فرماندهی ترابری آمریکا از هوش مصنوعی تصادفیساز برای لجستیک نظامی استفاده میکند
فرمانده TRANSCOM میگوید این نهاد با تغییر پویای مسیرها، پیشبینی تقاضا و ترمیم خودکار شبکه میکوشد زنجیره تأمین نظامی را در برابر ردیابی و اختلال مقاومتر کند.
فرماندهی ترابری ایالات متحده (TRANSCOM) در حال استفاده از الگوریتمهای تطبیقی برای کاهش قابلیت پیشبینی مسیرها و زمانبندی انتقال محمولههای نظامی است. ژنرال رندال رید، فرمانده این نهاد، در کنفرانس DefenseTalks گفت الگوهای ثابت حملونقل میتوانند به مدلهای پیشبینی دشمن امکان دهند حرکت محمولهها را دنبال کنند یا در تصمیمگیری لجستیکی اختلال ایجاد کنند.
تصادفیسازی کنترلشده مسیرها
بهگفته رید، راهبرد «لجستیک فشاری پایدار و تصادفیسازیشده» به سامانهها اجازه میدهد مسیر، دفعات انتقال و مقصدها را بر اساس شرایط عملیاتی تغییر دهند. هدف این است که برنامههای تدارکاتی برای شناسایی دشمن الگوی ثابت و آسانی نداشته باشند، در حالی که جریان مهمات، باتری، تجهیزات پزشکی و آذوقه ادامه پیدا کند.
TRANSCOM این رویکرد را پاسخی به تهدیدهای فیزیکی و دیجیتال میداند. رید هشدار داد که دادههای ساختگی یا دستکاریشده میتوانند نیروهای لجستیکی را به تصمیمهای فاجعهبار مبتنی بر اطلاعات نادرست سوق دهند. این ادعاها و ارزیابیها از سوی فرمانده این نهاد مطرح شدهاند و گزارش منتشرشده شواهد مستقلی درباره اثربخشی عملی سامانه ارائه نمیکند.
ترمیم شبکه و پیشبینی تقاضا
سامانههای پیشنهادی هنگام قطع ارتباط یا اختلال در مسیر، گزینههای تحویل را دوباره محاسبه میکنند. ابزارهای پیشبینی تقاضا نیز قرار است کمبودها را پیش از ثبت درخواست رسمی واحدهای میدانی تشخیص دهند و بخشی از فشار شناختی اپراتورها را در محیطهای پرتنش کاهش دهند.
این معماری در کنار حسگرهای اینترنت اشیا برای رهگیری وضعیت محموله، دوقلوهای دیجیتال برای شبیهسازی مسیرهای توزیع و دفترکلهای رمزنگاریشده برای حفاظت از دادهها به کار گرفته میشود. رید همچنین گفت هوش مصنوعی میتواند اصطکاک عملیاتی را پیش از وقوع پیشبینی کند.
چالش داده و توان محاسباتی
اجرای این طرح در مقیاس گسترده به توان محاسباتی توزیعشده از مراکز تولید تا واحدهای میدانی نیاز دارد. کمبود داده واقعی و کیفیت نامناسب برخی دادههای مصنوعی نیز میتواند آموزش مدلها را محدود کند.
TRANSCOM میگوید برای کاهش این ریسکها یک لایه داده امن و معتبر میسازد تا ورودیهای پاک و تأییدشده را به مدلهای پیشبینی برساند و از خط لوله تصمیمگیری خودکار در برابر دستکاری محافظت کند. جزئیات فنی، معیارهای عملکرد و زمانبندی استقرار کامل این زیرساخت در گزارش اعلام نشده است.

منبع: AI News