AI för stridsfältet utformas för att fortsätta fungera när anslutningen bryts

AI-system för stridsfältet utformas i allt högre grad för att fortsätta fungera när kommunikation eller centrala datoranläggningar blir otillgängliga. Utmaningen berör drönare, sensorer samt AI-assisterade system för målangivelse och beslutsfattande som är beroende av tillförlitlig datorkapacitet och anslutning.

Andreas Hellander, vd och medgrundare av Scaleout, sade att motståndskraftiga system bör kombinera central samordning med tydligt avgränsad lokal kapacitet. En frånkopplad nod kan fortsätta med lokal inferens med sin senast godkända modell och lagra detekteringar och telemetri tills anslutningen återkommer. Om en aggregeringspunkt blir otillgänglig kan klienter omfördelas och träningen fortsätta med de system som fortfarande nås.

Centraliserad infrastruktur ger gemensam datorkapacitet, operativ samordning och platser för att upprätthålla säkerhet, modellgodkännande och ledningspolicy. Den kan samtidigt koncentrera risk när anläggningar eller anslutningar störs. Distribuerade system minskar fördröjningen och låter lokala funktioner fortsätta, men kan behöva arbeta med en delvis eller föråldrad lägesbild.

Hellander beskriver en hybridmodell som det vanliga målet. Oträning bör vara kontrollerad och godkännas separat, medan plattformar följer förhandsgodkända felsäkra rutiner efter ett anslutningsbortfall. Federerad inlärning kan minska överföringen av känsligt bildmaterial genom att utbyta skyddade modelluppdateringar, men uppdateringarna måste fortfarande säkras, valideras och granskas.

Scaleout har arbetat med NATO, senast Swedish Air Force, och BAE Systems. Företaget använder kommersiellt tillgänglig edge-hårdvara, till exempel NVIDIA Jetson-moduler och robusta GPU-servrar.