机器击败人类的故事中出现了新的篇章：AI在虚拟空战中再次击败了人类飞行员。AlphaDogfight竞赛是为美军开发的神经网络算法的最终测试。并能最好地展示能够在空战中击败敌机的智能自主特工的能力。更多细节-在材料Cloud4Y中。
这不是AI首次击败人类飞行员。2016年的测试表明，人工智能系统可以击败经验丰富的战斗飞行教练。但是，星期四的DARPA模拟可以说是更有意义的，因为它使许多算法相互竞争，然后又与具有挑战性的环境中的人类竞争。除了将AI集成到作战车辆中以增强其作战能力外，此类仿真还可以帮助训练飞行员。
开始
去年八月，美国国防高级研究计划局（DARPA）选择了八个小组参加一系列测试。该列表包括Aurora Flight Sciences，EpiSys Science，乔治亚理工学院，Heron Systems，Lockheed Martin，Perspecta Labs，PhysicsAI和SoarTech（如您所了解，以及像Lockheed Martin这样的大型国防工业承包商，像Heron这样的小公司系统）。
该计划的目标是为打击无人机和覆盖无人机的无人机翼人员创建AI系统。科学家和军方期望AI能够比人类更快，更有效地进行空中战斗，并减轻飞行员的负担，使他有时间在较大的战斗任务中做出重要的战术决策。
AlphaDogfight试验的第一阶段于2019年11月在约翰·霍普金斯大学应用物理实验室举行。在上面，由不同团队创建的神经网络算法与由DARPA专家创建的Red人工智能系统进行了空战。算法之间的战斗以较低的难度在1x1模式下进行。测试的第二阶段于2020年1月进行。它与第一个在增加复杂性方面有所不同。最终测试阶段于2020年8月20日进行，可以在DARPA YouTube频道上现场观看。
该测试是在FlightGear飞机模拟器中使用JSBSim飞行动力学软件模型进行的。在前两个阶段中，神经网络算法控制着F-15C Eagle重型战斗机，第三阶段则是中型F-16战F。
机器如何打败一个人
在测试的第三阶段，神经网络算法首先彼此进行空战。所有战斗的胜利者都是Heron Systems创建的系统。空战是仅使用加农炮进行的近距离战斗。
然后，Heron Systems的算法与经验丰富的美国空军战斗机飞行员和指导员贝尔格（Banger）进行了混战。总共进行了五场战斗。人工智能算法已经胜过所有人。失去汽车的飞行员承认：“战斗机飞行员学习的标准空战技术没有用。” 但是在最后几轮比赛中，这个人能够坚持更长的时间。
原因是AI在实际测试中无法从自己的经验中学到东西。在空战的第五轮也是最后一轮中，人类飞行员能够显着改变其战术，这使他的战斗时间更长。但是，缺乏经验丰富的飞行员的训练速度导致他失败了。
另一个测试优胜者是深度强化学习，在这种学习中，人工智能算法一遍又一遍，有时非常迅速，在虚拟环境中测试问题，直到他们发展出类似理解的能力。未公开开发人员使用哪种类型的神经网络。 Heron Systems使用强化学习来训练神经网络。在培训期间，该网络进行了40亿次仿真。
洛克希德·马丁公司开发的算法显示了虚拟空中战斗的第二个结果。它的准备还通过训练具有增强作用的神经网络来进行。
很少的细节
洛克希德·马丁公司人工智能总监兼首席架构师李·里特霍尔兹（Lee Rietholz）经过测试后告诉记者，试图使该算法在空战中正常工作与简单地“飞行”即保持一定方向，高度和速度的教学软件有很大不同。
« , . , . , . , . , [] , .
, , . , : , , , . , . », — .
毫无疑问，AI可以很快地学习。使用本地或云资源来模拟空战，他可以在多台机器上一遍又一遍地重复上课。洛克希德与其他几支球队一样，都有一名战斗机飞行员。他们还可以同时在25台DGx1服务器上运行训练集。但是他们最终生产的产品可以在单个GPU上运行。相比之下，胜利之后，Heron Systems的高级机器学习工程师Ben Bell表示，他们的算法经过了至少40亿次仿真，并获得了大约12年的经验。
结果，DARPA对初创公司Heron Systems的胜利表示祝贺，该公司的算法成功绕过了洛克希德·马丁（Lockheed Martin）等大型公司的发展。
Cloud4Y博客中还有什么有趣的内容
→ “自己动手做”，或一台南斯拉夫的计算机
→美国国务院将创建自己的防火墙
→人工智能唱着革命
→宇宙的几何形状是什么？
→瑞士地形图上的复活节彩蛋
订阅我们的Telegram频道，不要错过其他文章。我们每周写不超过两次，并且仅在商务上写。