは、オペレーターによる承認を受ける前に、既存のモデルと並行してシャドウモードで実行することもできます。ポリシーと接続性が許す限り、サイトは生のトレーニングスナップショットではなく、保護されたモデル更新を交換し、それらを共有モデルに統合します。統合学習はデータトラフィックを削減しますが、更新は依然として保護、検証、およびレビューされる必要があります。
- ドローンやAI搭載センサーを配備する際に直面する主な課題は何ですか？また、最前線付近でのコンピューティングおよび電力供給のニーズを満たすために、軍隊が利用できる能力にはどのようなものがありますか？
最も困難な制約条件は、一般的に電力、熱、重量、天候、振動、電子戦、データの不整合、そして多様な機器群における安全なソフトウェアアップデートなどです。統合と信頼性の確保は、機械学習と同様に困難な場合があり、これは産業用人工知能の分野でも顕著な課題です。
コンピューティング機能は市販されており、マイクロプラットフォーム向けの低消費電力ユニットであるNVIDIA Jetson、堅牢なGPUサーバー、地上サイト向けのコンテナ型エッジコンピューティングユニットなどがあります。しかし、電力はより困難な課題です。各プロセッサは推進、センシング、通信システムと競合し、発電機、バッテリー、配電機器は物流上の負担と新たな故障箇所を追加します。BAE Systems Boforsとの公開デモンストレーションでは、接続なしで-18℃の環境下で組み込みコンピューティングによる知覚ワークロードを実行しました。原則は、可能な限り最小限の運用フットプリントを使用し、電力と帯域幅の両方が限られていることを想定することです。
- 軍事用途向けサービスを提供する民間企業の役割は、中東におけるAWSデータセンターや、ウクライナ向け英国製ドローン製造など、ますます重複しつつある。軍事向けサービスを提供する企業は、正当な軍事標的とみなされる可能性という潜在的な圧力にどのように対処しているのだろうか？
Scaleoutについて言えば、業界全体ではなく、当社のプラットフォームは、クライアントの運用がScaleoutの継続的な可用性に依存しないように設計されています。プラットフォームはクライアント自身のインフラストラクチャ内で動作し、エアギャップされており、コールホームライセンスや、当社のシステムまたはパブリッククラウドへの常時接続を必要としません。これは、クラウド主権などの問題や、軍事サービスを提供する企業が、正当な軍事標的とみなされる可能性のある圧力にどのように対処できるかといった疑問を提起します。
これは、紛争地域や通信が途絶した環境においては極めて重要です。遠隔地のサービスプロバイダーに依存すると、運用上の脆弱性につながる可能性があります。そのため、当社では、自社のインフラストラクチャを重要な依存関係とするのではなく、クライアントのサイトでローカルな制御と継続性を維持するというアプローチを採用しています。
紛争の文脈において商業サプライヤーをどのように捉えるべきかというより広範な問題は、政策立案者、法律専門家、そして関係企業が判断すべき事項です。当社は、他のサプライヤーのリスク評価や事業運営モデルについて憶測を述べるつもりはありません。
- これらのシステムの将来的な方向性はどうなるのでしょうか？各ドローンや個々のセンサーは、グローバル衛星ネットワークを介してデータを送信できる独自の通信システムを備えるようになるのでしょうか？また、これらのシステムは人間の介入なしに数日間、あるいは数週間にわたって自律的に動作できるようになるのでしょうか？
低軌道衛星などを介した接続性の向上は見込まれるものの、各センサーを宇宙に直接接続することは包括的な解決策とはなり得ないだろう。端末は電力と周波数帯域を消費し、コストを増加させ、デジタルフットプリントを生み出す可能性がある。より柔軟なアプローチとしては、ローカルエリアネットワーク（LAN）リンク、機会的同期、そして衛星通信やその他の長距離通信のためのゲートウェイの選択を組み合わせる方法が挙げられる。
オフラインでの長時間稼働は現実のものとなっているが、稼働時間はAIソフトウェアではなく、バッテリー、天候、メンテナンスによって制限されることが多い。また、オフライン稼働と人間の監視なしでの稼働には根本的な違いがある。前者は柔軟性の問題であり、後者は政治的、法的、倫理的な判断を伴う。したがって、未来は単に自律性の向上だけではなく、検証可能な制御、つまり各プラットフォームでどのモデルが実行され、何が出力され、その限界はどこにあり、誰が承認したのかを知ることが重要となる。この制御を確保するには、説明責任のギャップを埋めることが不可欠である。
コメントは締め切りました。